機器之心● 精選AI 評分80
普林斯頓 SSoN 基準：人類 83.3%，最強 VLM 僅 39.7%
普林斯頓大學 AI Lab 發布空間智慧基準 SSoN：在 1000 道四選一題上人類準確率為 83.3%，六個視覺語言模型中 GPT-6 Astra Pro 以 39.7% 居首，其餘五個全部低於 25% 的隨機基線。題目給出四張靜態室內圖，要求找出違背同一場景的那一張並說明理由；17 個視覺編碼器按特徵相似度挑離群圖，準確率只有 16.9%–21.7%。即便選對，仍有 29.5% 的解釋未通過證據核驗，True solve 降至 34.9%。