OpenAI的新模型o3在ARC-AGI基准测试中表现优异，最低准确率为75.7%，最高可达87.5%。尽管在多个任务上取得进展，但仍有34个任务未能解决，显示出与人类智能的差距，尤其在空间思维能力方面存在局限。

研究者们计划在2025年实现AI领域的突破，特别是在空间思维方面。他们提出了VSI-Bench，这是一个基于视频的基准测试，用于评估多模态大语言模型（MLLM）在视觉空间智能方面的表现。尽管与人类相比仍有差距，但模型展现出新兴的视觉空间智能。研究指出，空间推理是MLLM的主要瓶颈，未来的AI助手需要更好地理解和导航空间。