MathVista
2024 发布 · 维护方 UCLA
图表、几何图形与函数图像中的数学推理（6,141 题），衡量模型「看图算数」的能力。
- 题目规模
- 6,141 道题
- 分数区间
- 0–100% 正确率
污染风险 中
当前前沿 ~80%
SOTA：—
原榜分数原文：~80%
多模态类评测基准
MULTIMODAL图文与跨模态理解多模态理解类目前只收录两个基准：MMMU-Pro（大学水平图文混合题，约 3,500 题，30 个学科）与 MathVista（图表、几何图形与函数图像里的数学推理，6,141 题）。两者共同的短板是分数来源不透明——榜单聚合的主要是厂商自报，没有维护方统一复跑，所以这两栏的数字只能看相对位置，不能当第三方实测。另一个坑是 MMMU-Pro 剔除了「仅靠文字就能答对」的样本，与原版 MMMU 不可直接比较。
本分类收录
2 个基准
活跃 2 · 数据日期 2026-10-19
本分类收录 2 个基准：活跃 2、已饱和 0、已停用 0；高污染风险 0 个，另有 0 个（0%）能追溯到明确的 SOTA 持有模型。 全站共 36 个基准、6 个分类， 回评测基准百科看全部，或从下方「其它分类」切到相邻的一类。
本分类基准
2
多模态 · 数据更新 2026-10-19
仍在活跃
2
题目或榜单仍在更新，有区分度
已饱和
0
前沿模型接近上限，只作能力下限
高污染风险
0
题库公开多年，分数偏乐观
有明确 SOTA
0
占比 0%，其余只有大致说法
这一类该怎么看
多模态- 先确认是 MMMU 还是 MMMU-Pro：Pro 版剔掉了单看文字就能作答的样本，两套分数不能混着看，引用时写明版本。
- 看图算数（MathVista）与看图答题（MMMU-Pro）是两种能力：前者接近「视觉 + 推理」，后者更接近「学科知识 + 读图」，选型时按自己的场景挑，不要合并成一个「多模态分」。
- 这一类缺少独立第三方复跑，看到异常高的分数先找评分脚注：是否 few-shot、是否附带图注、是否只评最终答案、有没有把题目转成文本再喂给模型。
先看这几条
2 个多模态基准清单
显示 2 / 2 个多模态基准常见问题
MMMU-Pro 和原版 MMMU 有什么区别？
Pro 版剔除了「仅靠题目文字就能答对」的样本，把题目改成必须真正看图才能作答，题量约 3,500 题、覆盖 30 个学科。因此 Pro 的分数普遍低于原版 MMMU，两套成绩不能混在一起比较。
MathVista 的 80% 是什么分数？
它衡量图表、几何图形与函数图像里的数学推理，共 6,141 题，官方给的是准确率。本页显示的分数来自聚合厂商自报，没有维护方复跑，不同厂商的提示词与是否给图注都会影响结果，所以只适合看相对位置。
为什么多模态理解类基准这么少？
构建成本高：要人工配图、标注答案、处理开放式输出的判定；公开后可复跑的更少。结果就是厂商各自用内部题集自报，第三方很难核验。本页宁可只列两个有公开说明的基准，也不把厂商自报的私有题集当基准收录。
图像、视频生成模型怎么评测？
不在本类。生成类没有唯一答案，主流做法是人类偏好竞技场（两两对比投票后算 Elo），与这里的「读图答题」是两套体系；语音榜同理。本页只收有标准答案的多模态理解类基准。
其它分类
5 个读榜前先看这几条
本分类范围2 个基准全站共 36 个基准 / 6 个分类，按分类归入本页
这一类看什么多模态导语、判据要点与问答都按这一类的实际考法写，题量与分数保留原值
分数怎么看来源混合官方榜、独立评测机构与厂商自报混用，卡片里逐条标注；跨来源横向比较要谨慎
状态怎么读活跃 / 已饱和 / 已停用已饱和说明前沿模型接近上限，已停用说明这个版本不再维护
没有的数据显示「—」没有 SOTA 模型或没有榜单链接时如实留空，不用估计值填充
适合谁看挑基准前先看这一类同场景的基准放在一起比，才分得出哪个数字能当证据
数据来自公开渠道整理：各基准的论文、维护方榜单与第三方跑分结果，数据日期 2026-10-19。
