近日，SuperCLUE-VLM多模态视觉语言基准测评12月榜单正式揭晓，全球顶尖模型展开了一场激烈的技术较量。谷歌推出的Gemini-3-pro以83.64分的绝对优势登顶榜首，在基础认知、视觉推理、视觉应用三个核心维度均展现出统治力，三项细分指标分别达到89.01、82.82和79.09分，成为唯一三项均突破80分的模型。
国内科技企业在此次测评中表现亮眼，形成与国际巨头分庭抗礼的格局。商汤科技SenseNova V6.5 Pro以75.35分位居国内榜首、全球第二，其综合实力紧追国际领先水平。字节跳动旗下两款模型同时闯入前三，其中豆包大模型以73.15分位列全球第三，豆包视觉版虽在视觉推理环节稍逊一筹，但基础认知得分高达82.70分，甚至超越部分国际竞品，展现出强大的技术潜力。
百度ERNIE-5.0-Preview与阿里巴巴Qwen3-vl分列第四、五位，共同构成国内模型的第一梯队。值得注意的是，Qwen3-vl作为榜单中首个开源且总分突破70分的模型，为行业提供了重要的技术参考，其开放策略或将推动多模态技术的普及与发展。
国际阵营中，头部企业表现出现分化。Anthropic的Claude-opus-4-5以71.44分位列第六，而OpenAI的GPT-5.2(high)仅获69.16分，排名相对靠后。这一结果反映出多模态领域竞争格局的深刻变化，国内企业通过持续技术创新，正在缩小与国际顶尖水平的差距。
本次测评采用三维评估体系，全面考察模型在复杂场景下的理解与生成能力。基础认知维度侧重语言与视觉信息的基础处理，视觉推理考察逻辑分析能力，视觉应用则关注实际场景中的任务解决能力。这种多维度的评估方式，为行业提供了更具参考价值的技术标尺。
