Kimi منبع باز PerceptionBench، دقت 59.7% GPT-5.6-Sol در صدر

Kimi یک معیار ارزیابی ادراک بصری مدل‌های بزرگ چندرسانه‌ای به نام PerceptionBench را منبع باز کرده است که هدف آن تجزیه توانایی‌های ادراک بصری به 10 توانایی اتمی برای ارزیابی مستقل است. این معیار شامل ابعاد مختلفی از جمله روابط بصری، شمارش، ویژگی‌ها، عمق و 3D، مکان‌یابی، مقایسه، شناسایی دقیق، یکپارچه‌سازی زمینه، OCR و شناسایی توهمات می‌باشد. این معیار بر اساس موارد شکست مدل‌ها در 42 مجموعه ارزیابی موجود ساخته شده است و شامل 3000 سوال تأیید شده توسط انسان است که هر سوال تنها یک توانایی بصری را مورد آزمایش قرار می‌دهد و نیازی به استدلال یا دانش خارجی ندارد. نتایج ارزیابی نشان می‌دهد که در میان 16 مدل بزرگ چندرسانه‌ای پیشرفته، هیچ مدلی دقت کلی بیش از 60% ندارد. GPT-5.6-Sol با دقت 59.7% در رتبه اول قرار دارد، در حالی که Kimi K3 (58.5%)، Claude-Fable-5 (57.2%)، Gemini-3.1-Pro (56.2%) و GPT-5.5 (55.8%) در پنج رتبه برتر قرار دارند. گزارش نشان می‌دهد که توهم بصری هنوز ضعیف‌ترین توانایی در عملکرد مدل‌ها است و هنوز فضای قابل توجهی برای بهبود توانایی‌های کلی ادراک وجود دارد.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.