Scale AI与Elorian发布HSS基准，模型视觉直觉远逊人类

Scale AI联合Elorian发布新基准Humanity's Sixth Sense（HSS），在测试多模态模型直觉式视觉推理的评测中，20名人类参与者得分93.1%，榜首模型GPT-6-astra即使开到最大推理强度也只有53.6%，25个模型的中位数为30.9%。 HSS包含522道开放式任务，对应288张图片和234段视频；模型自由作答、无选项可排除，由Claude-Opus-5对照评分标准逐条打分，全部满足才算答对。研究团队测试了来自8家厂商的25个多模态模型。 在388题子集上，Claude-Opus-5从30.8%升至51.3%，Claude-Fable-5.1从41.2%升至57.7%；GPT-6-astra在Codex中于Agent设置下取得59.3%，是该设置下的最高成绩。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。