Artificial Analysis 推出 VIALS-AA：生命科學視覺推理排行榜，Gemini 4 Carbon 以 64% 領先

Artificial Analysis 推出了 VIALS-AA，這是 Handshake AI 的 VIALS 基準測試排行榜。VIALS 包含八個領域的 161 項任務，模型必須讀取科學圖像資料（凝膠轉漬圖、流式細胞儀圖表、質體圖譜、系統發育樹），並得出特定結論。

Artificial Analysis 使用其開源 Stirrup 代理程式框架執行每項任務三次，並提供程式碼執行與影像檢視工具。GPT-6 Luna（medium）會依據參考答案為每個回答評分；分數是三次執行結果都被判定正確的任務占比。

根據 Artificial Analysis：

• 最高分： Gemini 4 Carbon（high）以 64% 領先，GPT-6 Astra（max）以 63% 居次，Claude Opus 5.5（max with fallback）則為 61%。
• 成本： GPT-6 Astra 和 GPT-6.1 Sol（皆為 max）每項任務約使用 8 個回合，相較之下，Claude Opus 5.5 約為 27 個回合，Claude Sonnet 5.5 約為 25 個回合。Opus 5.5 每項任務平均花費 1.64 美元，約為 Sol 約 0.056 美元的 29 倍。
• 開放權重： Kimi K3.1 Pro 以 45% 領先，略高於 MiMo-V2.6-Pro 的 43%，與最高分相差約 19 個百分點。
• 拒答： 161 項任務中，有 14 項至少遭到一個模型以安全理由拒答；Claude Sonnet 5.5 拒答 6 項，是所有模型中最多的。

以上數據為 Artificial Analysis 自行測得。