Artificial Analysis 发布生命科学视觉推理榜 VIALS-AA
Artificial Analysis 于 11 月 7 日为 Handshake AI 的 VIALS 基准推出 VIALS-AA 排行榜，用于评测前沿模型在生命科学与生物技术领域的视觉推理能力。结果显示 Gemini 4 位居榜首，而不同模型在成本与一致性上的差距十分显著。
已确认
- VIALS 基准包含 161 个任务，覆盖 8 个生命科学与生物技术领域，要求模型解读凝胶印迹（gel blots）、流式细胞图、质粒图谱、系统发育树等实验图像。
- 排行榜显示 Gemini 4 居首；Claude 每任务成本比其高出约 29 倍。
- Sol/Terra 以约 1/20 的成本取得逼近前沿模型的视觉推理成绩，凸显性价比差距。
- 一致性评测（同一任务多次运行）中，Kimi K3.1 Pro 三次全部答对的比例为 45%，落后 GPT-6 Astra 的 63%；Kimi K3.1 Pro 在 161 个任务中有 119 个至少答对一次。
- 相近的总分可能来自不同的推理策略：Claude Opus 5.5（max with fallback）平均每任务约 32 次工具调用，而 GPT-6 Astra 仅约 8 次。
为什么重要
- Artificial Analysis 强调「答对过一次」不等于稳定答对，一致性被视为前沿模型的关键优势维度。
- 成本与工具调用次数的巨大差异说明，单纯看分数无法反映模型实际使用成本与行为模式，VIALS-AA 为生命科学领域的模型选型提供了更立体的参考。
2026-11-07 ~ 2026-11-07 · 5 条相关
一手来源
- VIALS-AA 上线：Sol/Terra 以约 1/20 成本逼近前沿视觉推理成绩 — ArtificialAnlys ·
- 生命科学视觉推理榜发布：Gemini 4 居首，Claude 每任务成本高 29 倍 — ArtificialAnlys ·
- Kimi K3.1 Pro 三次全过率仅 45%，落后 GPT-6 Astra 的 63% — ArtificialAnlys ·
- 【源头】生命科学视觉推理榜发布：Gemini 4 居首，Claude 每任务成本高 29 倍 — ArtificialAnlys · 2026-11-07
- 【源头】VIALS-AA 上线：Sol/Terra 以约 1/20 成本逼近前沿视觉推理成绩 — ArtificialAnlys · 2026-11-07
- 同分不同路：Opus 5.5 每任务约 32 次工具调用，Astra 仅 8 次 — ArtificialAnlys · 2026-11-07
- 【源头】Kimi K3.1 Pro 三次全过率仅 45%，落后 GPT-6 Astra 的 63% — ArtificialAnlys · 2026-11-07
- 一致性评测揭差距：Kimi K3.1 Pro 3 次全对仅 45%，GPT-6 Astra 达 63% — ArtificialAnlys · 2026-11-07