IXThinker·2025-05-31 15:40

圖像編輯新基準GPT-4o僅28.9%

圖像編輯模型遇上「推理型」指令還行不行？上海AI實驗室聯合多所院校發布RISEBench，360道人類專家嚴選難題，連GPT-4o-Image也僅完成28.9%。

基準設計

RISEBench收錄360個全部由人類專家仔細思考並校對的高質量測試案例，針對結合推理能力的圖像編輯任務，考驗模型對圖片背後邏輯、上下文關聯乃至隱含意圖的理解。