多模态视觉大模型12月战报：Gemini 强势领跑，豆包与商汤位居国产前列

SuperCLUE-VLM 12月多模态视觉语言评测刚刚发布，全球 AI 大模型竞争火热。本次评测聚焦基础认知、视觉推理与视觉应用三大维度，全面检验各家模型的“眼力”和“脑力”。

在本次比拼中，谷歌推出的Gemini-3-pro以83.64分的绝对优势拿下榜首。数据细看，其在三项细分指标上均实现全面领先，展现出国际顶尖模型的深厚实力。而在国产模型方面，整体表现同样亮眼。商汤科技的 SenseNova V6.5Pro 以75.35分紧随其后位居次席，字节跳动旗下的豆包视觉版则以73.15分跻身前三。值得关注的是，豆包在基础认知上的表现甚至超过了部分国际强手。

此外，百度 ERNIE-5.0-Preview 与阿里巴巴的 Qwen3-vl 也进入榜单前五。其中，Qwen3-vl 更是成为榜单中首个总分突破70分的开源模型，为开源社区带来了扎实的视觉解析能力。

相较之下，部分国际老牌选手这次表现略显平稳。Anthropic 的 Claude-opus-4-5 获得71.44分，而 OpenAI 的 GPT-5.2（high） 则意外跌出第一梯队，仅以69.16分排名靠后。这一排名变化也显示，多模态 AI 领域的竞争正进入白热化阶段。

划重点:

• 🏆 全球领跑: 谷歌 Gemini-3-pro 以83.64分登顶，在基础认知、视觉推理和应用三项指标上均居第一。

• 🇨🇳 国产发力: 商汤 SenseNova 与字节跳动豆包分列二、三名，展现中国大模型在视觉理解领域的强劲实力。

• 📊 行业新格局: Qwen3-vl 成为首个破70分的开源模型，而 GPT-5.2（high）在本次视觉测评中表现不及预期，排名靠后。