MBZUAI 团队用 34 项能力、55 个基准评测 GPT-6 Astra 等六个通用系统，发现语义理解已逼近参考水平而精确几何与忠实重建仍是缺口
MBZUAI 与 Apertix 的研究者把 GPT-6 Astra 与 Fable 5、Kimi K3、Gemini 3.1 Pro、Qwen 3.8-Max、Muse Spark 1.3 放在同一套指令、输入与评分下，跨 34 项能力、55 个基准、九大计算机视觉领域与专用模型和人类参考对比，发现语义解释、推理与以物体为中心的预测已接近或达到参考水平，而度量几何精度、忠实重建、时序一致的稠密预测和细粒度专家视觉知识仍存在较大差距。