能够使用、理解并创造工具，是人类智能的核心特征，使人类得以与物理世界进行复杂而精细的互动。对于任何通用智能体而言，若要实现真正的多功能性，也必须掌握这些基础技能。尽管现代多模态大语言模型（MLLMs）凭借其丰富的常识知识，在具身人工智能（embodied AI）以及下游视觉-语言-动作（VLA）模型中实现了高层次的规划能力，但其对物理工具的真实理解程度仍缺乏量化评估。为填补这一空白，我们提出了PhysToolBench——首个专门用于评估MLLMs对物理工具理解能力的基准测试。该基准以视觉问答（VQA）数据集的形式构建，包含超过1000组图像-文本配对，从三个不同难度层级全面评估模型能力：（1）工具识别：要求模型识别工具的主要功能；（2）工具理解：测试模型对工具工作原理深层机制的把握能力；（3）工具创造：在常规工具不可用的情况下，挑战模型利用周围物体构造出新工具的能力。我们对32个MLLMs（涵盖专有模型、开源模型、专用具身模型及VLA骨干模型）进行了全面评估，结果揭示了当前模型在工具理解方面存在显著不足。此外，我们提供了深入的分析，并提出了初步解决方案。相关代码与数据集已公开发布。