VIALS-AA 评测：不同模型走向科学图像推理的不同路径

VIALS-AA 用 161 项任务各跑三次，测试模型解读科学图像的能力，Gemini 4 Carbon (high) 以 64% 得分领先，比 GPT-6 Astra (max) 多答对两项任务。