5月11日，智能文檔處理領域迎來了重要的里程碑，首個視覺-語言模型的統一基準測試IDP Leaderboard正式推出。

　　該基準通過對9229份文檔和16個數據集的評估，全面分析了當前主流模型在多個核心任務上的表現。

　　盡管Gemini2.5Flash在綜合實力上表現突出，但在OCR和分類任務中卻出現了意外的下滑，顯示出多模態推理能力與基礎文本識別功能之間的權衡問題。

　　IDP Leaderboard通過16個數據集和9229份文檔，評估了主流模型在六大核心任務上的表現。

　　Gemini2.5Flash在綜合實力上領先，但在OCR和分類任務中表現不及前代產品，顯示出模型迭代中的平衡問題。

　　長文檔處理和表格提取仍是視覺-語言模型的短板，最佳模型在這些任務上的得分仍未突破70%。