SURDS多模态

SURDS (Scene Understanding and Reasoning Dataset) 是场景理解与推理基准，评测 AI 在复杂场景中理解物体交互、人物动作和环境上下文的能力。包含需要多步推理的场景问答和反事实推理问题，测试模型对视觉场景的深层理解。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

79.4%

2

Qwen3.8-Max阿里巴巴

77.8%

3

Qwen3.7-Plus阿里巴巴

77.2%

4

Qwen3.6-Plus阿里巴巴

73.2%

5

Gemini 3.1 ProGoogle

64.0%

6

GPT-5.6 SolOpenAI

63.0%

7

Claude Opus 4.8Anthropic

62.2%

8

Claude Opus 4.6Anthropic

58.3%

共 8 个模型

返回基准目录