Anthropic 研究员:VLM 视觉进展惊人,一两年内性能与成本将超人类
arnabdotorg · x · 2026-10-15
Andrew Perrault(转述者称)表示,视觉语言模型(VLM)的进步速度令人震惊。他原以为行业押注编程和 RSI(递归自我改进)会导致视觉方向进展放缓,事实恰恰相反:未来一两年内,VLM 在性能和成本上很可能全面达到「明确超人类」的水平。
同一线程的补充要点:任务分为两类——可接受性判断(判断图像是否满足某属性,如车辆在画面内、车牌文字是否清晰)与信息提取(如读出卷尺读数);表现最好的模型在性价比上已能与单个众包标注员打平;模型有「超人类注意力」的结构性优势,长时间盯图找细节恰恰是人类容易漏看的地方;任务专用路由收益巨大,如在 VIN 车架号识别上 GPT-6 Astra 只读对 46%,而 Sonnet 5 能达到 86%。
「模型」频道最新
- 测试集污染研究被 NeurIPS 拒稿:一条副本即可让模型「低于不可约误差」 — RylanSchaeffer · 2026-10-15
- SWE-bench Multimodal 排行榜上线：Claude Opus 5.5 以 70.21% 居首 — OfirPress · 2026-10-15
- 谷歌 Gemini 4 Argon 加速量子计算、核聚变与蛋白质设计研究 — GoogleDeepMind · 2026-10-15
- Google 官方对谈:Sergey Brin 详解 Gemini 4 Argon 与路线图 — OfficialLoganK · 2026-10-15
- ChatGPT 默认切至 GPT-6.1 Sol,用户称语音对话幽默与情感细腻度提升 — shaunralston · 2026-10-15
- 小模型世界已彻底改变，但开发者社区还没意识到 — tokenbender · 2026-10-15