GPT-5.5 在 ActiveVision 仅得 10.6%，人类平均 96.1%
Justgototheeffinmoon · reddit · 2026-07-24
一篇新的 arXiv 论文用 ActiveVision 这个新基准测试前沿视觉模型，结果显示它们在“反复视觉感知”而不是“一次性描述”上仍然很弱。
- GPT-5.5 在最高可用推理档位下只拿到 10.6%，并且在 17 个任务里有 11 个得分为 0。
- Claude Fable 5 只拿到 3.5%，尽管作者指出它在许多推理和编码榜单上名列前茅。
- 3 名真人 的平均成绩是 96.1%。
论文强调，重点不只是“前沿视觉模型又翻车了”，而是这种失败模式很具体，而且模型无法通过自己写代码把这个问题补上。
所属事件:新基准 ActiveVision 揭示前沿视觉模型远落后于人类(3 条相关)→
「模型」频道最新
- 开发者呼吁谷歌：下一代Gemma请做1T参数基座模型 — _xjdr · 2026-07-27
- Repligate：Claude Opus 3 权重不变却像在持续演化 — repligate · 2026-07-27
- “Opus 5”配图在玩模型反复重跑基准的梗 — kalomaze · 2026-07-27
- 有人称顶级模型如今写作还不如一年前 — dbreunig · 2026-07-27
- MPT-30B 雷达图曾意外引发大规模争议 — code_star · 2026-07-27
- 本地 Gemma 4 31B 自发变得毒舌且难以复现 — n0head_r · 2026-07-27