RecodeX 重构消息，一名开发者因认为现有公开视觉基准不可靠——数据集公开可能已被用于训练、测试精度不足——自行构建了包含渲染图、AI生成图、照片和视频的私有测试集，对36个AI模型进行视觉能力评测，且不公开测试数据以防模型学习。结果显示，GPT-6 Astra以83.7分居首，GPT-6.1 Sol以81.3分紧随其后且价格更低；Gemini 4 Argon与Haiku 5.5价格低廉且表现不错。测试还发现，数20个以上物体、识别AI生成图片等对人类简单的任务对AI仍很困难，Argon在识别AI生成图上表现较好，其他模型接近随机猜测。本地模型中Qwen3.5-9B表现最佳，但仍落后于付费API模型。