Gemini-3-Pro强势登顶，GPT-5.1转向“创作型选手”？丨多模态模型11月最新榜单揭晓
多模态大模型的崛起，正在重新定义我们理解与使用 AI 的方式。当模型能够像人类一样，将图像、文本、语音、视频等信息自然融会贯通时，它便获得了更完整、更真实的世界视角。跨模态的统一认知让 AI 不再停留在“看见”“听到”的感知层面，而是能够读懂语境、推演逻辑、辅助决策，展现出向通用智能迈进的关键能力。随着算法、数据与算力的不断进化，多模态大模型正加速从实验室走向产业深处，在越来越多的应用场景中持续释放价值，引领智能时代的全面升级与加速到来。
持续关注大模型的发展动态，基于闭源评测基准，近期针对国内外主流多模态模型进行了全面评测，现公布多模态模型 11 月评测榜单。
需要提示的是：由于榜单规则，为提升闭源评测集榜单的时效性与先进性，我们对部分旧模型进行了移除，并测试了他们的最新版本。
综合榜单解读
整体性能排名
本次评测中，随着 Gemini-3-Pro 的发布，榜单的最高得分再创新高，达到了 66.35。
在整体性能上，Gemini-3-Pro 在空间感知能力上的大幅度领先以及在信息图形感知能力上的优势，助力其以大比分领先第二名的 Seed1.6-vision-250815，而其在视觉质量感知和多模态创作领域虽仍居于前列，但仍无法达到全方面领先。
在其他本次新上榜的模型中，OpenAI 的 GPT-5.1 在综合能力上有所下降，但在多模态创作领域却能斩获最高分，印证了 OpenAI 对 GPT-5.1 的 “更具对话感、更加温暖” 的宣传。Qwen3-VL-235B-A22B-Thinking 则再次成为最强开源多模态模型。
深层洞察
开源模型再次冲击榜单新高，推理模型优势明显
开源模型 Qwen3-VL-235B-A22B-Thinking 跃居第三，超越 GLM-4.5V ，成为开源模型中排名第一的模型，进一步巩固了国产多模态模型在开源赛道的领先地位。
值得关注的是，推理模型，如 Qwen3-VL-235B-A22B-Thinking、GLM-4.5V，在多模态推理、信息图形理解两个领域拥有普遍的优势，也导致推理模型普遍能够在总榜单中获得更高的排名。本次新入榜的 RBDash-v2.0-Thinking，在多模态推理维度获得了显著高于同参数量级指令模型的得分，展现了 Thinking 模式在该领域的有效性。
而在视觉质量感知领域，反而是小模型和非推理的指令模型获得了相对优势。可见 Thinking 模式也非各个领域的万能灵药。
闭源模型突破瓶颈，有望引领多模态模型能力的进一步提升
Gemini-3-Pro 相比 Gemini-2.5-Pro 实现全维度提升：通用感知、空间感知、信息图形、多模态推理等领域均有显著进步，展现了 Google 在多模态领域的持续迭代能力。
Gemini-3-Pro 打破了上一季度第一梯队模型集中在 60 分左右的格局，以总分 66 分大比分领先，这展示了多模态模型的进步仍有不俗潜力，相信在 Gemini-3-Pro 的刺激下，各大模型厂商也将能够愈战愈勇，将多模态模型的整体水平带上一个新的台阶。
GPT-5.1 模型在多模态创作领域获得了显著提升，和 Qwen3-VL-235B-A22B-Thinking 共同打破了多模态创作领域的得分纪录。但值得注意的是，GPT-5.1 在其他领域表现欠佳，整体得分仅达到 GPT-5-nano 水平，可见 GPT-5.1 是一个有些偏科的选手，也许是 OpenAI 为了回应前段时间 GPT-5 “缺少人情味” 的指摘，在创作领域重点发力。不知面对 Gemini-3-Pro 的挑战，OpenAI 后续会交出一份怎样的答卷。
榜单规则说明
本榜单基于闭源测试数据，对不同多模态模型在 通用感知、空间感知、视觉质量感知、信息图形理解、多模态推理、多模态创作 六大能力维度上的表现进行了评测，并基于 归一化分数 计算模型的平均得分进行排序。闭源评测基准拥有较为丰富的题目类型，包含单选、多选、填空、开放性创作等，且为中英文双语，可以同时考验模型的多语言理解能力。
子维度能力解读
通用感知
在通用感知能力方面，闭源模型 Seed1.6-vision-250815 与 Gemini-3-Pro 并列第一。在通用感知测试中存在涉及人物识别的问题，其中 GPT 模型在此问题上现象比较严重，一定程度上影响了得分情况。下方的性能展示图片标注了每个模型的拒答比率。
视觉质量感知
在视觉质量感知方面，在前 5 名中 Qwen3-VL-235B-A22B-Instruct 为本次榜单新近上榜，此类任务涉及对图像缺陷的判断，这一特殊的任务类型，使很多综合实力很强的模型得分不高，而一些小模型，如 SAIL-VL-2B、OVis2-8B 反而获得了较高的得分。
空间感知
在空间感知方面，很多新模型都获得了较大幅度的提升。最为亮眼的当属 Gemini-3-Pro，在此能力上大幅领先其他模型，展现了 Gemini 在世界知识上的强大能力。同样亮眼的是新上榜的 VideoChatOnlineV2，获得了与 Seed1.6-vision-250815 并列第一的好成绩。
信息图形感知
在信息图形感知方面，同样是 Gemini-3-Pro 取得了排名第一的成绩，但分差并没有领先第二名的 Seed1.6 太多。开源模型则相较上期榜单在这一方面有一定性能提升，Qwen3-VL-235B-A22B-Thinking 追平了 GPT-5-mini-20250807，另外一个新上榜的模型 RBDash-v2.0-Thinking 以 38B 的参数量同样跻身前十名的行列，期待开源模型能够在后续取得更好的成绩
多模态推理
在多模态推理方面，GPT-5-20250807 在评测中维持了第一名的成绩，而 Gemini-3-Pro 则超越了前代 Gemini-2.5-Pro，成为了新的第二名。总体而言，闭源模型在推理能力方面占据较强的统治地位，开源模型仍在持续追赶中，Qwen3-VL-235B-A22B-Thinking 跻身前十，而开源模型中的第一名依然是 InternVL3.5-241B-A28B。
多模态创作
在多模态创作方面，GPT-5.1 异军突起，虽然在其他维度的能力仅为中上游，但在多模态创作能力上较第二名打出了一个较大的分差，可见 GPT 在创作领域的补强卓见成效。而 Qwen3-VL-235B-A22B-Thinking 和 Qwen3-VL-235B-A22B-Instruct 的表现同样亮眼，两个模型双双强势进入前十名，打破了此前闭源模型在此维度的大幅领先地位。