12月多模态视觉大模型榜单速览：Gemini 领跑，豆包与商汤冲进前三

SuperCLUE-VLM 12月多模态视觉语言基准最新发布，全球多家 AI 大模型展开激烈比拼。此次评测围绕基础认知、视觉推理与视觉应用三大维度展开，全面检验模型的“看图理解”和“综合思考”能力。

本轮榜单中，谷歌的Gemini-3-pro以83.64分的绝对优势夺魁。细项表现显示，它在三大指标上均实现全面领先，体现出国际顶尖模型的硬核实力。国产阵营同样表现亮眼：商汤 SenseNova V6.5Pro 以75.35分位居第二，字节跳动旗下的豆包视觉版以73.15分跻身前三。值得一提的是，豆包在基础认知上的成绩超过了部分海外强手。

此外，百度 ERNIE-5.0-Preview 与阿里巴巴 Qwen3-vl 也进入前五。其中，Qwen3-vl 成为榜单中首个总分突破70分的开源模型，为开源社区带来不俗的视觉解析能力。

相比之下，部分国际老牌选手本期表现略显一般。Anthropic 的 Claude-opus-4-5 获得71.44分，而 OpenAI 的 GPT-5.2（high）未能挤入第一梯队，仅以69.16分靠后。排名变化也显示，多模态 AI 赛道的竞争正在加速升温。

划重点:

• 🏆 全球拔尖: 谷歌 Gemini-3-pro 以83.64分登顶，基础认知、视觉推理与应用三项均位列第一。

• 🇨🇳 国产亮眼: 商汤 SenseNova 与字节跳动豆包分居第二、第三，展现中国模型在视觉理解上的强劲竞争力。

• 📊 格局变化: Qwen3-vl 成为首个总分破70的开源模型；GPT-5.2（high）本次视觉测评表现偏弱，排名靠后。