Roboflow更新了GPT-6 Astra的视觉测试结果，略微领先Gemini

作为一个数学老师，每天我都在给 AI 发送大量的学生完成的作业。

说实话，Astra 出了之后我也尝试了。我不知道在其他方面视觉能力是怎样的，但是我知道在识别人类手写痕迹和对应的题目这方面，gemini 还是断层领先。目前 GPT 还是有很多识别错误。Gemini 几乎接近人眼。而且感觉 Claude 的视觉能力非常的差劲，远远不如排行榜上的跑分。几乎是什么都看不清，连题目都看不清，更不用提同学的手写痕迹。

日常去批改，更多的是使用 Gemini 和 kimi。

准确率很高吗？这个准确率可以支撑自动和批量化检查作业吗和评分吗

识别正确率几乎没有问题。批量化我不太确定，因为我是逐个题目发送的。感觉 Gemini 的智能可能还不太够。我不太敢把题目一次性全部发送。然后 kimi 的智能会更高一点，但是可能识别的正确率会稍微低一点。但是也是可用。剩下的 GPT Claude 在实际工作当中基本上没有办法使用，识别错误率还是太高了。

今天心血来潮，让AI分析下我的鞋底磨损图。
GPT5.6-sol、严肃思考60秒，然后长篇大论，分析的头头是道，还结合我之前提到的右脚足底筋膜炎，说根据鞋底磨损情况，正好说明了为什么我右脚有足底筋膜炎，布拉布拉布拉。
越听越不对劲，我就看历史记录，发现这小子一开始就把左右鞋认错了。
换了个新会话也是一样。最近AI进展迅猛，没想到这种地方仍然会犯错 ^-^（有点类似洗车问题了）
[i…

5.6的视觉很拉，哈基米很强，qwen3.8 max也很强。

astra现在能分清左右鞋了吗

可以了，轻松分清楚，排行榜有效

哦哦，我觉得可以试试批量化一下，就是不然还是有点花时间太多，可以先让gemini ocr 全部内容之后让luna来评分

gpt文字应该还是没有问题的 ，同时luna价格又便宜

Claude长期喂题还会让你验证是否是成年人 就很无语^-^

可以问问佬的工作流吗，我最近也想搞个自动帮小孩批作业的小工具

看佬的描述，用Gemini识别文字，然后输出成latex公式给别的模型去解答效果会比较好？

值得一提的是，还有一些其他私有视觉bench榜单

例如 eyebench

X (formerly Twitter) – 5 Sep 26

adi (@adonis_singh) on X

Astra-max scores 95% on eyebench-v3.

At half the cost (outputting ~3.8x less tokens) of Sol-max, it scores nearly double.

和

X (formerly Twitter) – 5 Sep 26

SkalskiP (@skalskip92) on X

Gemini dethroned

GPT-6 Astra is the best "vision" model I've seen

• notices tiny details
• draws conclusions
• produces precise and tight boxes
• sees and reads text in different contexts
• knows a lot about a lot
• fast
• expensive

↓ GPT-6 Astra...

Astra 在空间和位置关系的理解上目前看来远超任何其他模型（并且这个领域一向是被认为对于LLM视觉最困难的一部分，所以我觉得还是很有含金量的）

Gemini 应该是谷歌这么多年机器识图的积累的反馈, 但是对二维之外的理解不行(这部分依赖模型能力)

这成本差距有点离谱，roboflow那个 playground 里能直接跑对比，我试了下同样 prompt 输出质量差距没价格差那么大，等降价再碰