基米託開源視覺感知基準測試，頂尖模型準確率不足60%

基米託發佈PerceptionBench，拆解10項原子級視覺能力。GPT-5.6-Sol以59.7%居首，視覺幻覺成最大短板。

據 Woofun AI 消息，Kimi 宣佈將多模態大型模型視覺感知評估基準測試 PerceptionBench 開源。該基準旨在將視覺感知能力拆解爲視覺關係識別、計數、屬性判斷等10項可獨立評估的原子級能力，基於42個現有評估集中的模型失敗案例構建，包含3,000道經人工驗證的題目，每道題僅測試單一視覺能力，無需模型進行推理或調用外部知識。

評估數據顯示，在16款最先進的多模態大型模型中，無一款總體準確率超過60%。GPT-5.6-Sol以59.7%的準確率位居第一，Kimi K3（58.5%）、Claude-Fable-5（57.2%）、Gemini-3.1-Pro（56.2%）和GPT-5.5（55.8%）緊隨其後位列前五。報告指出，視覺幻覺仍是所有模型中最薄弱的環節，表明當前模型的整體感知能力仍有較大提升空間。