Elorian 与 Scale AI 发布 Humanity's Sixth Sense 视觉推理基准

Elorian 和 Scale AI 联合发布了 Humanity's Sixth Sense 基准，旨在评估 AI 模型对视觉场景隐含信息的推理能力。该基准包含 522 个问题、288 张图片和 234 段短视频，人类基线 pass@1 达 93.1，而最佳 AI 系统 GPT 6 Astra 仅为 53.6。中国开源权重模型表现更差，GLM-5.3-flash 和 Kimi K3 分别只有 26.8 和 25.5，凸显当前 AI 在直觉视觉推理上的不足。