新基准测试揭示AI多模态模型视觉感知能力仍薄弱

专为‘看见’而设的评测

月之暗面（Moonshot AI）推出的PerceptionBench基准，旨在独立衡量多模态大模型的视觉感知能力——即模型在不依赖后续逻辑推理的前提下，对图像内容进行基础识别与理解的真实水平。

准确率集体未破六成

测试覆盖当前主流前沿多模态模型，但无一达到60%准确率。其中，GPT-5.6 Sol表现最优，但仍属小幅领先；其余模型差距明显，整体处于较低水平。

‘推理错误’或系视觉失准

研究发现，大量被用户或评测归类为‘逻辑推理缺陷’的输出问题，其根源实际出现在更前端的图像读取与解析阶段——表明视觉感知仍是制约多模态AI可靠性的关键瓶颈。