重磅测试结果曝光！多模态AI视频推理集体不及格，最强模型也仅62分

中科大等团队提出VCR-Bench评估基准，测试多模态模型在视频CoT推理能力的表现。结果显示最优模型O1仅获62.8分和56.7%准确率，多数模型两项指标均低于40分。闭源模型和大模型表现优于开源及小模型，视觉感知能力不足是主要瓶颈，时空推理维度表现最差。研究指出当前多模态视频理解技术存在明显短板，但评估体系的建立为行业进步提供了新标准。