Epoch AI近日发布家具组装基准测试（FAB），专门评估多模态AI理解现实装配过程的能力。测试用60张宜家家具组装照片，要求AI将照片与官方PDF说明书比对，找出故意装错的位置并说明问题。
OpenAI GPT-6 Astra以80%准确率位居榜首，Anthropic Claude Fable 5.1和Claude Opus 5分别为70%和61%。而2025年11月领先模型Claude Opus 4.5准确率仅28%，前沿模型约10个月内实现显著跃升。
GPT-6 Astra的推理效率同样突出，单张照片分析中位耗时约3分钟，是研究中速度最快的模型，比此前领先模型快约2至10倍，但距真正实时识别仍有差距。
研究还发现不同模型的错误模式：谷歌Gemini和阿里Qwen系列几乎总是先假设存在错误再去找；早期Anthropic和OpenAI模型则相反，经常完全找不到错误。错误隐蔽性、视角及错误后继续组装的程度，对难度影响更大。
中国模型中，表现最好的开源权重模型Kimi K3相比国际前沿约落后7个月，视觉推理仍是部分中国模型的薄弱方向。研究团队认为，这类能力与汽车维修、家电检修等场景高度相关，未来AI有望在安装、维修指导中提供实时辅助。