AI Vision Index 上线：私有测试对比 36 个模型视觉能力
原文标题：Show HN: AI Vision Index, private tests of how well 36 AI models see
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
开发者推出 AI Vision Index，用不公开的自建测试集评估 36 个模型的视觉能力，涵盖渲染图、AI 生成图、照片与视频。结果显示 GPT-6 Astra 以 83.7 分领先，GPT-6.1 Sol 以 81.3 分紧随且更便宜，本地模型 Qwen3.5-9B 表现最佳但仍落后于 API 模型。测试还发现数超过 20 个物体、识别 AI 生成图等任务对人类容易而对模型困难。
AI 处理过程展开/收起
相关推荐
蚂蚁灵波发布 LingBot-Touch 触觉基础模型并开源
AI 摘要蚂蚁灵波发布 LingBot-Touch 触觉基础模型，基于近 5000 小时真实触觉数据预训练，覆盖磁触觉、视触觉与压阻式三类传感原理，可将不同信号统一为同一套触觉表征。该模型补齐机器人精细操作所需的触觉感知，技术报告、模型与代码已在 Hugging Face、GitHub 和魔搭开源。
谷歌发布 Gemini Omni 1.2 Flash 视频模型，单段时长增至 15 秒
AI 摘要谷歌推出 AI 视频生成模型 Gemini Omni 1.2 Flash，原生支持最长 15 秒视频，较上一代提升 50%，并新增多轮对话式编辑能力。新模型增强了对参考内容的遵循，可在多镜头间保持角色、物体与场景一致性，减少视觉漂移。
OpenAI发布图像模型Images 2.6，生成提速50%并新增GIF功能
AI 摘要OpenAI发布图像生成模型Images 2.6，面向全球用户在ChatGPT、Codex及API开放。生成速度较上版提升50%，增强多轮编辑的细节与角色、产品、品牌一致性，并新增GIF循环动画生成。API提供Flare与Sunburst两个版本。
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。