Visual Cipher Bench:8 个前沿模型做视觉谜题,最好仅解出 26.7%

_akhaliq · x · 2026-11-17

Einsia AI 联合 Navers Lab、清华大学发布 Visual Cipher Bench,一个长时程视觉推理 benchmark:让 agent 面对没有书面规则、也没有正误反馈的视觉谜题,只有工具可用,60 分钟内自主解题。

设置

结果

结论:编码 agent 能靠书面 spec 和测试套件啃长任务,但一旦规则藏在图里、无法验证对错,前沿模型普遍溃败。项目含 arXiv 论文、GitHub 与排行榜,已开源。

所属事件:视觉谜题基准发布:最强前沿模型仅解出 26.7%(2 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →