# AI Vision Index（AI 视觉指数）

> 独立、私有地测试 AI 模型到底看得多准。测试包括读时钟、仪表、图表和标签，数数，判断空间与运动，找变化和错误，顺着电缆和管道走，以及不被误导。测试图片是我们自己做的，从不公开。每道题只有一个确切的正确答案，由脚本核对，每个结果都标注测试日期。

结果更新于 2026年11月10日。共 36 个模型、29 项测试、6 个类别。

## 总排名

得分满分 100，已扣除猜测因素（0 分 = 和瞎猜差不多）。单项得分 =（准确率 − 猜测水平）/（1 − 猜测水平）；类别得分 = 其下各项测试的平均；总分 = 6 个类别得分的平均。附 95% 置信区间。成本 = 按各厂商标准价格计算的每1000次回答的美元成本（本地运行的模型为 $0）。

- 第 1 名：GPT-6 Astra（OpenAI，API）：83.7（95% 置信区间 81.7–85.7），每1000次回答 $38.32，测试于 2026年11月6日
- 第 2–3 名（并列）：GPT-6.1 Sol（OpenAI，API）：81.3（95% 置信区间 80.0–82.5），每1000次回答 $7.94，测试于 2026年11月6日
- 第 2–3 名（并列）：Claude Fable 5.2（Anthropic，API）：80.7（95% 置信区间 78.6–82.8），每1000次回答 $53.10，测试于 2026年11月10日
- 第 4–5 名（并列）：Gemini 4 Argon（Google，API）：77.2（95% 置信区间 75.9–78.5），每1000次回答 $6.52，测试于 2026年11月6日
- 第 4–5 名（并列）：Claude Opus 5.5（Anthropic，API）：76.5（95% 置信区间 74.8–78.3），每1000次回答 $26.16，测试于 2026年11月6日
- 第 6–9 名（并列）：Claude Sonnet 5.5（Anthropic，API）：71.0（95% 置信区间 68.8–73.1），每1000次回答 $11.60，测试于 2026年11月6日
- 第 6–9 名（并列）：Kimi K3.1 Pro（Moonshot，API）：70.6（95% 置信区间 66.6–75.0），每1000次回答 $71.79，测试于 2026年11月8日
- 第 6–9 名（并列）：Qwen3.8 Max（Alibaba，API）：70.6（95% 置信区间 66.1–75.2），每1000次回答 $27.40，测试于 2026年11月8日
- 第 6–9 名（并列）：Claude Fable 5.1（Anthropic，API）：69.6（95% 置信区间 67.5–71.7），每1000次回答 $87.95，测试于 2026年11月6日
- 第 10–18 名（并列）：Claude Haiku 5.5（Anthropic，API）：63.5（95% 置信区间 62.1–65.0），每1000次回答 $1.01，测试于 2026年11月6日
- 第 10–18 名（并列）：Gemini 3.8 Flash（Google，API）：61.9（95% 置信区间 60.2–63.7），每1000次回答 $12.80，测试于 2026年11月7日
- 第 10–18 名（并列）：GPT-6 Luna（OpenAI，API）：60.7（95% 置信区间 59.3–62.2），每1000次回答 $0.74，测试于 2026年11月6日
- 第 10–18 名（并列）：Qwen3.8-27B（Alibaba，API）：59.0（95% 置信区间 51.8–68.0），每1000次回答 $7.75，测试于 2026年11月7日
- 第 10–18 名（并列）：Qwen3.8 Flash（Alibaba，API）：56.4（95% 置信区间 55.0–57.8），每1000次回答 $3.04，测试于 2026年11月7日
- 第 10–18 名（并列）：Grok 4.7（xAI，API）：54.9（95% 置信区间 48.1–64.1），每1000次回答 $27.40，测试于 2026年11月7日
- 第 10–18 名（并列）：Mistral Large 4（Mistral，API）：52.7（95% 置信区间 46.7–61.7），每1000次回答 $9.59，测试于 2026年11月7日
- 第 10–18 名（并列）：Muse Spark (open)（Meta，API）：47.6（95% 置信区间 40.3–57.3），每1000次回答 $19.12，测试于 2026年11月7日
- 第 10–18 名（并列）：GLM-5V-Turbo（Zhipu，API）：46.8（95% 置信区间 44.6–49.5），每1000次回答 $12.50，测试于 2026年11月6日
- 第 19–29 名（并列）：DeepSeek V4.1 Flash（DeepSeek，API）：44.4（95% 置信区间 43.2–45.8），每1000次回答 $1.43，测试于 2026年11月6日
- 第 19–29 名（并列）：GLM-5.3 Flash（Zhipu，API）：43.2（95% 置信区间 41.7–44.7），每1000次回答 $1.40，测试于 2026年11月6日
- 第 19–29 名（并列）：Qwen3.6-35B-A3B（Alibaba，API）：43.0（95% 置信区间 36.9–52.4），每1000次回答 $3.77，测试于 2026年11月7日
- 第 19–29 名（并列）：Qwen3-VL-235B（Alibaba，API）：41.2（95% 置信区间 35.0–50.2），每1000次回答 $7.96，测试于 2026年11月7日
- 第 19–29 名（并列）：MiniMax M3（MiniMax，API）：40.9（95% 置信区间 38.7–43.6），每1000次回答 $3.53，测试于 2026年11月6日
- 第 19–29 名（并列）：Step-5 (preview)（StepFun，API）：40.7（95% 置信区间 33.2–50.3），每1000次回答 $12.50，测试于 2026年11月7日
- 第 19–29 名（并列）：MiMo v2.6 Pro（Xiaomi，API）：40.3（95% 置信区间 38.6–42.6），每1000次回答 $4.60，测试于 2026年11月7日
- 第 19–29 名（并列）：Gemini 3.5 Flash-Lite（Google，API）：40.3（95% 置信区间 38.7–41.8），每1000次回答 $0.34，测试于 2026年11月6日
- 第 19–29 名（并列）：Gemma 4 31B（Google，API）：38.8（95% 置信区间 33.4–46.6），每1000次回答 $1.94，测试于 2026年11月7日
- 第 19–29 名（并列）：Seed 2.1 Turbo（ByteDance，API）：38.3（95% 置信区间 32.3–46.5），每1000次回答 $10.85，测试于 2026年11月7日
- 第 19–29 名（并列）：Hunyuan HY4（Tencent，API）：37.9（95% 置信区间 31.2–46.5），每1000次回答 $5.71，测试于 2026年11月7日
- 第 30–31 名（并列）：Qwen3.5-9B（Alibaba，本地运行）：29.5（95% 置信区间 28.0–31.1），每1000次回答 $0（本地运行），测试于 2026年11月6日
- 第 30–31 名（并列）：Perceptron Mk1.5（Perceptron，API）：28.8（95% 置信区间 27.4–30.4），每1000次回答 $0.20，测试于 2026年11月6日；无法参加 2 项视频测试
- 第 32 名：Qwen3-VL-8B（Alibaba，本地运行）：26.0（95% 置信区间 24.8–27.6），每1000次回答 $0（本地运行），测试于 2026年11月6日
- 第 33 名：MiniCPM-V 4.5（OpenBMB，本地运行）：17.1（95% 置信区间 15.9–18.7），每1000次回答 $0（本地运行），测试于 2026年11月6日
- 第 34–36 名（并列）：Gemma 4 E4B（Google，本地运行）：13.7（95% 置信区间 12.5–15.2），每1000次回答 $0（本地运行），测试于 2026年11月6日
- 第 34–36 名（并列）：Mistral Small 2603（Mistral，API）：12.5（95% 置信区间 11.5–14.2），每1000次回答 $0.26，测试于 2026年11月6日；无法参加 2 项视频测试
- 第 34–36 名（并列）：LFM2.5-VL 1.6B（Liquid，本地运行）：12.4（95% 置信区间 11.4–14.2），每1000次回答 $0（本地运行），测试于 2026年11月6日

## 各类别得分（满分 100）

- GPT-6 Astra：阅读 88，计数 78，空间、3D 与运动 84，找变化与找错误 84，示意图 98，不被误导 71
- GPT-6.1 Sol：阅读 82，计数 76，空间、3D 与运动 80，找变化与找错误 81，示意图 96，不被误导 72
- Claude Fable 5.2：阅读 81，计数 64，空间、3D 与运动 86，找变化与找错误 86，示意图 95，不被误导 72
- Gemini 4 Argon：阅读 80，计数 58，空间、3D 与运动 72，找变化与找错误 89，示意图 90，不被误导 74
- Claude Opus 5.5：阅读 75，计数 63，空间、3D 与运动 71，找变化与找错误 84，示意图 90，不被误导 76
- Claude Sonnet 5.5：阅读 69，计数 53，空间、3D 与运动 68，找变化与找错误 74，示意图 84，不被误导 78
- Kimi K3.1 Pro：阅读 72，计数 53，空间、3D 与运动 62，找变化与找错误 77，示意图 91，不被误导 68
- Qwen3.8 Max：阅读 67，计数 56，空间、3D 与运动 75，找变化与找错误 72，示意图 84，不被误导 69
- Claude Fable 5.1：阅读 63，计数 63，空间、3D 与运动 69，找变化与找错误 75，示意图 76，不被误导 71
- Claude Haiku 5.5：阅读 62，计数 48，空间、3D 与运动 48，找变化与找错误 72，示意图 79，不被误导 72
- Gemini 3.8 Flash：阅读 58，计数 42，空间、3D 与运动 66，找变化与找错误 85，示意图 68，不被误导 53
- GPT-6 Luna：阅读 59，计数 35，空间、3D 与运动 54，找变化与找错误 73，示意图 71，不被误导 73
- Qwen3.8-27B：阅读 52，计数 47，空间、3D 与运动 52，找变化与找错误 78，示意图 60，不被误导 65
- Qwen3.8 Flash：阅读 58，计数 41，空间、3D 与运动 55，找变化与找错误 64，示意图 66，不被误导 55
- Grok 4.7：阅读 54，计数 53，空间、3D 与运动 50，找变化与找错误 68，示意图 40，不被误导 64
- Mistral Large 4：阅读 48，计数 40，空间、3D 与运动 38，找变化与找错误 67，示意图 67，不被误导 57
- Muse Spark (open)：阅读 54，计数 33，空间、3D 与运动 41，找变化与找错误 53，示意图 40，不被误导 65
- GLM-5V-Turbo：阅读 50，计数 19，空间、3D 与运动 49，找变化与找错误 63，示意图 47，不被误导 53
- DeepSeek V4.1 Flash：阅读 41，计数 17，空间、3D 与运动 42，找变化与找错误 61，示意图 54，不被误导 52
- GLM-5.3 Flash：阅读 42，计数 16，空间、3D 与运动 39，找变化与找错误 56，示意图 49，不被误导 57
- Qwen3.6-35B-A3B：阅读 62，计数 13，空间、3D 与运动 32，找变化与找错误 46，示意图 47，不被误导 57
- Qwen3-VL-235B：阅读 46，计数 20，空间、3D 与运动 34，找变化与找错误 42，示意图 40，不被误导 65
- MiniMax M3：阅读 41，计数 15，空间、3D 与运动 37，找变化与找错误 54，示意图 52，不被误导 47
- Step-5 (preview)：阅读 42，计数 20，空间、3D 与运动 32，找变化与找错误 46，示意图 47，不被误导 57
- MiMo v2.6 Pro：阅读 36，计数 19，空间、3D 与运动 37，找变化与找错误 58，示意图 46，不被误导 46
- Gemini 3.5 Flash-Lite：阅读 40，计数 22，空间、3D 与运动 39，找变化与找错误 44，示意图 44，不被误导 53
- Gemma 4 31B：阅读 36，计数 0，空间、3D 与运动 31，找变化与找错误 48，示意图 40，不被误导 78
- Seed 2.1 Turbo：阅读 27，计数 27，空间、3D 与运动 16，找变化与找错误 46，示意图 47，不被误导 68
- Hunyuan HY4：阅读 33，计数 7，空间、3D 与运动 24，找变化与找错误 53，示意图 47，不被误导 64
- Qwen3.5-9B：阅读 36，计数 19，空间、3D 与运动 27，找变化与找错误 24，示意图 25，不被误导 46
- Perceptron Mk1.5：阅读 39，计数 11，空间、3D 与运动 36，找变化与找错误 16，示意图 24，不被误导 47
- Qwen3-VL-8B：阅读 33，计数 18，空间、3D 与运动 22，找变化与找错误 18，示意图 19，不被误导 46
- MiniCPM-V 4.5：阅读 21，计数 12，空间、3D 与运动 6，找变化与找错误 16，示意图 7，不被误导 40
- Gemma 4 E4B：阅读 16，计数 3，空间、3D 与运动 10，找变化与找错误 7，示意图 7，不被误导 39
- Mistral Small 2603：阅读 15，计数 10，空间、3D 与运动 7，找变化与找错误 12，示意图 10，不被误导 22
- LFM2.5-VL 1.6B：阅读 18，计数 6，空间、3D 与运动 3，找变化与找错误 15，示意图 4，不被误导 29

## 视频理解

两项测试把一小段视频拆成一系列图片发给模型：追踪藏起的物体和传送带计数。两项视频测试的平均分是 41，其他测试是 52（只统计两项都参加了的模型）。有些模型每个问题只能接收几张图片，无法参加。
- GPT-6 Astra：追踪藏起的物体 97，传送带计数 100
- GPT-6.1 Sol：追踪藏起的物体 92，传送带计数 98
- Claude Fable 5.2：追踪藏起的物体 100，传送带计数 98
- Gemini 4 Argon：追踪藏起的物体 52，传送带计数 83
- Claude Opus 5.5：追踪藏起的物体 88，传送带计数 92
- Claude Sonnet 5.5：追踪藏起的物体 70，传送带计数 53
- Kimi K3.1 Pro：追踪藏起的物体 72，传送带计数 93
- Qwen3.8 Max：追踪藏起的物体 72，传送带计数 60
- Claude Fable 5.1：追踪藏起的物体 92，传送带计数 87
- Claude Haiku 5.5：追踪藏起的物体 35，传送带计数 78
- Gemini 3.8 Flash：追踪藏起的物体 56，传送带计数 41
- GPT-6 Luna：追踪藏起的物体 47，传送带计数 33
- Qwen3.8-27B：追踪藏起的物体 45，传送带计数 60
- Qwen3.8 Flash：追踪藏起的物体 53，传送带计数 61
- Grok 4.7：追踪藏起的物体 45，传送带计数 40
- Mistral Large 4：追踪藏起的物体 17，传送带计数 20
- Muse Spark (open)：追踪藏起的物体 17，传送带计数 20
- GLM-5V-Turbo：追踪藏起的物体 42，传送带计数 10
- DeepSeek V4.1 Flash：追踪藏起的物体 37，传送带计数 22
- GLM-5.3 Flash：追踪藏起的物体 30，传送带计数 12
- Qwen3.6-35B-A3B：追踪藏起的物体 17，传送带计数 0
- Qwen3-VL-235B：追踪藏起的物体 25，传送带计数 0
- MiniMax M3：追踪藏起的物体 17，传送带计数 25
- Step-5 (preview)：追踪藏起的物体 50，传送带计数 0
- MiMo v2.6 Pro：追踪藏起的物体 28，传送带计数 17
- Gemini 3.5 Flash-Lite：追踪藏起的物体 24，传送带计数 18
- Gemma 4 31B：追踪藏起的物体 45，传送带计数 0
- Seed 2.1 Turbo：追踪藏起的物体 45，传送带计数 0
- Hunyuan HY4：追踪藏起的物体 45，传送带计数 20
- Qwen3.5-9B：追踪藏起的物体 0，传送带计数 28
- Perceptron Mk1.5：追踪藏起的物体 不支持，传送带计数 不支持
- Qwen3-VL-8B：追踪藏起的物体 17，传送带计数 23
- MiniCPM-V 4.5：追踪藏起的物体 5，传送带计数 13
- Gemma 4 E4B：追踪藏起的物体 0，传送带计数 0
- Mistral Small 2603：追踪藏起的物体 不支持，传送带计数 不支持
- LFM2.5-VL 1.6B：追踪藏起的物体 0，传送带计数 4

## 测试项目

- 阅读：读时钟、读仪表、视力表、读标签、读图表、试纸条、硬币求和、车载视角红绿灯
- 计数：物体计数、货物堆码计数、传送带计数
- 空间、3D 与运动：谁离得更近、朝向判断、相同还是镜像、会不会倒、匹配渲染图、能停哪个车位、追踪藏起的物体
- 找变化与找错误：找不同、货架对照陈列图、渲染故障、发票核对
- 示意图：追踪电缆、追踪管道、缺失尺寸
- 不被误导：不存在的物体、“无法判断”、视错觉、真实还是AI生成

## 文章

- [我们用私有测试评测了 36 个 AI 视觉模型](https://aivisionindex.com/zh/reports/we-tested-36-ai-vision-models/)（2026年11月10日）：AI Vision Index 涵盖来自 18 家厂商的 36 个模型：谁看得最准，要花多少钱，以及每个模型仍然会在哪里出错。
- [读仪表、标签和小字，最强的 AI 是 GPT-6 Astra，领先优势明显](https://aivisionindex.com/zh/reports/best-ai-for-reading-dials-and-labels/)（2026年11月10日）：GPT-6 Astra 在我们的八项阅读测试中得 88 分（满分 100），比第二名高 6 分。在最小的字上它得 98 分，Claude Opus 5.5 只得 44 分。
- [AI 能数到 20 以上吗？画面一乱就不行。](https://aivisionindex.com/zh/reports/can-ai-count-past-20/)（2026年11月10日）：物体不超过 10 个时，最好的模型十次里能数对九次以上。在杂乱场景里有 21 到 30 个物体时，最好的模型只能数对五分之一。整齐的堆叠和逐个经过的视频则是另一回事。
- [核对发票：能。数人群：还不行。如今 AI 能做哪些看图工作](https://aivisionindex.com/zh/reports/which-vision-jobs-ai-can-do/)（2026年11月10日）：在我们 29 项测试中的四项上，在较大样本上测试的 24 个模型里有九个或更多得分达到 90 或以上（满分 100），其中最便宜的每1000次回答只要 20 到 74 美分。在另外五项测试上，它们没有一个达到 80 分。
- [我们测试中最贵的 AI 模型，并不是最强的](https://aivisionindex.com/zh/reports/priciest-ai-model-not-the-best/)（2026年11月10日）：Claude Fable 5.1 每1000次回答约 $88，在 36 个模型中排第九。Gemini 4 Argon 只要 $6.52，得分却高出 7.6 分。
- [最强的AI视觉模型，几乎分不清AI生成图片和真实照片](https://aivisionindex.com/zh/reports/ai-cant-spot-ai-pictures/)（2026年11月10日）：Gemini 4 Argon 答对81%。总榜第一的 GPT-6 Astra 只答对57.5%，而抛硬币就能拿到50%。
- [视频才是顶级 AI 模型拉开差距的地方](https://aivisionindex.com/zh/reports/video-is-where-the-best-pull-away/)（2026年11月10日）：在我们的两项视频测试中，5 个模型得分达到 89 或以上，34 个模型中有 15 个不到 25。对领先者来说，我们的视频测试比静态图片更容易；对其他几乎所有模型来说，则难得多。
- [AI基本不再“看见”不存在的东西，但视错觉仍能骗倒三分之一的模型](https://aivisionindex.com/zh/reports/ai-stopped-imagining-but-illusions-fool/)（2026年11月10日）：在询问不存在物体的问题上，36个模型中有32个得分在85以上（满分100）；在视错觉测试中，36个模型中有11个得分不超过3。
- [最值得买的低价 AI 视觉模型：每1000次回答 74 美分，得 61 分](https://aivisionindex.com/zh/reports/best-cheap-ai-vision-model/)（2026年11月10日）：四个模型每1000次回答的价格为 20 到 74 美分，得分从 12 到 61 不等。在低价档，选哪个模型比价格本身更重要。
- [能在自己电脑上跑的小型AI模型，得分只有最强云端模型的三分之一](https://aivisionindex.com/zh/reports/ai-on-your-own-pc/)（2026年11月10日）：我们在一台普通PC上跑了五个小型开源模型，最高分29.5（满分100），而 GPT-6 Astra 是83.7。Google 最便宜的云端模型每1000次回答只要34美分，却超过了这五个模型。更大的开源模型表现更好，但需要更强的机器。

## 更多

- [排行榜](https://aivisionindex.com/zh/)
- [分项得分与视频理解](https://aivisionindex.com/zh/tests/)
- [测试方法](https://aivisionindex.com/zh/method/)
- [全部结果（JSON）](https://aivisionindex.com/data/leaderboard.json)：各测试得分、置信区间、原始准确率和猜测水平、成本和测试日期。不含测试题目。
- [English version](https://aivisionindex.com/)

## 模型页面

- [GPT-6 Astra](https://aivisionindex.com/zh/models/gpt-6-astra/)
- [GPT-6.1 Sol](https://aivisionindex.com/zh/models/gpt-6-1-sol/)
- [Claude Fable 5.2](https://aivisionindex.com/zh/models/claude-fable-5-2/)
- [Gemini 4 Argon](https://aivisionindex.com/zh/models/gemini-4-argon/)
- [Claude Opus 5.5](https://aivisionindex.com/zh/models/claude-opus-5-5/)
- [Claude Sonnet 5.5](https://aivisionindex.com/zh/models/claude-sonnet-5-5/)
- [Kimi K3.1 Pro](https://aivisionindex.com/zh/models/kimi-k3-1-pro/)
- [Qwen3.8 Max](https://aivisionindex.com/zh/models/qwen3-8-max/)
- [Claude Fable 5.1](https://aivisionindex.com/zh/models/claude-fable-5-1/)
- [Claude Haiku 5.5](https://aivisionindex.com/zh/models/claude-haiku-5-5/)
- [Gemini 3.8 Flash](https://aivisionindex.com/zh/models/gemini-3-8-flash/)
- [GPT-6 Luna](https://aivisionindex.com/zh/models/gpt-6-luna/)
- [Qwen3.8-27B](https://aivisionindex.com/zh/models/qwen3-8-27b/)
- [Qwen3.8 Flash](https://aivisionindex.com/zh/models/qwen3-8-flash/)
- [Grok 4.7](https://aivisionindex.com/zh/models/grok-4-7/)
- [Mistral Large 4](https://aivisionindex.com/zh/models/mistral-large-4/)
- [Muse Spark (open)](https://aivisionindex.com/zh/models/muse-spark-open/)
- [GLM-5V-Turbo](https://aivisionindex.com/zh/models/glm-5v-turbo/)
- [DeepSeek V4.1 Flash](https://aivisionindex.com/zh/models/deepseek-v4-1-flash/)
- [GLM-5.3 Flash](https://aivisionindex.com/zh/models/glm-5-3-flash/)
- [Qwen3.6-35B-A3B](https://aivisionindex.com/zh/models/qwen3-6-35b-a3b/)
- [Qwen3-VL-235B](https://aivisionindex.com/zh/models/qwen3-vl-235b/)
- [MiniMax M3](https://aivisionindex.com/zh/models/minimax-m3/)
- [Step-5 (preview)](https://aivisionindex.com/zh/models/step-5-preview/)
- [MiMo v2.6 Pro](https://aivisionindex.com/zh/models/mimo-v2-6-pro/)
- [Gemini 3.5 Flash-Lite](https://aivisionindex.com/zh/models/gemini-3-5-flash-lite/)
- [Gemma 4 31B](https://aivisionindex.com/zh/models/gemma-4-31b/)
- [Seed 2.1 Turbo](https://aivisionindex.com/zh/models/seed-2-1-turbo/)
- [Hunyuan HY4](https://aivisionindex.com/zh/models/hunyuan-hy4/)
- [Qwen3.5-9B](https://aivisionindex.com/zh/models/qwen3-5-9b/)
- [Perceptron Mk1.5](https://aivisionindex.com/zh/models/perceptron-mk1-5/)
- [Qwen3-VL-8B](https://aivisionindex.com/zh/models/qwen3-vl-8b/)
- [MiniCPM-V 4.5](https://aivisionindex.com/zh/models/minicpm-v-4-5/)
- [Gemma 4 E4B](https://aivisionindex.com/zh/models/gemma-4-e4b/)
- [Mistral Small 2603](https://aivisionindex.com/zh/models/mistral-small-2603/)
- [LFM2.5-VL 1.6B](https://aivisionindex.com/zh/models/lfm2-5-vl-1-6b/)

- [常见问题与术语表](https://aivisionindex.com/zh/faq/)
- [对比模型](https://aivisionindex.com/zh/compare/)