GPT-5與Gemini在甲骨文前全軍覆沒，腾訊發布首個古文字評測基準Chronicles-OCR

据动察 Beating 监测，腾讯混元及 SSV 数字文化实验室联合中科院信工所等机构，正式推出首个覆盖「七体之变」的古文字感知评测基准 Chronicles-OCR。该基准包含 2800 张由专家交叉标注的图像，首次将甲骨文到草书等七种字体的识别难度统一量化。

研究团队评测了 28 个主流多模态大语言模型，结果显示它们在古早字体上几乎全军覆没。在跨时代字符检测任务中，GPT-5 和 Gemini 2.5 Pro 的核心指标接近 0，表现最强的模型也仅有 16.5。即使直接在图上画框免除定位步骤，最高准确率也只有 27.1%，其中 Gemini 3.1 Pro 在甲骨文上的准确率仅 14.0%。

这证实了现代模型严重依赖规整的现代版式先验。面对無約束、強噪聲的古代物理介质，模型的文本分割机制直接失效。字体分類結果進一步表明，模型往往是在識別載体紋理（如龜甲或青銅銹），而非真正的字符筆劃。

实验还揭示了一个反直觉的現象：開啟思考模式反而會導致古文字識別率下降。對照顯示，幾乎所有支持該模式的模型在開啟思考後表現退化。當底層視覺感知缺失時，思考鏈不僅無法紀錯，反而會變成幻覺放大器，輸出高自信的錯誤答案。