GPT 6 Astra 在视觉直觉推理测试中才拿了 53.6 分，AI 离世界模型还远吗

目前的视觉模型虽然能识别图片里有什么，但一旦涉及“直觉推理”——也就是推断那些画面没明说、但逻辑上必然存在的信息，表现就掉链子了。Elorian 和 Scale AI 刚发布的 Humanity’s Sixth Sense (HSS) 评测集直接撕开了这个口子。
这个 HSS 评测不是让 AI 简单地描述图片，而是考它对物理常识、空间逻辑和因果关系的理解。比如给它一张书架照片，问这个书架还能塞下多少本书；或者给一张马匹拉犁的照片，问拉犁的链条是否承受了拖拽重量。这种题不需要复杂的计算，但需要对现实物理世界有基本的“直觉”。

AI 在 HSS 视觉推理中掉坑里了

HSS 包含了 288 张图片和 234 段短视频（总时长 17.6 小时），共 522 个问题，覆盖了四个维度：

• 时空因果： 推断场景发生前后的事情。
• 物理空间逻辑： 判断物体是否放得下、谁在什么位置能看到什么。
• 社交理解： 识别意图、注意力分配和归属感。
• 抽象上下文推理： 挖掘场景隐含的模式和规则。

结果挺让人意外的。人类的平均得分（pass@1）高达 93.1，其中时间维度最高（97），空间维度（94.9）紧随其后。而目前顶尖的 GPT 6 Astra 综合得分仅为 53.6。分项来看，它在图像（55.6）、视频（51.1）、时间（58.2）和空间（53.6）四个维度上都勉强及格，离人类的直觉水平差了一大截。
更有意思的是，一些主打开源的国产模型在这个指标上落后更多。GLM-5.3-flash 的 pass@1 得分是 26.8，Kimi K3 则是 25.5。
分析失败原因发现，最常见的两个坑是：

1. 漏掉了决定答案的关键细节（占失败案例的 21%）。
2. 错误地识别了物体、人物或角色（占 20%）。

这意味着我们要推翻“世界模型”的执念吗

长期以来，学术界有个共识：要实现真正的视觉推理，AI 必须先建立一套复杂的 2D 或 3D 空间世界模型，然后基于这个模型去思考。但 HSS 的结果提供了一个相反的视角。
虽然 GPT 和 Claude 离满分还远，但它们在没有显式构建 3D 物理引擎的情况下，已经能处理相当一部分这种推理任务。这意味着，这种所谓的“世界模型”能力，可能是在大规模多模态训练中自然涌现出来的，而不是必须通过单独设计一个空间感知系统来实现。如果一个 LLM 能通过概率预测在很大程度上模拟出物理直觉，那么专门去搞 3D 建模的路径可能会被绕过去。

另一个极端是 AI 正在进入太空

在视觉直觉还不够强的同时，AI 的应用场景已经开始往地球外延伸了。根据相关分析，到 2030 年代，随着 Starship 等重型运载平台的发射能力提升，太空经济可能会迎来爆发。
AI 在太空中的核心优势在于它不需要呼吸和压力保障。目前的国际空间站（ISS）只要被一个小碎片击穿就可能导致致命后果，但如果换成完全由 AI 驱动、无需加压的无人飞船，同样的碎片撞击可能根本不会影响其功能。
这意味着未来的太空探索逻辑会发生剧变：

• 硬件重构： 飞船设计将不再围绕“人类生存”展开，而是围绕“AI 运行”优化。
• 自主闭环： 从自动驾驶到在轨组装，AI 可以利用空间站基建直接在轨道上制造复杂的大型结构。

这里面有一个极其危险的“先发优势”逻辑。如果某个国家或组织率先让 AI 在太空建立起计算和制造的闭环，这种 compounding advantage（复利优势）会让后续追赶者极其困难。因为 AI 可以在太空中自我迭代、自我扩建，而不需要依赖缓慢的地球补给线。

跨机构联邦训练如何落地

除了视觉推理和太空幻想，在实际的科学研究中，AI 正面临一个很现实的瓶颈：数据不能动。很多科学数据集因为涉及国家安全、出口管制或商业机密，根本无法集中到一台服务器上。
针对这个问题，联邦 AI（Federated AI）成了唯一解，即“模型动，数据不动”。在从试点（Pilot）转向大规模生产（Production）的过程中，有几个关键的实操坑点需要注意：

• 基础设施异构性： 当模型需要在不同机构的超算中心和云端之间迁移时，环境的统一至关重要。
• 监管合规： 在受监管的环境中，必须建立一套严格的审计机制，确保模型权重的传输不会泄露底层数据的特征。
• 计算效率： 跨机构训练的通信开销极大，需要针对大规模超算环境优化同步机制。

这就要求开发者在设计架构时，不能只考虑模型本身的精度，而要把它当成一个分布式系统来设计。

创意工具的底层逻辑正在转向 WebGPU

在应用层，我注意到一些创意工具开始尝试把 AI 代理（Agent）直接集成进编辑器。比如 MasterSelects 这种基于浏览器的媒体编辑器，它采用了 WebGPU 渲染和多轨时间轴，允许用户在本地运行。
它的一个有趣点在于提供了 local agent bridge。这意味着你不需要在网页上点来点去，而是可以直接通过一个 coding agent 来构建特效或工作流。这种“边创造边构建”的模式，实际上是把 AI 从一个简单的“生成工具”变成了“编辑器插件的开发者”。
对于开发者来说，这意味着未来的创意软件可能不再提供死板的功能菜单，而是提供一套 API 接口，由 AI 根据用户的实时需求，现场写一段代码生成一个新的功能面板。
总结来看，目前的 AI 处于一个很奇妙的阶段：它在基础的物理直觉上还像个孩子（HSS 得分低），但在宏观的工程应用上（太空、联邦学习、WebGPU 工具）已经开始激进地扩张。这种不平衡性可能意味着，我们不需要等到 AI 真正“理解”物理世界，它就能通过强大的工程能力接管很多现实领域的任务。