25款模型集体输给人类：AI仍看不懂很多生活常识

2026-10-08 2 次阅读 RSS订阅

Scale Labs 和 Elorian 发布了 HSS，这是一项新的基准测试，用于检测 AI 是否能理解图像和视频中的隐含意义。人类得分为 93.1%，而顶级模型 GPT-6 Astra 得分为 53.6%。94% 的失败案例涉及遗漏线索或误读关系。