第 1 名
GPT-5（high）
84.6模型方自报
Video-MMMU
300 段专业教学视频与 900 题，评测感知、理解、适应三阶段知识获取；官方榜单停在 2025 年 9 月。
收录成绩1515 个模型或系统
当前第一84.6GPT-5（high）
指标Overall三轨道题目平均准确率（%），与官方 Leaderboard Overall 列一致
数据时效人工整理整理于 2026-10-27 · 4 个数据源
第 2 名
Gemini 2.5 Pro
83.6模型方自报
第 3 名
o3（high）
83.3模型方自报
排名表
显示 15 / 15
| 认知阶段 | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 模型 | 机构 | 来源 | 备注 | ||||||
| 1 | GPT-5（high） | OpenAI | 84.6 | — | — | — | 模型方自报 | 2026-10-28 | 定位：Multimodal 表 VideoMMMU（max frame 256）行 GPT-5 (high) 列；README Leaderboard 第 1 名即转录此值；来源发布日期：2025-08-07；README 记为 GPT-5-thinking，链接至模型方发布页；分数为模型方公布值。 |
| 2 | Gemini 2.5 Pro | 83.6 | — | — | — | 模型方自报 | 2026-10-28 | 定位：Gemini 2.5 技术报告 Table 6，VideoMMMU 行 Gemini 2.5 Pro 列；README Leaderboard 第 2 名即转录此值；来源发布日期：2025-07-07；README 记为 Gemini-2.5-Pro，原链接的模型页现已改为新版本，改引模型方技术报告；Test 子集 0-shot，256 帧。 | |
| 3 | o3（high） | OpenAI | 83.3 | — | — | — | 模型方自报 | 2026-10-28 | 定位：Multimodal 表 VideoMMMU（max frame 256）行 OpenAI o3 (high) 列；README Leaderboard 第 3 名即转录此值；来源发布日期：2025-08-07；README 记为 OpenAI O3；分数为模型方公布值。 |
| 4 | Keye-VL-1.5-8B | Kuaishou | 66.0 | 77.7 | 68.7 | 51.7 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 4 名，访问于 2026-10-27；来源发布日期：2026-10-27 |
| 5 | Claude-3.5-Sonnet | Anthropic | 65.8 | 72.0 | 69.7 | 55.7 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 5 名，访问于 2026-10-27；来源发布日期：2025-01-23；论文主表已有模型，日期取 arXiv 2501.13826 公告日。 |
| 6 | Kimi-VL-A3B-Thinking-2506 | Moonshot AI | 65.2 | 75.0 | 66.3 | 54.3 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 6 名，访问于 2026-10-27；来源发布日期：2026-10-27 |
| 7 | GPT-4o | OpenAI | 61.2 | 66.0 | 62.0 | 55.7 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 7 名，访问于 2026-10-27；来源发布日期：2025-01-23；论文主表已有模型，日期取 arXiv 公告日。 |
| 8 | Qwen-2.5-VL-72B | Alibaba | 60.2 | 69.3 | 61.0 | 50.3 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 8 名，访问于 2026-10-27；来源发布日期：2026-10-27；README 2025-02 新闻补充，无逐条日期。 |
| 9 | GLM-4V-PLUS-0111 | Z.ai | 57.6 | 77.3 | 53.3 | 42.0 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 9 名，访问于 2026-10-27；来源发布日期：2026-10-27 |
| 10 | Gemini 1.5 Pro | 53.9 | 59.0 | 53.3 | 49.3 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 10 名，访问于 2026-10-27；来源发布日期：2025-01-23；论文主表已有模型。 | |
| 11 | Video-RTS | — | 52.7 | — | — | — | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 11 名，访问于 2026-10-27；来源发布日期：2026-10-27；方法论文 arXiv 2507.06485 的强化学习训练数据来自 CG-Bench，不含 Video-MMMU 题目；分数为 README 收录值。 |
| 12 | Aria | — | 50.8 | 65.7 | 46.7 | 40.0 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 12 名，访问于 2026-10-27；来源发布日期：2025-01-23；论文主表已有模型。 |
| 13 | Gemini 1.5 Flash | 49.8 | 57.3 | 49.0 | 43.0 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 13 名，访问于 2026-10-27；来源发布日期：2025-01-23；论文主表已有模型。 | |
| 14 | LLaVA-Video-72B | — | 49.7 | 59.7 | 46.0 | 43.3 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 14 名，访问于 2026-10-27；来源发布日期：2025-01-23；论文主表已有模型。 |
| 15 | LLaVA-OneVision-72B | — | 48.3 | 59.7 | 42.3 | 43.0 | 官方榜单 | 2026-10-28 | 定位：README Leaderboard 主表，降序第 15 名，访问于 2026-10-27；来源发布日期：2025-01-23；论文主表已有模型。 |
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；项目页表格较旧，以 README 为准）：不含 Human Expert；按 Overall 降序连续取前 15 名。Δ knowledge 列不作总分。Perception、Comprehension、Adaptation 有值则收录。前 3 行在 README 中记为 GPT-5-thinking、Gemini-2.5-Pro、OpenAI O3，没有分项，是转录的模型方公布值，记为模型方自报，来源改引载有该分数的模型方原文（OpenAI GPT-5 开发者发布页、Gemini 2.5 技术报告），模型名按原文写明设置。README 最近一次更新在 2025-09-05，之后发布的模型尚未收录。README 无逐条日期：论文主表已有模型记 2025-01-23，README 后续补充模型记访问日。
- 指标
- Overall：三轨道题目平均准确率（%），与官方 Leaderboard Overall 列一致（越高越好）
- 子项
- 认知阶段PerceptionComprehensionAdaptation
- 数据源
- 来源类型
- 官方榜单 12模型方自报 3
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。