先说明：没有单一“全球总榜”，4套学术界/工业界公认权威基准分开排名，覆盖图像、视频、音频、文档全多模态能力；全部数据更新至2026年5–6月。
一、国内工业权威：MME（腾讯优图+厦大，静态图文感知/认知，国产多模态核心榜单）
评测维度：14个子任务，分感知总榜、认知总榜、综合总分，全球闭源+开源全模型参评
MME综合总榜TOP10（2026.5最新）
1.Skywork-MM 13B（昆仑万维天工）：总分1419.08｜感知全球第1，认知第2，OCR、细节图像识别极强
2.MMI-CL
3.Llama 3 Vision 70B
4.BLIVA-FlanT5
5.GPT-4V（GPT4o视觉基座）
6.Gemini 2.0 Ultra
7.InstructBLIP
8.Otter-MPT7B
9.LLaVA-1.6 13B
10.InternLM-XComposer 2
二、全球学术通用：MMMU-Pro（大学级跨学科图文推理，全球通用多模态能力金标准）
侧重数理、图表、医学、工程复杂图文推理，海外头部模型优势明显
MMMU-Pro全球TOP10（2026.6）
1.GPT-5.4 Pro（OpenAI）：94.0%
2.Claude Mythos 5（Anthropic）：92.7%
3.Claude Fable 5：92.7%
4.Gemini 3.1 Pro（Google）：83.9%
5.Gemini 3.5 Flash：83.6%
6.GPT-5.5：81.2%
7.GPT-4o：78.5%
8.Qwen3.7-Max-VL（阿里通义）：76.1%
9.MiniMax M3-VL：74.3%
10.Skywork-MM：72.8%
三、图文+视频综合：SEED-Bench 2（清华，图像+时序视频双模态）
同时测静态图、短视频时序理解，覆盖20+国产/海外开源模型
SEED-Bench 2 L3（最高难度）排名
1.Emu3（Meta）
2.Gemini 3 Ultra Video
3.SkyReels V4（昆仑万维视频多模态）
4.Qwen3.5-VL
5.InternLM-XComposer-Video
6.LLaVA-Video 1.6
7.MiniMax M3
8.GPT-4o Video
四、真人盲测体感：LMSYS Chatbot Arena 多模态分榜（用户真实交互打分）
不看跑分，纯人类主观测评日常图文对话、绘图理解、图表解读
2026年6月多模态盲测Elo分梯队
第一梯队（Elo>1850，全能）
1.Claude Mythos 5
2.GPT-5.4 Pro
3.Gemini 3.1 Pro
第二梯队（Elo 1700–1850，商用主力）
1.GPT-4o
2.Claude 3.5 Sonnet
3.字节Seed 2.1 Pro（豆包多模态）
4.Qwen3.7-Max
第三梯队（国产垂类优势）
1.Skywork-MM（静态图像感知拉满，通用对话偏弱）
2.MiniMax M3
3.DeepSeek-V4 Multimodal
4.讯飞星火V4.5
分赛道全球头部总结（2026最新）
1. 静态图像/OCR/细节感知（MME基准）
全球第一：Skywork-MM（天工）
海外对标：GPT-4V、Gemini 2 Ultra（弱于天工感知分项）
2. 复杂学术图文推理（MMMU-Pro）
全球第一：GPT-5.4 Pro
国产最强：Qwen3.7-Max-VL
3. 视频生成+视频理解（SEED-Bench+Artificial Analysis视频榜）
全球文生视频第一梯队：SkyReels V4（昆仑万维）、Sora 2、Veo3.1、Kling 3.0
时序视频理解：Gemini 3 Ultra Video
4. 长文档图文/图表分析（企业商用）
全球第一：Claude Mythos 5
国产最优：Kimi K2.7、通义Qwen3.7
5. 全模态闭环（图+文+音+视频+实时语音）
1.Google Gemini 3.1 Pro（原生全模态）
2.字节Seed 2.1全系列（Seedream视频、Seed-Audio音频）
3.昆仑万维天工矩阵（Skywork-MM图像+SkyReels视频+Mureka音乐）
主流多模态模型完整归类（全部上榜模型）
海外闭源头部
GPT-5.4 Pro / GPT-4o、Claude Mythos 5 / Fable 5、Gemini 3.1 Pro/Ultra、Llama 4 Vision
国内上市公司自研多模态
1.昆仑万维：Skywork-MM（图像）、SkyReels V4（视频）、Mureka（音频）
2.字节跳动（豆包）：Seed 2.1 Pro、Seedream 5.0
3.阿里通义：Qwen3.7-Max-VL
4.百度文心：ERNIE 4.5-VL
5.腾讯混元：Hunyuan-VL V3
6.科大讯飞：星火V4.5多模态
7.智谱AI：GLM-5.2-VL
8.MiniMax：M3-VL
9.DeepSeek：V4 Multimodal
主流开源多模态基座
LLaVA-1.6、InternLM-XComposer 2、BLIVA、Qwen-VL开源系列、MPlug-Owl
需要我把MMMU-Pro、MME、SEED-Bench三个榜单合并，做一张完整对比简表，标注每款模型最强赛道吗？
追加内容
本文作者可以追加内容哦 !
