Odaily星球日报消息，Kimi 宣布开源多模态大模型视觉感知评测基准 PerceptionBench，旨在将视觉感知能力拆解为 10 项原子级能力进行独立评估，涵盖视觉关系、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，每题仅考察单一视觉能力，无需推理或外部知识。
मूल्यांकन परिणामों के अनुसार, 16 अग्रणी बहुमोडल बड़े मॉडल्स में से कोई भी मॉडल कुल सटीकता 60% से अधिक नहीं प्राप्त कर पाया। GPT-5.6-Sol 59.7% सटीकता के साथ पहले स्थान पर है, जबकि Kimi K3 (58.5%), Claude-Fable-5 (57.2%), Gemini-3.1-Pro (56.2%) और GPT-5.5 (55.8%) शीर्ष पांच में शामिल हैं। रिपोर्ट में बताया गया है कि दृश्य भ्रम (Hallucination) अभी भी सभी मॉडल्स की सबसे कमजोर क्षमता है, और समग्र अवधारणात्मक क्षमता में अभी भी महत्वपूर्ण सुधार की आवश्यकता है।