从单城实测到六城评测：GeoSpatialBench 的完整结果#

  前面的斯德哥尔摩实测留下了一个值得继续追问的问题：模型能够判断空间关系，是否也能把这些关系真正落实到地图中？在初步测试的基础上，我们将评测扩展到斯德哥尔摩、巴黎、内罗毕、香港、武汉和底特律六座城市，围绕28类经典空间关系构建了8,400个基础任务，并比较九个模型在精确坐标、地图图像及二者结合三种输入下的表现。

  扩展后的结果让“答对题”与“改对地图”之间的差距更加具体。我们将完整评测的设计、主要发现和具体错误案例整理为英文推文，并提供交互图表，方便读者按模型、输入方式和空间关系查看结果。