IXThinker·2025-05-31 18:30

新基準測出Gemini影片OCR僅73.7%

多模態大模型在靜態圖像OCR上表現卓越，轉到動態影片卻頻頻失手。MME-VideoOCR團隊發布系統評測，全面檢驗模型的影片文字感知、理解與推理能力。

任務體系

評測構建了精細的任務體系，共設10大任務類別、25個獨立任務，評測維度超越基礎識別，深入考察時序理解、資訊整合及複雜推理等高階能力。