最近刷推，看到 Scale AI 发了一个测试，叫 Humanity’s Sixth Sense（HSS），考的是看图凭直觉判断的题：答案不会直接画在图上，但人扫一眼就知道。论文里人类正确率 93.1%，最强的 GPT-6-astra 只有 53.6%。 数据集是公开的（ HSS 数据集 ），我从里面挑了 5 道，用中文分别问了四家： GPT-6 Astra，极高，官方订阅 + codex桌面端 Grok 4.7，xhigh，superGrok + GrokBuild Gemini 3.8 Flash，high，家庭组pro + 反重力 Claude Fable 5.1，xhigh，Any大善人 + cc cli 汇总结果： GPT、Grok、Gemini 各对 1 道，对的都是白车那题；Fable 5.1 一道没对，连白车那题都说会撞到穿西装的人。多米诺四家全说"只倒 1 块"，没有一家看出来会连锁倒下去。 题目和正确答案： 1. 绿色卡车突然直线倒车，图里哪个人最危险？ 答案: 最右边穿绿色荧光衫的人，他正好在车尾正后方。 （需要放大仔细看最右边） 2. 书架上蓝色书前面还能不能再塞两本一样大的白书？ 答案: 能，书中间本来就有空隙。(好像有点争议) 3. 左边楼上那面红白黑条纹的旗子，能看出风往哪吹吗？ 答案: 朝镜头这边吹。 4. 白车按现在的朝向直线倒车，会撞到哪个男人？ 答案: 谁都撞不到。 5. 最前面那块多米诺往远离镜头的方向倒下，一分钟后有几块倒着？ 答案: 8 块，会一路连锁倒到拐弯那块。 各家答题情况： GPT-6 Astra（极高，官方订阅 + codex桌面端）：1/5 只对了白车那题。卡车挑的是红背心的人，书架说塞不下，旗子说风从右往左吹，多米诺说只倒 1 块。 点开看 GPT 的回答截图 （点击了解更多详细信息） Grok 4.7（xhigh，superGrok + GrokBuild）：1/5 也只对了白车。卡车挑的是戴橙色安全帽的工人，书架说塞不下，旗子说风从左往右吹，多米诺说只倒 1 块。 点开看 Grok 的回答截图 （点击了解更多详细信息） Gemini 3.8 Flash（high，家庭组pro + 反重力）：1/5 还是只对了白车。卡车想了 4 分钟，挑的是穿橙色背心的工人。书架连书名和卷号都认出来了，结论还是塞不下。旗子说是无风状态，看不出风向。多米诺想了 14 分钟，答 1 块。 点开看 Gemini 的回答截图 （点击了解更多详细信息） Claude Fable 5.1（xhigh，Any大善人 + cc cli）：0/5 五道全错。卡车挑的是戴安全帽的工人，书架说塞不下，旗子说看不出风向，白车说会撞到穿蓝西装的人，多米诺说只倒 1 块。 点开看 Fable5.1 的回答截图 （点击了解更多详细信息） 最好玩的是 Gemini，明明是flash，但是思考是最慢的一个，思考慢的情况下，题目也没有多对。另外肥波5.1不知道是不是因大善人那边逆向出来的，导致质量一般。 ps: 每家只问了一次，推理强度和论文里也不完全一样，图一乐。大家也可以拿这几道题去试试自己常用的模型 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：硬件与数码
  • 分类依据：内容涉及硬件、数码产品或通信卡
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/10/9 11:53:45