IXThinker·2026-03-17 12:10500行開源框架挑戰 GPT/Gemini 視覺極限
多模態模型代碼寫得好，卻數不對手指、量不準柱子。UniPat AI 推出五百行代碼的 SWE-Vision 框架，讓模型以 Python 代碼自證視覺判斷，五項基準刷新 SOTA。
視覺能力的反差
過去一年，多模態大模型的代碼能力突飛猛進，但在數手指、量柱子等基礎性的視覺任務上，卻頻頻失誤，兩者之間的能力反差相當明顯。
模型「看得見」，卻無法對視覺信息作出精確的處理，這一明顯的技術短板，嚴重制約了其在具身智能與各類精密場景之中的實際應用。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。