VIALS-AA：通往科學影像推理的不同路徑

VIALS-AA 分析了 19 個模型如何對科學影像進行推理，並對 9,177 次工具呼叫的執行軌跡進行分類。查看影像佔呼叫的 38.3%，影像準備或量測佔 47.3%；而影像量測在 GPT-6 Astra (max) 與 GPT-6.1 Sol (max) 上僅佔呼叫的 5–6%，相較之下 Claude Opus 5.5 (max) 與 Claude Sonnet 5.5 (max) 則為 25–27%。Gemini 3.8 Flash (high) 產生了該群體 86.7% 的評論／無操作呼叫，且各模型每項任務的成本差異接近 100 倍。