Kimi开源PerceptionBench，16款模型准确率均未超过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，用于将视觉感知能力拆解为 10 项原子级能力并分别评估。

评测维度与数据构成

PerceptionBench 覆盖视觉关系、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。每道题只考察单一视觉能力，不要求推理或外部知识。

模型排名

评测结果显示，在 16 款前沿多模态大模型中，没有任何模型的整体准确率超过 60%。GPT-5.6-Sol 以 59.7% 的准确率排名第一，Kimi K3 为 58.5%，Claude-Fable-5 为 57.2%，Gemini-3.1-Pro 为 56.2%，GPT-5.5 为 55.8%。

报告结论

报告指出，视觉幻觉（Hallucination）仍是各模型表现最弱的能力，整体感知能力仍有明显提升空间。