2025年12月31日，一份最新的多模态视觉语言模型综合能力评测结果正式公布。在这次评估中，谷歌研发的Gemini-3-pro凭借83.64分的成绩位列榜首，展现出强劲的技术实力。字节跳动推出的豆包大模型获得73.15分，跻身榜单前三名，体现了国内企业在多模态人工智能领域的快速进步。

本次评估从基础认知、视觉推理和视觉应用三个层面全面考察了各模型的表现。Gemini-3-pro在三项指标中均取得领先，分别获得89.01分、82.82分和79.09分，整体性能优势明显。

在国内模型中，商汤科技的SenseNova V6.5 Pro以75.35分排名靠前，紧随其后的是豆包视觉版。该版本在基础认知方面表现优异，得分达到82.70，优于部分国际同类产品，仅在视觉推理环节略有不足。

此外，百度研发的ERNIE-5.0-Preview与阿里巴巴推出的Qwen3-vl也双双进入前五名。其中，Qwen3-vl成为本次榜单中唯一一个总分突破70分且开放源代码的模型，显示出较高的技术透明度与社区支持潜力。

在国际主流模型中，Anthropic公司开发的Claude-opus-4-5获得71.44分，而OpenAI的GPT-5.2（high）得分为69.16分，排名处于中下游位置。评测结果显示，当前多模态模型竞争格局正持续演变，国内外技术差距逐步缩小，多个本土模型已在关键能力上具备全球竞争力。