AI图像评审基准：VisionQ测20模型，自建图再测3家

该项目此前以 VisionQ 基准对 20 个图像评审模型进行测试。2026 年 10 月 12 日，Towards Data Science 刊出作者自建的图像陷阱测试：作者用 12 张自生成图片搭出 60 组对照图对，考察 GPT-4o、Claude Sonnet 5 与 Gemini 3.1 Flash Lite 三个图像评判模型，共提出 1080 个问题，结论是三家模型都掉进了另一个陷阱。与早先报道称 VisionQ 测试 20 个模型相比，此次测试只涉及 3 个模型，报道也未说明是否沿用 VisionQ 的题目或评分方式。报道未披露各模型的具体得分或对比细节。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。