Kimi ouvre PerceptionBench, GPT-5.6-Sol en tête avec un taux de précision de 59,7 %

Kimi a ouvert le benchmark de perception visuelle multimodale PerceptionBench, visant à évaluer indépendamment 10 capacités atomiques de perception visuelle, y compris les relations visuelles, le comptage, les attributs, la profondeur et 3D, le positionnement, la comparaison, la reconnaissance fine, l'intégration contextuelle, l'OCR et la reconnaissance d'hallucinations. Ce benchmark est construit sur des cas d'échec de modèles issus de 42 ensembles d'évaluation existants, comprenant 3000 questions vérifiées manuellement, chaque question n'examinant qu'une seule capacité visuelle, sans nécessiter de raisonnement ou de connaissances externes. Les résultats montrent qu'aucun des 16 modèles multimodaux de pointe n'a un taux de précision global supérieur à 60 %. GPT-5.6-Sol se classe premier avec un taux de précision de 59,7 %, suivi de Kimi K3 (58,5 %), Claude-Fable-5 (57,2 %), Gemini-3.1-Pro (56,2 %) et GPT-5.5 (55,8 %). Le rapport souligne que les hallucinations visuelles restent la capacité la plus faible de tous les modèles, et qu'il existe encore un potentiel d'amélioration significatif dans la capacité de perception globale.