7款大模型无人机操控测试：只有最便宜的Gemini Flash赢了

SnapBench是一项测试大模型具身智能能力的基准实验，要求模型在3D世界中驾驶无人机寻找并识别生物。在对7款前沿LLM的测试中，仅有价格最低的Gemini Flash成功完成任务，而公认的“最强模型”Claude Opus却因无法控制俯冲高度而惨败。研究表明，在空间推理和具体执行层面，昂贵且庞大的模型未必优于轻量级模型，特定场景下的指令遵循和物理交互能力才是关键。