ZeroBench：一个“不可能”的视觉基准测试

ZeroBench 是一个被其整理者称为“不可能”的视觉基准，榜单显示 GPT-5.6 Sol（max，带工具）以 54.6 分居首，Muse Spark 1.2（xhigh，带工具）以 54.0 分紧随其后。多数成绩来自 5 次采样并由 LLM 评判，部分数值取自图表图片，来源与复现方式标注不一。无工具设置下分数明显更低，如 Qwen3.8-Max 为 24.0、Kimi K3 为 23.0。