新ベンチマーク、AI の視覚認識能力の低さを確認

記事の3ポイント

1. 1

   PerceptionBench の目的と結果

   Moonshot AI が開発した新ベンチマークは、AI モデルが論理的推論能力とは別に「実際にどう見えるか」をテストするものであり、どの最先端モデルも60%の精度に到達していないことが確認された。

2. 2

   GPT-5.6 Sol の首位維持

   複数のモデルが比較された結果、GPT-5.6 Sol がわずかな差でトップに立ったものの、全体的な性能は依然として低い水準にある。

3. 3

   推論エラーの根本原因

   多くの場合、AI が論理的に誤った結論を導き出すのは画像読解段階での認識ミスが早期に発生していることが要因であることが判明した。