Kimi 已开源 PerceptionBench,这是一个多模态视觉感知评测基准,将视觉能力拆解为 10 个原子维度,包括视觉关系、计数、属性、深度、定位、比较、细粒度识别、上下文融合、OCR 和幻觉检测。该基准包含 3,000 道由 42 个现有评测集中的失败案例构建、并经人工核验的问题;每个问题都仅测试单一的视觉能力,并且不需要外部知识或推理。
在对 16 个领先的多模态模型进行评估中,没有任何模型的总体准确率超过 60%。GPT-5.6-Sol 以 59.7% 排名第一,其后依次为 Kimi K3(58.5%)、Claude-Fable-5(57.2%)、Gemini-3.1-Pro(56.2%)和 GPT-5.5(55.8%)。报告指出,视觉幻觉是所有模型中最弱的能力,这表明仍有巨大的改进空间。