PlanBench-V：首个面向空间规划图的视觉语言模型评测基准

PlanBench-V是首个专门评估视觉语言模型（VLMs）在空间规划图解读能力的综合评测基准。该基准由arXiv作者团队于2026年6月4日发布（链接：http://arxiv.org/abs/2606.05744v1），构建包含223张规划图和1629个专家标注问答对的数据集，通过感知、推理、关联、实施四维框架揭示当前VLMs能力边界，并已开源代码与数据集（https://plangpt.github.io）。

空间规划图是国土治理核心工具，需精细视觉感知、空间推理及专业政策判断能力，对人类和AI均构成挑战。现有多模态基准集中于通用视觉任务，忽视规划实践特有的认知过程（如政策含义、法规约束等专业知识需求），缺乏针对空间规划图的专业评测基准。

1. 空间规划图数据库（SPMD）

含223张覆盖不同区域和风格的真实规划图，1629个领域专家设计的多层次问答对，确保问题反映规划实践认知挑战。

2. 四维评测框架

• 感知：识别地块边界、用地类型等基础视觉元素；
• 推理：计算距离、分析连通性等空间逻辑关系；
• 关联：将视觉信息与政策含义（法规约束、开发强度等）关联；
• 实施：进行评估判断、政策敏感的决策任务（最高层次）。

1. 代际进步显著：2026年最佳模型Qwen3.6-Plus较2025年GPT-4o整体性能提升27%；
2. 实施类任务瓶颈：所有模型在实施任务（评估判断、政策敏感、约束决策）上表现差，反映专业规划语境下的根本性局限；
3. 需领域适应性框架：通用VLMs需结合领域知识优化才能应对专业任务。

研究团队已开源代码和数据集，访问地址：https://plangpt.github.io。开源资源支持复现实验、开发新模型、扩展数据集及建立细粒度评测指标。

• 城市规划实践：为AI辅助规划工具可靠性提供评估依据；
• 模型开发：指引VLMs需提升专业领域深度理解；
• 政策制定：为智能城市等应用的AI部署提供风险评估框架。

需持续努力的方向：

1. 多模态融合（结合遥感、三维模型、实时数据）；
2. 交互式推理（规划师与AI协作分析）；
3. 可解释性（透明化推理过程）；
4. 持续学习（从实践反馈改进系统）。 PlanBench-V是连接AI研究与规划实践的桥梁，为智能城市未来提供技术路线图。