新基准揭示大模型视觉感知薄弱，准确率均未达 60%
The Decoder · rss · 2026-08-15
Moonshot AI 推出 PerceptionBench 基准，旨在将视觉感知与逻辑推理剥离，专门测试多模态模型的「看图」能力。测试结果显示，目前所有前沿模型表现均不佳，准确率均未达到 60%，GPT-5.6 Sol 仅以微弱优势领先。这表明许多被归咎于推理能力的错误，实际上在图像读取阶段就已经发生。
「模型」频道最新
- will.deeb：质问小实验室为何不和最新模型比，通常是个蠢问题 — willcb · 2026-10-16
- Grok 订阅算账：$200 Ultra 还是 $300 SuperGrok Heavy？ — alexcovo_eth · 2026-10-16
- 用户实测称 Opus 5.5 研究构思能力远超 Astra — menhguin · 2026-10-16
- 网友猜测 Meta 新版跃升靠蒸馏 OpenAI,故不开源 — teortaxesTex · 2026-10-16
- Meta 选择 MLX 做本地推理,Muse Spark Open 登陆 Mac Studio — awnihannun · 2026-10-16
- 传智谱 GLM 5.5 即将发布，编码能力有望追平前沿模型 — bindureddy · 2026-10-16