Chinese contentDominoBench 发布:30 个多模态模型看图预测物理连锁反应无一过关
看图预测多米诺连锁反应,30 个模型全军覆没。GPT、Gemini、Claude 这些旗舰在纯看图时最多 72% 命中,但把决定性计算写出来后能到 82-92%,说明瓶颈在定量推理。做具身智能或机器人规划的开发者值得用这个基准测测自己的模型。
看图预测多米诺连锁反应,30 个模型全军覆没。GPT、Gemini、Claude 这些旗舰在纯看图时最多 72% 命中,但把决定性计算写出来后能到 82-92%,说明瓶颈在定量推理。做具身智能或机器人规划的开发者值得用这个基准测测自己的模型。