AI Vision Index
文章
用大白话讲讲测试结果说明了什么。每个数字都来自排行榜，每篇都注明测试日期。
我们用私有测试评测了 36 个 AI 视觉模型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。阅读全文
读仪表、标签和小字，最强的 AI 是 GPT-6 Astra，领先优势明显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。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。