PerceptionBench新基准：AI视觉感知能力仍不足，GPT-5.6 Sol领先但未达60%
Moonshot AI发布PerceptionBench基准测试，评估多模态AI模型的视觉感知能力。结果显示，包括GPT-5.6 Sol在内的前沿模型准确率均未超过60%，许多推理错误源于图像读取阶段。本文解析基准细节及对中文圈用户的影响。
一句话看懂
Moonshot AI 发布 PerceptionBench 基准，测试多模态 AI 的视觉感知能力，结果所有前沿模型准确率均低于 60%，GPT-5.6 Sol 以微弱优势领先。
详细发生了什么
Moonshot AI（月之暗面）推出了新的基准测试 PerceptionBench，专门评估多模态 AI 模型的视觉感知能力，将视觉感知与逻辑推理分离测试。该基准旨在回答一个关键问题：模型是否真的“看见”了图像，还是仅仅通过逻辑推理来弥补视觉缺陷。
测试结果显示，目前没有任何前沿模型能达到 60% 的准确率。GPT-5.6 Sol 以微弱优势领先，但整体表现依然不佳。更值得注意的是，许多原本被认为是推理错误的案例，实际上在图像读取阶段就已经出错。这意味着模型的视觉感知能力是当前多模态 AI 的主要瓶颈之一。
PerceptionBench 的设计初衷是提供一个更纯粹的视觉能力测试，避免逻辑推理能力对评估结果的干扰。通过分离这两个维度，研究人员可以更清晰地定位模型的弱点，从而针对性地改进。
中文圈视角
对于中文圈用户来说，PerceptionBench 的发布具有多重意义。首先，Moonshot AI 是国内公司，其推出的基准测试反映了国内在 AI 评估领域的探索。国内用户可以通过这个基准了解自家模型（如 Kimi）与国际前沿模型的差距，但需要注意，目前 Kimi 并未出现在该基准的领先位置。
其次，视觉感知能力的不足直接影响国内用户的日常使用场景，例如 OCR 识别、图像理解、文档解析等。如果模型在图像读取阶段就出错，后续的推理和分析自然不准确。对于依赖 AI 处理图片、扫描件或表格的用户，这一结果提醒他们仍需人工复核关键信息。
此外，国内用户在使用海外模型（如 GPT-5.6 Sol）时，可能需要考虑访问限制和合规问题。相比之下，国产模型在数据安全和本地化方面有优势，但在视觉感知上可能还有提升空间。建议用户根据具体需求选择模型，并在关键任务中保持警惕。
几条值得记住的细节
- PerceptionBench 由 Moonshot AI 发布，专注于视觉感知能力，与逻辑推理分离。
- 所有前沿模型在 PerceptionBench 上的准确率均低于 60%，GPT-5.6 Sol 领先但优势微弱。
- 许多推理错误实际源于图像读取阶段，而非逻辑推理。
- 该基准测试可能成为未来多模态模型评估的重要参考。
- 国内用户可通过该基准对比国产模型与国际模型的视觉能力差距。
一句话总结
视觉感知是当前多模态 AI 的短板，使用相关功能时需谨慎，并关注国产模型的后续改进。