PerceptionBench：多模态模型的原子视觉感知
来自 Kimi Blog · 期号 2026-07-16
摘要
多模态大模型在整体分数上接近，但实际看到了什么可能完全不同。 Moonshot AI 发布 PerceptionBench，一个专门测试视觉感知的基准。它不从预设能力出发，而是从 42 个现有基准里找出前沿模型共同的失败模式，归纳出 10 项原子感知能力——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 和幻觉。 3000 道题，每道只测一项能力，只靠看就能答，不需要推理或外部知识。16 个前沿模型无一达到 60% 准确率，感知相关幻觉是平均最弱的能力。整体分数几乎相同的模型，在具体感知能力上可能天差地别。 数据集和评测代码已开源。