Kimi lanza PerceptionBench de código abierto, GPT-5.6-Sol con una precisión del 59.7% lidera la lista

Kimi ha lanzado PerceptionBench, un marco de evaluación de percepción visual para modelos multimodales de código abierto, que tiene como objetivo evaluar de manera independiente 10 capacidades atómicas de percepción visual, incluyendo relaciones visuales, conteo, atributos, profundidad y 3D, localización, comparación, reconocimiento de detalles, integración de contexto, OCR y reconocimiento de alucinaciones. Este marco se basa en casos de fallos de modelos de 42 conjuntos de evaluación existentes y contiene 3000 preguntas verificadas manualmente, cada una de las cuales evalúa una única capacidad visual sin necesidad de razonamiento o conocimiento externo. Los resultados de la evaluación muestran que, entre 16 modelos multimodales de vanguardia, ningún modelo tiene una precisión general superior al 60%. GPT-5.6-Sol ocupa el primer lugar con una precisión del 59.7%, seguido por Kimi K3 (58.5%), Claude-Fable-5 (57.2%), Gemini-3.1-Pro (56.2%) y GPT-5.5 (55.8%). El informe señala que las alucinaciones visuales siguen siendo la capacidad más débil de todos los modelos, y que aún hay un espacio significativo para mejorar la capacidad de percepción general.