Scale AI выпустила Humanity’s Sixth Sense для оценки визуального мышления GPT-6 Astra
2026-10-07 Scale AI представила Humanity’s Sixth Sense (HSS) — набор испытаний для оценки того, как мультимодальные модели понимают неявный смысл изображений и видео. Задания проверяют временные и причинные связи, пространственную логику, социальные ситуации и абстрактные закономерности. По данным разработчиков теста, люди набрали 93,1%, а лучший результат среди моделей показала GPT-6 Astra — 53,6% при максимальном уровне рассуждений. Независимых замеров и воспроизведения результатов пока нет.
HSS отличается от тестов на распознавание объектов и формальные задачи тем, что требует восстановить контекст, который прямо не показан в кадре: возможную причину события, дальнейшее движение предметов или отношения между людьми. Авторы также проверили сценарий, в котором модель может динамически обрабатывать визуальные материалы; результат улучшился, но разрыв с человеком сохранился. Стоимость прохождения теста, условия лицензирования набора данных и сопоставимый расход токенов в официальном сообщении не указаны.
Для бизнеса результаты важны при выборе моделей для контроля производства, анализа видео, робототехники и других процессов, где ошибка в понимании сцены может привести к неверному действию. Риск состоит в том, что высокая оценка модели на текстовых задачах не подтверждает надежность при работе с физическими и социальными ситуациями; перед внедрением следует провести отраслевую проверку на собственных данных и предусмотреть контроль человеком. Рассчитать стоимость такой проверки в рублях пока нельзя: Scale AI не раскрыла обязательную цену участия, а расходы на API будут зависеть от выбранных моделей и числа повторных запусков.