MolmoSpaces 是一个面向具身智能（Embodied AI）的空间交互基准，把 AI 放进可交互的 3D 家居场景里，让它连续完成“把衣服收进洗衣机”“把散落玩具放回箱子”这类长程操作任务，再按完成情况打分。
可以把它想成一场“机器人钟点工考试”。普通考试像看图说话：给一张厨房照片，问“杯子在哪”，答对就行。MolmoSpaces 更像家政实操作业：你站在客厅，听到“把茶几上的杯子放进水槽，再把沙发上的衣服收进篮子”，然后要自己找路、绕开椅子、打开柜门、抓起东西、放对位置。更麻烦的是，房间会因为你动作而变化：你挪了椅子，路变宽了；你打开抽屉，里面多了可操作空间。任何一步卡住，后面的任务就接不上。这就是“可交互”和“长程”叠加后的难点。
它和相邻概念的区别可以这样看：
| 基准类型 | 主要考察 | 典型翻车点 |
|---|---|---|
| 视觉问答（VQA） | 看懂图片、答对问题 | 认错物体 |
| 静态 3D 理解 | 空间关系推理 | 说不清杯子在桌子哪边 |
| 单步操作 | 抓取、放置一个动作 | 抓不稳、放偏 |
| MolmoSpaces | 长程任务闭环 | 中途忘目标、开门失败、做完一步接不上下一步 |
对从业者，这类基准的价值在于把感知、语言理解、导航、操作、记忆和任务规划捏在同一个考场里。它不奖励“单科满分”，而奖励系统集成度和长程稳定性。对普通人，它意味着家政机器人正从“演示一段酷炫视频”走向“被标准化评测”，进步开始可比较。
至于“国产具身 Agent 框架拿下全球第一”的含金量，要分两层看。第一，长程交互基准的第一名，通常比单一识别任务的第一名更难“碰运气”：它要求多个模块协同，还要在几十步操作中保持目标不漂移。第二，公开榜单可复现，比自曝 demo 更有说服力。但也别过度解读：仿真里的第一不等于真实家庭里能干活的保姆机器人，仿真到真实（sim-to-real）的鸿沟仍在；榜单具体设置、版本和评分细则也可能变化，以官方页面为准。
一句话收束：MolmoSpaces 把“机器人在家里干活”拆成可打分的连续任务，是衡量具身智能从“会看会答”走向“会做完整事”的一把尺子。