MMMU · Benchmark · PolySight

收录成绩1616 个模型或系统

当前第一84.3Kimi K2.5

指标准确率MMMU 验证集（900 题）准确率（%）；推理模式写入模型名

最近同步10-19 16:518 个数据源 · 多学科多模态推理

排名表

显示 16 / 16

	模型	机构	参数	开源		评测设置	来源		备注
1	Kimi K2.5	Moonshot AI	—	—	84.3	—	模型方自报	2026-10-19	定位：Table 2，Vision 与 Visual Reasoning，MMMU (val)；来源发布日期：2026-02-02；MMMU val；模型方技术报告；日期取 arXiv v1 首发日。
2	Qwen3-VL-235B-A22B（thinking）	Alibaba	—	—	80.6	—	模型方自报	2026-10-19	定位：Table 2，MMMU 行；来源发布日期：2025-11-27；MMMU val；thinking；日期取 arXiv v1 首发日。
3	STEP3-VL-10B（PaCoRe）	StepFun	—	—	80.1	—	模型方自报	2026-10-19	定位：Figure 1 与 Table 2，MMMU；来源发布日期：2026-01-15；MMMU val；PaCoRe 并行协调推理；日期取 arXiv v1 首发日。
4	Qwen3-VL-235B-A22B（instruct）	Alibaba	—	—	78.7	—	模型方自报	2026-10-19	定位：Table 2，MMMU 行；来源发布日期：2025-11-27；MMMU val；non-thinking instruct；日期取 arXiv v1 首发日。
5	STEP3-VL-10B	StepFun	—	—	78.1	—	模型方自报	2026-10-19	定位：Figure 1 与 Table 2，MMMU；来源发布日期：2026-01-15；MMMU val；标准推理；日期取 arXiv v1 首发日。
6	Qwen3-VL-32B（thinking）	Alibaba	—	—	78.1	—	模型方自报	2026-10-19	定位：Table 3，MMMU 行；来源发布日期：2025-11-27；MMMU val；thinking；日期取 arXiv v1 首发日。
7	InternVL3.5-241B-A28B	OpenGVLab	—	—	77.7	—	模型方自报	2026-10-19	定位：Table 3，MMMU (val)；来源发布日期：2025-08-25；MMMU val；模型方报告；日期取 arXiv v1 首发日。
8	InternVL3.5-38B	OpenGVLab	—	—	76.9	—	模型方自报	2026-10-19	定位：Table 3，MMMU (val)；来源发布日期：2025-08-25；MMMU val；模型方报告；日期取 arXiv v1 首发日。
9	InternVL3.5-30B-A3B	OpenGVLab	—	—	75.6	—	模型方自报	2026-10-19	定位：Table 3，MMMU (val)；来源发布日期：2025-08-25；MMMU val；模型方报告；日期取 arXiv v1 首发日。
10	OpenVLThinkerV2	UCLA	—	—	71.6	—	模型方自报	2026-10-19	定位：Table 1，OpenVLThinkerV2 行、MMMU 列；来源发布日期：2026-04-09；MMMU val；论文未提供评测切分进入训练集的一手证据；日期取 arXiv v1 首发日。
11	MiniCPM-o 4.5（thinking）	OpenBMB	—	—	70.2	—	模型方自报	2026-10-19	定位：Table 3，Vision-language results (thinking mode)，MMMU；来源发布日期：2026-04-30；MMMU val；thinking；日期取 arXiv v1 首发日。
12	MiniCPM-o 4.5（instruct）	OpenBMB	—	—	67.6	—	模型方自报	2026-10-19	定位：Table 2，Vision-language results (instruct mode)，MMMU；来源发布日期：2026-04-30；MMMU val；instruct；日期取 arXiv v1 首发日。
13	SAIL-VL2-A3B	ByteDance	—	—	60.6	—	模型方自报	2026-10-19	定位：Table 9，MMMU val，SAIL-VL2 A3B 列；来源发布日期：2025-09-18；MMMU val；基础模型（no-thinking）；日期取 arXiv v1 首发日。
14	SAIL-VL2-8B	ByteDance	—	—	55.4	—	模型方自报	2026-10-19	定位：Table 9，MMMU val，SAIL-VL2 8B 列；来源发布日期：2025-09-18；MMMU val；基础模型（no-thinking）；日期取 arXiv v1 首发日。
15	Phi-4-reasoning-vision-15B	Microsoft	—	—	54.3	—	模型方自报	2026-10-19	定位：Table 5，MMMU VAL；来源发布日期：2026-03-04；MMMU val；默认混合推理模式；日期取 arXiv v1 首发日。
16	Phi-4-reasoning-vision-15B（force nothink）	Microsoft	—	—	52.0	—	模型方自报	2026-10-19	定位：Table 5，MMMU VAL；来源发布日期：2026-03-04；MMMU val；强制非思考模式；日期取 arXiv v1 首发日。

榜单说明

第 3 批接入

指标

准确率：MMMU 验证集（900 题）准确率（%）；推理模式写入模型名（越高越好）

数据源

Kimi K2.5 Technical Report（在新窗口打开）（技术报告或模型卡）
STEP3-VL-10B Technical Report（在新窗口打开）（技术报告或模型卡）
Phi-4-reasoning-vision-15B Technical Report（在新窗口打开）（技术报告或模型卡）
MiniCPM-o 4.5 Technical Report（在新窗口打开）（技术报告或模型卡）
Qwen3-VL Technical Report（在新窗口打开）（技术报告或模型卡）
InternVL3.5 Technical Report（在新窗口打开）（技术报告或模型卡）
SAIL-VL2 Technical Report（在新窗口打开）（技术报告或模型卡）
OpenVLThinkerV2 Report（在新窗口打开）（技术报告或模型卡）

来源类型

模型方自报 16

分数取自数据源原文；同一模型在不同评测设置或不同来源下分别列出，来源冲突时全部保留并标注来源类型。

更新记录

0 条

首次同步作为基线，之后新上榜、分数变化和移除的条目会记录在这里。