Kimi 发布 PerceptionBench：聚焦视觉感知原子能力评测基准

Moonshot AI 旗下 Kimi 团队近日在 X 平台宣布，正式发布视觉感知评测基准 PerceptionBench。该基准旨在将多模态模型的视觉感知能力拆解为若干「原子能力」进行独立评估，而非采用综合推理或外部知识介入的考核方式。

基准设计思路：从失败案例反推原子能力

PerceptionBench 的核心方法论与多数现有视觉评测不同：研究者并非预先定义感知能力清单，而是系统梳理当前前沿模型在 42 个视觉相关基准上的失败模式，从失败分布中归纳出模型反复出错的底层能力维度，最终提炼出 10 项「原子感知能力」。

这种「自下而上」的能力发现路径，使得基准更贴近模型当前的真实短板，而非评测设计者的主观分类。

数据规模与题目要求

基准共包含 3000 道经过人工核验的题目，每道题被设计为：

• 独立考察单项原子感知能力，避免多种能力混淆；
• 可「凭观察」直接作答，无需推理或调用外部知识；
• 配套有详细的题目来源与答案校验流程，确保评测可信度。

资源开放与社区影响

团队同步释出了配套资源：官方博客详细说明基准的构建方法与初步实验结果；GitHub 仓库提供评测代码与数据加载脚本；HuggingFace 页面托管数据集，便于研究者复现与扩展。

对于正在推进多模态模型视觉编码器改进的研究团队而言，PerceptionBench 提供了一套更精细的诊断工具，可定位模型在具体感知维度（如计数、空间关系、纹理判别等）上的薄弱环节，而非仅给出一个综合准确率数字。该基准能否被社区广泛采纳，仍有待后续多模型横评检验。