Kimi 发布视觉感知基准 PerceptionBench

一句话看懂：Kimi 团队发布 PerceptionBench，一个专门测试 AI 模型纯视觉感知能力的基准，通过 3000 道隔离单一感知能力的问题，暴露出当前多模态大模型在“看”的环节上存在系统性的缺陷，而不是推理或知识不足。

事件核心：发生了什么

7 月 27 日，Kimi（月之暗面）在 X 上宣布推出 PerceptionBench 视觉感知基准。团队分析了前沿多模态模型在 42 个现有基准上的失败案例，从中归纳出 10 种原子级别的视觉感知能力（如颜色分辨、形状判断、空间关系、纹理识别等），并据此构建了 3000 道经过人工校验的题目。每道题只考察单一感知能力，且保证仅凭“看”就能回答，不需要任何推理或外部知识。相关代码和数据集已在 GitHub、Hugging Face 开源，博客文章同步上线。

为什么重要

当前多模态模型的评测往往混合了感知、推理、知识检索等多个维度，导致模型在某个任务上得分低时，很难定位是“没看清”还是“没想对”。PerceptionBench 通过剥离推理与知识，把评估焦点拉回视觉感知本身。这种“问题驱动”的设计思路——从真实失败中反推能力定义——比传统的预设能力分类更贴合实际。对行业来说，它提供了一种可复现的、细粒度的诊断工具，可以帮助开发者定位模型在感知层级的短板，从而指导数据采集、训练策略或架构改进。同时，这种开放评测也有助于在社区内建立一个更透明的模型感知能力标尺。

对用户/开发者/创作者的影响

模型开发团队：可以直接用 PerceptionBench 快速评估自家模型的纯视觉感知能力，发现模型在哪些基础感知任务上掉链子，从而针对性优化训练数据或模型结构，减少“视觉幻觉”。
API 调用者与应用开发者：在选型时可以参考 PerceptioBench 的榜单，判断不同视觉模型在核心感知任务上的可靠性，尤其适合对像素级准确率要求高的场景，如文档解析、医疗影像、工业质检。
普通用户：短期内感知不到直接变化，但长期看，这样的精细化评测会推动模型在“看清”这件事上更可靠，减少误判，提升自动驾驶、智能助手等场景的体验。