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
- Fintech 圈 AI 重度用户共识:ChatGPT、Claude、Grokbot 位列前三 — LexSokolin · 2026-10-26
- 研究者暗示 DeepSeek 下一代模型或沿用 V3.2 DSA 路线 — YouJiacheng · 2026-10-26
- Anthropic S-1 亮点：半年营收涨 1300%,毛利率 85% — danshipper · 2026-10-26
- EMNLP 论文:多选题评分方案微调即可打乱模型排行榜 — boydgraber · 2026-10-26
- AI 回答可附真实链接与权威引用，关键事实仍可能全错 — alifcoder · 2026-10-26
- Kimi K3 解码每 token 约需 1 TFLOPs,K2 V4.1F 仅需 50 GFLOPs — YouJiacheng · 2026-10-26