Kimi blog● 精選10/2 22:11AI 評分65
Kimi Team 發布 PerceptionBench 視覺感知基準
Kimi Team 發布 PerceptionBench，把視覺感知拆成 10 個原子能力，包含 3,000 道驗證題。16 個前沿 MLLM 無一達到 60% 準確率，感知相關幻覺平均最弱。
搜尋
找到 5 筆
OpenRouter announcements8/21 01:00AI 評分36
OpenRouter 發布 Visual Image Benchmarks 影像基準
該基準用七類挑戰性提示詞測試影像模型能力，覆蓋其提供的 39 個模型，結果以網格展示並可按價格和生成時間排序。
OpenRouter announcements● 精選10/2 01:00AI 評分62
OpenRouter 上線 Model Router Benchmarks 對比頁
OpenRouter 推出 Model Router Benchmarks 頁面，用多領域基準給各家模型路由器打質量、速度、成本分。頁面用 Router Index 把三項合成 0 到 10 分，預設權重質量 60%、單任務耗時 20%、成本 20%，可拖滑塊調整。列出的路由器都能在 OpenRouter 上直接替換模型試用。
Hugging Face blog9/29 16:30AI 評分53
NVIDIA 開源 Kumo Tabular 表格基礎模型，四個基準第一
NVIDIA 發布開源表格基礎模型 Kumo Tabular，28M 至 215M 三檔引數，OpenMDW-1.1 許可可商用。它在 TabArena、BeyondArena、TALENT、ScoringBench 四個基準排名第一。給定帶標籤的表格，單次前向即輸出分類機率或迴歸數值，無需訓練、調參和特徵工程。
Kimi blog● 精選10/2 22:11AI 評分65
Kimi 團隊開源 WorldVQA，評測多模態模型視覺世界知識
Kimi 團隊發布 WorldVQA 基準，用 3500 組圖文問答、9 個類別評測多模態大模型的視覺世界知識，並區分常見與長尾知識。前沿模型在長尾視覺知識上準確率常低於 50%。所有被測模型都過度自信，表現最好的 Kimi-K2.5 的 ECE 為 37.9%、Slope 為 0.550；資料集與評測指令碼已開源。