ActiveVision新基准：GPT-5.5和Claude Fable 5主动观察得分不足11%

多模态大模型（MLLM）在主动观察任务上能力缺失。新基准ActiveVision包含17个任务（3个类别），要求模型反复视觉感知而非单次描述。GPT-5.5在最高推理档次上仅解决10.6%的项，11个任务得零分；Claude Fable 5仅3.5%，而三名人类被试平均96.1%。即使让模型编写并运行自己的视觉代码，大部分差距依然存在，因为代码在真实图像上不可靠，且捕捉自身失败需要模型缺乏的主动感知。结果表明当前MLLM缺乏稳健的主动视觉观察能力。