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
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11