趋势解读：NVIDIA Research 发布 SpatialClaw，讨论数据集与基础模型

NVIDIA Research 发布 SpatialClaw，一个免训练的空间推理框架。它通过将代码作为动作接口，让智能体调用感知工具（Depth Anything 3、SAM 3）并自由组合输出，解决视觉语言模型在 3D 空间判断上的弱点。在 20 项基准测试中平均准确率达 59.9%，比近期智能体 SpaceTools 高 11.2 个百分点，比无工具基线高 6.5 点，比结构化工具调用高 3.2 点。框架无需重新训练，同一提示词和工具集可跨所有基准和骨干网络运行，支持 Qwen3.5/3.6 及 Gemma4 等 26B 至 397B 参数的模型。

NVIDIA Research 推出 SpatialClaw，无需训练即可通过代码接口调用感知工具，提升3D空间推理能力，在20项基准测试中平均准确率达59.9%。

• SpatialClaw通过代码接口调用感知工具，无需训练。
• 在20项基准测试中平均准确率59.9%，领先同类方法。
• 支持多种大模型，提示词和工具集可跨模型复用。
• 解决VLM在3D空间判断上的弱点，降低应用门槛。