サイエンス
AIは「見て」から間違えている。知覚だけを試す新ベンチマークが暴いた60%の壁
Moonshot AIのPerceptionBenchは、推論や知識を排除して視覚知覚だけを測る3,000問のベンチマークだ。16の最先端モデルを評価した結果、最高59.7%。総合点の近さが隠す能力の偏りと、「推論の失敗」の正体が知覚の失敗であるという構造を定量的に示した。
Tech Product
Qwen3.5-397B-A17B
別名: Qwen3.5
Overview
最終更新: 2026年9月7日Qwen3.5-397B-A17Bは、Alibaba Cloud（アリババクラウド）が開発したオープンソースの大規模言語モデル「Qwen」シリーズの最新版の一つ。本研究では、弱いモデルが複雑なスキルコレクションに直面した際のパフォーマンス低下を検証するために使用された。
