第 1 名
Gemini-3-pro
49.2官方榜单
MMSI-Bench
千题多图空间智能 VQA；本站按官方 README Leaderboard 的 Avg 连续取前 15 名。
收录成绩1515 个模型或系统
当前第一49.2Gemini-3-pro
指标Avg全量多选题平均准确率（%），与官方 Leaderboard Avg 列一致
数据时效人工整理整理于 2026-10-27 · 2 个数据源
第 2 名
SenseNova-SI-1.2-InternVL3-8B
42.6官方榜单
第 3 名
GPT-5
41.9官方榜单
排名表
显示 15 / 15
| 模型 | 机构 | 来源 | 备注 | |||
|---|---|---|---|---|---|---|
| 1 | Gemini-3-pro | 49.2 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard Avg 列，降序第 1 名（不含基线），访问于 2026-10-27；来源发布日期：2026-10-27；README 后续补充，无逐条日期。 | |
| 2 | SenseNova-SI-1.2-InternVL3-8B | SenseTime | 42.6 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 2 名，访问于 2026-10-27；来源发布日期：2026-10-27；SenseNova-SI 系列在空间智能数据 SenseNova-SI-8M 上继续训练；论文未称以 MMSI-Bench 题目或分数训练。分数为官方 README 收录值。 |
| 3 | GPT-5 | OpenAI | 41.9 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 3 名，访问于 2026-10-27；来源发布日期：2025-09-25；论文 Table 3 已有，日期取 arXiv v2。 |
| 4 | o3 | OpenAI | 41.0 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 4 名，访问于 2026-10-27；来源发布日期：2025-09-25；论文 Table 3 已有。 |
| 5 | GPT-4.5 | OpenAI | 40.3 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 5 名，访问于 2026-10-27；来源发布日期：2025-09-25；论文 Table 3 已有。 |
| 6 | SenseNova-SI-1.1-Qwen3-VL-8B | SenseTime | 38.1 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 6 名，访问于 2026-10-27；来源发布日期：2026-10-27；SenseNova-SI 系列在空间智能数据 SenseNova-SI-8M 上继续训练；论文未称以 MMSI-Bench 题目或分数训练。分数为官方 README 收录值。 |
| 7 | Gemini-2.5-Pro（Thinking） | 37.0 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard 模型名 Gemini-2.5-Pro--Thinking，降序第 7 名，访问于 2026-10-27；来源发布日期：2026-10-27；榜单原文以双连字符标注 Thinking 设置。 | |
| 8 | Gemini-2.5-Pro | 36.9 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 8 名，访问于 2026-10-27；来源发布日期：2025-09-25；论文主表已有。 | |
| 9 | SenseNova-SI-1.1-BAGEL-7B-MoT | SenseTime | 34.5 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 9 名，访问于 2026-10-27；来源发布日期：2026-10-27；SenseNova-SI 系列在空间智能数据 SenseNova-SI-8M 上继续训练；论文未称以 MMSI-Bench 题目或分数训练。分数为官方 README 收录值。 |
| 10 | Doubao-1.5-pro | ByteDance | 33.0 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 10 名，访问于 2026-10-27；来源发布日期：2026-10-27 |
| 11 | SenseNova-SI-1.1-Qwen2.5-VL-7B | SenseTime | 32.8 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 11 名，访问于 2026-10-27；来源发布日期：2026-10-27；SenseNova-SI 系列在空间智能数据 SenseNova-SI-8M 上继续训练；论文未称以 MMSI-Bench 题目或分数训练。分数为官方 README 收录值。 |
| 12 | GPT-4.1 | OpenAI | 30.9 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 12 名，访问于 2026-10-27；来源发布日期：2025-09-25；论文 Table 3 已有。 |
| 13 | SenseNova-SI-1.1-Qwen2.5-VL-3B | SenseTime | 30.8 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 13 名，访问于 2026-10-27；来源发布日期：2026-10-27；SenseNova-SI 系列在空间智能数据 SenseNova-SI-8M 上继续训练；论文未称以 MMSI-Bench 题目或分数训练。分数为官方 README 收录值。 |
| 14 | Qwen2.5-VL-72B | Alibaba | 30.7 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 14 名，访问于 2026-10-27；来源发布日期：2025-09-25；论文 Table 3 已有。 |
| 15 | NVILA-15B | — | 30.5 | 官方榜单 | 2026-10-27 | 定位：README Leaderboard，降序第 15 名，访问于 2026-10-27；来源发布日期：2025-09-25；论文 Table 3 已有。 |
榜单说明
第 6 批接入转录官方仓库 README 的 Leaderboard 主表（访问于 2026-10-27，README 最近更新 2026-04-28）：不含 Human Level、Random Guessing、Blind GPT-4o 等基线；按 Avg 降序连续取前 15 名。表内无逐条日期：ICLR 2026 论文 Table 3 已有模型记 2025-09-25（arXiv v2），其余记 2026-10-27。
- 指标
- Avg：全量多选题平均准确率（%），与官方 Leaderboard Avg 列一致（越高越好）
- 数据源
- 来源类型
- 官方榜单 15
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。