今天，北京AI创企星尘科技的“天工”多模态模型，在医学影像诊断、卫星图像分析等视觉推理任务上，首次超越了人类专家平均水平。它用了“时空注意力融合”架构，能同时看文本、图像、视频甚至3D点云——相当于给AI装了个全能“鹰眼”。清华孵化、估值120亿美元，星尘已经和三甲医院、航天机构签了合作。这比GPT-4V强在哪？不是简单识别，而是推理：比如看卫星图能判断农作物病害原因。但注意，MMLU-Pro基准测试只是实验室环境，真实场景的复杂度和噪声可能让模型翻车。对我意味着什么？你拍个CT，AI可能比医生更快发现早期肿瘤，但误诊责任谁来担？

WolfEye: 视觉推理超越人类，但现实比测试复杂。