为什么重要
MEGA-Bench 是目前最大规模的多模态评测——500+ 个任务覆盖视觉识别、推理、创作等多种能力类型。
构建方式
- 500+ 个多模态任务，远超 MMMU 的规模
- 覆盖：视觉识别、空间推理、文字理解、创意生成等
- 多维度评分
关联基准
不足与展望
- 任务类型覆盖广但每类深度不够
- 评分标准复杂，可复现性有待验证
返回评测
多模态 VLM-理解 未饱和
模态 · 图文
任务 · 开放生成
MEGA-Bench
505 个覆盖日常使用场景的多模态任务，比 MMMU 更贴近真实用户需求
TIGER AI Lab ·
考察能力
多模态 真实任务 图像理解 视觉推理 日常应用
构建信息
- 数据规模
- 505 tasks / 多种输入输出格式
- 评测方式
- 标准评测
- 核心指标
- Score (%)
资源链接
模型效果排行
🥇 Gemini 2.5 Pro
68.4%
🥈 GPT-5 Vision
64.1%
🥉 Claude Opus 4
60.8%
多模态 真实世界 500+任务