先了解这件事
AI 综述
2026年11月6日,Artificial Analysis上线VIALS-AA科学图像推理评测。该评测用161个任务、每个任务运行3次,检验模型解读科学图像的能力。结果显示,Gemini 4 Carbon (high) 以64%的pass^3得分居首,比GPT-6 Astra (max) 多答对2个任务。Claude Sonnet 5.5 (max, with fallback) 与GPT-6.1 Sol (max) 得分接近,分别为60%和59%,但前者每任务工具调用次数是后者的3.6倍。单任务成本从GPT-6 Luna (max) 的0.02美元到Grok 4.7 (xhigh) 的1.77美元,相差近99倍。
AI 根据公开报道生成
最新进展 · 正式报道
VIALS-AA：科学图像推理的不同路径事件进展
1 个已确认进展
- 来源：Artificial Analysis 完整文章
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
11月6日
Artificial Analysis 完整文章一手
VIALS-AA：科学图像推理的不同路径
Artificial Analysis 发布 VIALS-AA 基准，用 161 个任务各跑 3 次检验模型解读科学图像的能力，Gemini 4 Carbon (high) 以 64% 的 pass^3 得分居首，比 GPT-6 Astra (max) 多答对 2 个任务。Claude Sonnet 5.5 (max, with fallback) 与 GPT-6.1 Sol (max) 得分接近（60% 与 59%），但前者每任务工具调用次数是后者的 3.6 倍。单任务成本从 GPT-6 Luna (max) 的 $0.02 到 Grok 4.7 (xhigh) 的 $1.77，相差近 99 倍。