研究与基准测试/2026-08-12/8 分钟最高 58.30%，没有模型到 60%：蚂蚁参与的 VideoGAIA 把视频理解做成多轮工具任务蚂蚁集团参与的 VideoGAIA 用 271 道人工复核题，把视频理解改成最多 40 步的工具循环。20 个模型里最高是 Seed2.0-Pro 的 58.30%，没有一家到 60%。搜索占调用的 60.5%–90.6%，但 GPT-5.5 只调用 262 次仍高于打了 2557 次的 Gemini-3.1-Pro。
