Компания Epoch AI 23 сентября представила результаты тестирования Furniture Assembly Benchmark (FAB). В рамках исследования нейросети анализировали 60 фотографий мебели IKEA с намеренными ошибками сборки. Модели должны были сопоставить изображения с официальными инструкциями, используя Python-интерпретатор и инструменты масштабирования.
Лидером стала OpenAI GPT-6 Astra с точностью 80%, что почти в три раза выше показателей конца 2025 года. Модели Anthropic Claude Fable 5.1 и Claude Opus 5 показали результат 70% и 61%. Для сравнения, в ноябре 2025 года лучший показатель составлял 28%. GPT-6 Astra также стала самой быстрой, обрабатывая одно фото в среднем за 3 минуты.
Исследователи отметили разницу в логике моделей: Gemini и Qwen часто ищут ошибки там, где их нет, а ранние версии моделей OpenAI и Anthropic их пропускали. На успех влияют ракурс съемки и скрытость дефекта, а не сложность самой мебели. Скорость работы моделей выросла в 2–10 раз, однако до режима реального времени показатели пока не дотягивают.
Среди китайских разработок лучшим стал Kimi K3, который отстает от мировых лидеров в визуальном мышлении на 7 месяцев. Это разрыв больше, чем в тестах на общие способности. При этом популярные модели DeepSeek V4 Pro и GLM 5.3 на данный момент не поддерживают работу с изображениями, что ограничивает их применение в подобных задачах по сборке и ремонту.
