Meta最新多模态模型在七项权威基准测试中取得领先排名，GPQA Diamond得分89.5%，ARC-AGI-2达42.5%，标志着Meta在AI领域的强势回归。

MarsBit 文章聚焦华人学者陈文虎及其团队开发的 AI 模型评估基准，介绍 MMLU-Pro、MMMU 和 MMMU-Pro 如何围绕题目难度、选项设计与多模态任务设置，回应传统评测失准问题。