顕著な進展にもかかわらず、マルチモーダル基盤モデルは空間的知能において依然として驚くべき欠陥を示している。本研究では、既存のマルチモーダル基盤（視覚理解モデル：Qwen3-VLおよびInternVL3、統合的理解・生成モデル：Bagel）を基盤とし、SenseNova-SIファミリに属するマルチモーダル基盤モデルのスケーリングを進め、空間的知能の育成に取り組む。本研究では、空間的知能の能力を厳密な分類体系に基づき体系的に収集した800万件の多様なデータサンプル（SenseNova-SI-8M）を用いて、高パフォーマンスかつ堅牢な空間的知能の構築に体系的かつ原理的なアプローチを採用した。SenseNova-SIは、広範な空間的知能ベンチマークにおいて前例のない性能を示した。具体的には、VSI-Benchで68.7%、MMSIで43.3%、MindCubeで85.6%、ViewSpatialで54.6%、SITEで50.1%のスコアを達成し、同時に強力な汎用的マルチモーダル理解能力（例：MMBench-Enで84.9%）を維持している。さらに重要な点として、データスケーリングの影響を分析し、多様なデータによる学習がもたらすEmergent（出現的）な汎化能力の初期兆候を検討し、過学習や言語的ショートカットのリスクを検証した。また、空間的チェーン・オブ・シンキング（chain-of-thought）推論に関する初期研究を提示し、下流タスクへの応用可能性を検証した。SenseNova-SIは継続的なプロジェクトであり、本報告は随時更新される予定である。新しく訓練されたすべてのマルチモーダル基盤モデルは、本分野におけるさらなる研究を促進するため、公開されている。