即使是最强的GPT-4o-Image，在复杂视觉编辑任务中的准确率也仅为 28.9% ，最强的开源模型BAGEL仅能完成 5.8% 的任务，其它被测开源模型完成率几乎为零，显示出当前开源模型与闭源模型在视觉理解能力上的差距。

论文基本信息 这项由南洋理工大学、MBZUAI(阿联酋穆罕默德·本·扎耶德人工智能大学)、Sea ...