PANews 7月29日消息，Kimi宣布开源多模态大模型视觉感知评测基准PerceptionBench，旨在将视觉感知能力拆解为10项原子级能力进行独立评估，涵盖视觉关系、计数、属性、深度与3D、定位、比较、细粒度识别、上下文整合、OCR及幻觉识别等维度。该基准基于42个现有评测集中的模型失败案例构建，共包含3000道经人工验证的问题，每题仅考察单一视觉能力，无需推理或外部知识。
评测结果显示，在16款前沿多模态大模型中，没有任何模型整体准确率超过60%。GPT-5.6-Sol以59.7%的准确率排名第一，Kimi K3（58.5%）、Claude-Fable-5（57.2%）、Gemini-3.1-Pro（56.2%）和GPT-5.5（55.8%）位列前五。报告指出，视觉幻觉（Hallucination）仍是各模型表现最弱的能力，整体感知能力仍存在显著提升空间。
67.54万 热度
1.35万 热度
15.55万 热度
230.7万 热度
127.59万 热度
Kimi开源PerceptionBench视觉感知基准，GPT-5.6-Sol准确率居首但无模型突破60%
PANews 7月29日消息，Kimi宣布开源多模态大模型视觉感知评测基准PerceptionBench，旨在将视觉感知能力拆解为10项原子级能力进行独立评估，涵盖视觉关系、计数、属性、深度与3D、定位、比较、细粒度识别、上下文整合、OCR及幻觉识别等维度。该基准基于42个现有评测集中的模型失败案例构建，共包含3000道经人工验证的问题，每题仅考察单一视觉能力，无需推理或外部知识。
评测结果显示，在16款前沿多模态大模型中，没有任何模型整体准确率超过60%。GPT-5.6-Sol以59.7%的准确率排名第一，Kimi K3（58.5%）、Claude-Fable-5（57.2%）、Gemini-3.1-Pro（56.2%）和GPT-5.5（55.8%）位列前五。报告指出，视觉幻觉（Hallucination）仍是各模型表现最弱的能力，整体感知能力仍存在显著提升空间。