WorldVQA

WorldVQA est un benchmark consacré aux connaissances du monde mobilisées à partir d’éléments visuels. Conçu autour d’une approche centrée sur la vision, il évalue la capacité des modèles à reconnaître des informations visuelles liées au réel, puis à les intégrer dans un raisonnement.

À l’intersection de la vision, du raisonnement et du traitement multimodal, WorldVQA sert à comparer la compréhension visuelle des modèles au-delà de la simple identification d’objets. Il met ainsi l’accent sur des unités de connaissance précises représentées dans les images.

Carte d'identité

Classement des modèles (5)

Classement établi sur 5 modèles évalués. Score médian de l'ensemble : 51,0 %. « Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench, MTEB…).

Notre analyse

Un score élevé sur WorldVQA indique une meilleure aptitude à interpréter des éléments visuels porteurs de connaissances sur le monde réel et à raisonner à partir de ces éléments. Qwen3.7-Plus domine les cinq modèles évalués avec 61 %, tandis que le score médian atteint 51 %. Cet écart suggère un avantage réel du premier modèle, mais aussi une marge de progression générale. Le benchmark ne paraît donc pas saturé au vu des résultats recensés. La portée du classement reste toutefois circonscrite aux connaissances atomiques centrées sur la vision et ne résume pas l’ensemble des capacités multimodales d’un modèle. Une contamination éventuelle par des contenus d’évaluation présents dans les données d’entraînement pourrait également gonfler les performances sans refléter une généralisation équivalente. Enfin, les scores étant majoritairement auto-déclarés par les éditeurs, leur comparabilité offre moins de garanties qu’une évaluation entièrement indépendante et conduite selon un protocole uniforme. Le classement met principalement en évidence l’avance de Qwen3.7-Plus sur le niveau médian de cet ensemble restreint.

Sources des scores : llm-stats.