推文

@AYi_AInotes · 2026-10-15 08:52

所有AI模型里，最差的一项能力，是读懂人心，最新的HSS第六感测试里，心智理论项最高只有39.2%，连及格线都没到，Gemini 4 Argon以55.4%登顶Scale Labs的HSS基准，小胜GPT-6-Astra的53.6%。 但两边误差都在±4%左右，1.8%的差距落在统计误差里，本质是两家并列第一梯队。 现在的AI能看懂十分钟长视频，却读不懂一个人的眼神和意图。 就在所有AI模型长视频理解都卡壳的时候，谁能想到竟然是谷歌捅破了天花板， HSS基准里超过十分钟的长视频，Gemini 4 Argon 59.1%，第二名还不到41%。 领先快18个点，这才是真正的代差啊！ HSS测的不是看图说话，是人类第六感。 被遮挡的物体是什么，接下来会发生什么，画面里的人在想什么。 考的是看得见之外的推理能力。 真正拉开差距的地方在长视频。 超过十分钟的片段，Argon拿到59.1%，其他所有模型都没超过41%。 这和谷歌一直押注的长上下文原生视频理解，完全对上。 但不是全面碾压。 一分钟以内短视频，Argon 43.0%，输给GPT-6-Astra的56.4%。 所有模型共同的短板是心智理论，读懂人在想什么打算做什么，最高也只有39.2%，连及格线都没到。 比起谁是第一，更值得关注的是下面这两件事， 一是能力开始分化，长视频选Argon，短视频选Astra，企业选型别盯着总分，看你自己的场景。 二是物理空间推理进步最快，半年多涨了21分，这类能力恰恰是机器人和自动驾驶的基础， 这说明AI的竞争早就不是总分榜的高低了，关键是人类真正需要的那一项，到底谁最强。 https://x.com/ScaleAILabs/status/2110455008450040176/video/1

曝光 911 · 评论 9 · 点赞 7 · 书签 3 · 曝光/时 588.2365394183496