LLM Stats

Hallusion Bench

A comprehensive benchmark designed to evaluate image-context reasoning in large visual-language models (LVLMs) by challenging models with 346 images and 1,129 carefully crafted questions to assess language hallucination and visual illusion

评测信息与证据

来源: LLM Stats
发布者: 未收录
评测发布日期: 未收录
采集日期: 2026-08-17
模态: multimodal

本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。

原始资料

报告成绩 18

按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。

模型	数值	单位	协议	报告日期与口径	来源
Qwen3.5-27B	0.7	未收录	未收录	2026-02-24 · model_announcement	LLM Stats
Qwen3.6-35B-A3B	0.698	未收录	未收录	2026-04-16 · model_announcement	LLM Stats
Qwen3.5-35B-A3B	0.679	未收录	未收录	2026-02-24 · model_announcement	LLM Stats
Qwen3.5-122B-A10B	0.676	未收录	未收录	2026-02-24 · model_announcement	LLM Stats
Qwen3 VL 32B Thinking	0.674	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
Qwen3 VL 235B A22B Thinking	0.667	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
Qwen3 VL 30B A3B Thinking	0.66	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
Qwen3 VL 8B Thinking	0.654	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
Qwen3 VL 4B Thinking	0.641	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
Qwen3 VL 32B Instruct	0.638	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
Qwen3 VL 235B A22B Instruct	0.632	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
North Micro Vision Instruct	0.615	未收录	未收录	2026-08-12 · model_announcement	LLM Stats
Qwen3 VL 30B A3B Instruct	0.615	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
Qwen3 VL 8B Instruct	0.611	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
Qwen3 VL 4B Instruct	0.576	未收录	未收录	2025-09-22 · model_announcement	LLM Stats
Qwen2.5 VL 72B Instruct	0.5516	未收录	未收录	2025-01-26 · model_announcement	LLM Stats
Qwen2.5 VL 7B Instruct	0.529	未收录	未收录	2025-01-26 · model_announcement	LLM Stats
LFM2.5-VL-3B	0.472	未收录	未收录	2026-08-12 · model_announcement	LLM Stats

评测信息与证据

原始资料

报告成绩 18

继续阅读

AI 评测与排行榜，分别告诉你什么

怎样比较 AI 评测成绩，避免混用评测口径

为编程、网络安全与电脑操作智能体选择评测