Today for AI
返回热点榜
llm热度 27.2°

AI 聚合热点事件 · 2026/11/7

Artificial Analysis 推出 VIALS-AA 视觉推理榜单，Gemini 4 领先

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/7 01:09:35
全景综述与最新动态
1 家信源交叉印证

Artificial Analysis 基于 Handshake AI 的 VIALS 基准推出 VIALS-AA 榜单，用 161 项生命科学与生物技术视觉推理任务评测前沿模型。Gemini 4 Carbon 以 64% 的 pass^3 成绩微弱领先，GPT-6 Astra 与 Claude Opus 5.5 分别以 63% 和 61% 紧随其后，前三名仅差 3 分。评测还发现模型在部分任务上出现拒答，说明科学图像解读仍是前沿模型的明显短板。

最新动向/Artificial Analysis 基于 Handshake AI 的 VIALS 基准推出 VIALS-AA 榜单，用 161 项生命科学与生物技术视觉推理任务评测前沿模型。Gemini 4 Carbon 以 64% 的 pass^3 成绩微弱领先，GPT-6 Astra 与 Claude Opus 5.5 分别以 63% 和 61% 紧随其后，前三名仅差 3 分。评测还发现模型在部分任务上出现拒答，说明科学图像解读仍是前沿模型的明显短板。

逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 1 篇 · 最新优先
  1. Artificial Analysis (@ArtificialAnlys)T1·72 分

    Artificial Analysis 推出 VIALS-AA 视觉推理榜单，Gemini 4 领先

    原标题：We’re launching VIALS-AA, a leaderboard for Handshake AI’s VIALS benchmark for visual reasoning in l...

    • VIALS-AA 覆盖 161 项任务、8 个领域，涉及凝胶印迹、流式细胞图、质粒图谱与系统发育树等科学图像
    • 前三名分差仅 3 分：Gemini 4 Carbon 64%、GPT-6 Astra 63%、Claude Opus 5.5 61%
    • 评测在开源 agent harness Stirrup 中运行，每项任务重复三次并以 pass^3 计分
    • 部分任务出现多模型拒答，反映科学图像解读仍是明显短板