让 AI 找东西时，人会自然地换个角度、放大细节，再决定下一步看哪里。ActiveVision 测的正是这种“主动视觉”：把感知和行动连成闭环，而不是只描述一张现成图片。这个新基准包含三类共 17 项任务，要求模型反复观察。
据论文讨论帖披露，GPT-5.5 即使采用最高档推理强度——回答前投入更多计算步骤——也只完成 10.6%，其中 11 项得分为零；三名人类参与者平均达到 96.1%，差距为 85.5 个百分点。Claude Fable 5 得分则为 3.5%。更值得注意的是，模型无法靠自己写代码补上缺口：会调用工具，不等于会规划下一步该观察什么。
这些分数只反映特定任务，不能直接等同于整体智能；但它清楚提醒我们，当前前沿模型在“看见”之外，距离像人一样主动地看，仍有很长一段路。