PerceptionBench 是由 Moonshot AI 于 2026 年发布的大模型视觉感知能力基准数据集，专门用于评估多模态大语言模型（MLLMs）基本视觉感知能力，相关论文成果为 PerceptionBench: Evaluating Atomic Visual Perception in Multimodal Large Language Models 。 该数据集共包含 3,000 道已验证测试题，涵盖 10 种基本感知能力，包含视觉关系理解、计数、属性认知、深度与 3D 感知、空间定位、比较推理、细粒度识别、上下文整合、 OCR 文本理解及感知相关幻觉等类别。其中 1,800 题为从现有基准测试的失败样本中分解得到的原子级子问题，1,200 题为基于补充图像全新创作的题目。评测采用标准化提示词模板与最高可用推理预算，对 GPT-5.6-Sol 、 Kimi K3 、 Claude-Fable-5 等 16 款前沿多模态大语言模型进行开放问答测试。

数据字段：

• index：样本唯一索引编号
• answer：参考答案
• problem：题目描述
• hint：提示信息
• image：题目中的图片信息
• error_category：样本对应的原子感知能力类别
• source_bmk：上游基准的来源标识
• source_idx：样本在上游基准中的原始索引

Citation

@article{perceptionbench2026,
title   = {PerceptionBench: Evaluating Atomic Visual Perception in Multimodal Large Language Models},
author  = {Moonshot AI},
year    = {2026}
}