带空间标注的大规模视频数据集，为视频生成、3D/4D 重建和空间推理模型提供训练与评测数据。

把视频流转化为整体 3D 空间智能的 ICML 2026 Oral 工作，配套基准用于评测视觉语言模型的空间理解能力。

把 VGGT 扩展到公里级场景的官方实现，解决超长序列三维重建中显存和尺度爆炸的问题，能处理大规模空间数据。