多模态AI长文本理解大考：46款模型集体‘挂科’

MMLongBench团队发布首个多模态长文本理解测评，对46款领先模型进行基准测试。结果显示所有模型在处理128K长度任务时均未达标，暴露出OCR能力和跨模态检索能力两大技术瓶颈。测评覆盖5大任务类型16个数据集，提供8K-128K标准化输入长度评估，揭示当前多模态大模型在长文本处理上仍有显著提升空间。