“读”是人们交给看图 AI 最常见的工作：仪表上的读数、标签上的序列号、图表里的数字、快速检测试纸上的线。我们的“阅读”类别有八项这样的测试，每项都有唯一确切的答案。把它们合在一起看，有一个模型明显领先。
排名
OpenAI 的 GPT-6 Astra 在阅读类别得 88 分（满分 100），95% 置信区间为 85 到 91。紧随其后的三个模型差距很小：GPT-6.1 Sol 得 82 分（80 到 84），Claude Fable 5.2 得 81 分（78 到 85），Gemini 4 Argon 得 80 分（78 到 81）。没有任何其他模型的区间够到 Astra 的区间，所以这不是并列。Claude Opus 5.5 以 75 分紧随其后。月之暗面的 Kimi K3.1 Pro（72）和阿里巴巴的 Qwen3.8 Max（67）都在较小的样本上测试，所以区间很宽（64 到 80、59 到 75）。Kimi K3.1 Pro 可能和 Gemini 4 Argon 一样好，Qwen3.8 Max 可能和 Claude Opus 5.5 一样好。
美国厂商中国厂商通过 API 运行的开放权重模型本地运行其他厂商
每条末尾的数字是得分，然后是每1000次回答的成本。
Astra 在哪里拉开差距
从这里开始，单项测试只比较在较大样本上测试的 24 个模型：答案太少时，单项得分波动太大。在简单的阅读题上，顶级模型差距不大。读指针式时钟的时间：GPT-6.1 Sol 98 分，GPT-6 Astra 98 分，Gemini 4 Argon 96 分。差距出现在小字、图表和硬币上：
| 测试 | GPT-6 Astra | 其他模型中的最高分 | 中位数模型 |
|---|---|---|---|
| 视力表（字越来越小） | 98 | 88（GPT-6.1 Sol） | 23.8 |
| 读图表（屏幕上的图表） | 91 | 80（GPT-6.1 Sol） | 47.5 |
| 硬币求和 | 80 | 74（GPT-6.1 Sol） | 40.2 |
| 试纸条（很淡的阳性线） | 75 | 77.5（Claude Fable 5.2） | 49.6 |
视力表是最清楚的例子。字越来越小时，GPT-6 Astra 还能继续读出来，而几乎所有其他模型都放弃了或者在猜。Claude Opus 5.5 在这里得 44 分，Claude Sonnet 5.5 得 32 分，尽管两者读标签和仪表都读得不错。如果你的图片里有小字，这一项测试比总排行榜更重要。在快速检测试纸的淡线上，没有谁遥遥领先：Claude Fable 5.2 得 77.5 分，另有五个模型得分在 70 到 75 之间。
更便宜的选择
GPT-6 Astra 每1000次回答要 $38.32。如果嫌贵：
- GPT-6.1 Sol 阅读得 82 分，只要 $7.94，约为前者的五分之一。
- Gemini 4 Argon 得 80 分，只要 $6.52，在读取场景中标签上的编码时得 89 分，只比这项的最高分 Claude Fable 5.2（90）低 1 分。
- Claude Haiku 5.5 得 62.5 分，只要 $1.01；GPT-6 Luna 得 59 分，只要 $0.74。读清晰的大字没问题，读小字就弱了。
灰色细线：每个模型一条。第1级最容易。
这意味着什么
做阅读类工作时，如果每个答案都必须正确，而且字可能很小，就选 GPT-6 Astra。如果你的文字清晰、又在意价格，就选 GPT-6.1 Sol 或 Gemini 4 Argon。不管选哪个，都要用你自己的图片测试：在快速检测试纸的淡线上，没有一个模型得分超过 80。
测试方法
每张阅读图片都由脚本或在 3D 中生成，答案已知：精确到分钟的时间、一个读数、一串编码。图片逐级变难（更小、更模糊、反光更强、更杂乱）。答案自动对照确切的标准答案核对，得分已扣除猜测因素，因此 0 分代表纯靠猜，100 分代表全对。阅读得分是八项测试得分的平均值。这些图片和问题从不公开。
测试时间为 2026 年 10 月 22 日至 11 月 10 日。每个模型的日期见排行榜。