Visual Reasoning on BLINK (Granular Metrics)

99Jigsaw AccuracyHuman

Evaluation Results

Method
Human2026.04	99	—	—	96.07	99.42	—	—	92.48	—	98	—	—	—	—
P22026.04	96.67	—	—	74.1	96.51	—	—	63.91	77.68	77.05	—	—	—	—
SEVEX2026.03	95.8	85.1	86.7	63.3	89.4	84.1	78.9	—	—	—	—	—	—	—
P22026.04	91.33	—	—	64.03	94.19	—	—	86.47	81.45	93.44	—	—	—	—
P22026.04	90.67	—	—	62.59	86.04	—	—	94.73	69.89	90.16	—	—	—	—
Gemini 2.5 Pro2026.04	88	—	—	66.19	91.86	—	—	33.83	61.83	57.38	—	—	—	—
P22026.04	86.67	—	—	64.03	88.37	—	—	93.98	61.02	85.25	—	—	—	—
Gemini-2.5-Pro2026.05	85.3	—	90.2	—	—	74.6	—	50.4	—	—	85.5	78.3	89.4	43.3
P22026.04	83.33	—	—	46.04	39.53	—	—	69.17	32.25	55.74	—	—	—	—
InternVL3.5-4B2026.04	80	—	—	45.32	65.69	—	—	45.86	40.59	56.56	—	—	—	—
Visual Sketchpad2026.04	79.33	—	—	60.43	91.86	—	—	47.37	63.71	67.21	—	—	—	—
Qwen3VL-4B2026.04	79.33	—	—	59.71	80.23	—	—	39.84	41.66	54.1	—	—	—	—
Gemini 2.5 Pro2026.04	78	—	—	64.03	91.86	—	—	48.12	57.79	70.49	—	—	—	—
GPT-5 Mini2026.04	76	—	—	53.24	76.74	—	—	41.35	52.42	58.2	—	—	—	—
Naive2026.03	75.8	83	81.4	55	87.3	76.5	71.6	—	—	—	—	—	—	—
LATTE2026.04	75.33	—	—	33.09	29.65	—	—	48.87	—	47.54	—	—	—	—
MMFactory2026.04	75.3	—	—	58.3	85.5	—	—	60.2	—	59	—	—	—	—
SketchPad2026.03	70.8	85.1	85.8	58.7	90.9	78.3	64.6	—	—	—	—	—	—	—
Visual Sketchpad2026.04	70.7	—	—	58.3	80.8	—	—	45.6	—	65.4	—	—	—	—
InternVL3.5-4B2026.04	66.67	—	—	44.6	64.53	—	—	75.18	37.9	54.92	—	—	—	—
GPT-5 Mini2026.04	66	—	—	53.24	75.58	—	—	45.11	65.05	59.02	—	—	—	—
CapImagine2026.02	64.7	—	—	—	—	—	—	49.6	—	—	—	—	—	—
Qwen3VL-4B2026.04	64.67	—	—	61.87	86.62	—	—	45.9	47.04	54.92	—	—	—	—
Qwen2.5VL-7B2026.02	62.7	—	—	—	—	—	—	42.9	—	—	—	—	—	—
InternVL3.5-2B2026.04	62	—	—	34.53	41.86	—	—	56.39	25	50	—	—	—	—
InternVL3.5-2B2026.04	61.33	—	—	33.81	34.88	—	—	49.62	29.57	47.54	—	—	—	—
Qwen3VL-4B2026.04	60.66	—	—	62.58	76.16	—	—	67.66	42.4	45.9	—	—	—	—
CapImagine2026.02	59.3	—	—	—	—	—	—	42.9	—	—	—	—	—	—
Thyme2026.04	58	—	—	39.57	63.95	—	—	51.88	35.21	48.36	—	—	—	—
ATLASGRPO2026.05	57.7	—	70.6	—	—	50.5	—	43.6	—	—	57.3	61.7	34.1	26
Bagel2026.05	57.3	—	69.2	—	—	51.1	—	39.8	—	—	63.2	60.8	37.1	30
TULIP2026.04	57.26	—	—	29.61	48.97	—	—	44.96	—	60.01	—	—	—	—
VTS-V2026.05	56.1	—	67.2	—	—	51.2	—	49.4	—	—	62.4	61.7	32.9	28.7
CapImagine2026.02	56	—	—	—	—	—	—	44.4	—	—	—	—	—	—
GPT-4o2026.05	55.3	—	69.2	—	—	61	—	59.4	—	—	82.9	49.2	79.5	31.3
GPT-4o2026.02	55.3	—	—	—	—	—	—	59.4	—	—	—	—	—	—
ATLASSFT2026.05	54.7	—	57.3	—	—	46	—	48.1	—	—	50.4	59.2	26.5	26
OVR-7B2026.04	53.33	—	—	24.5	32.56	—	—	46.62	25.27	51.64	—	—	—	—
Claude-4-Sonnet2026.05	53.3	—	62.2	—	—	49.9	—	47.4	—	—	61.5	59.2	35.6	30
Visual CoT2026.05	52.7	—	63.6	—	—	44.4	—	44.4	—	—	47	57.5	25	20.7
LVR2026.05	52.7	—	65	—	—	49.4	—	48.1	—	—	59	60	35.6	25.3
LVR2026.02	52	—	—	—	—	—	—	46.6	—	—	—	—	—	—
ATLASLA-GRPO2026.05	51.3	—	62.9	—	—	51.3	—	53.4	—	—	65	62.5	37.9	26.3
MCOT2026.05	50.7	—	62.2	—	—	47.4	—	45.9	—	—	55.6	57.5	33.3	26.7
InternVL3-8B2026.02	50	—	—	—	—	—	—	45.9	—	—	—	—	—	—
Monet2026.02	50	—	—	—	—	—	—	47.4	—	—	—	—	—	—
Gemini-2.0-Flash2026.05	48.7	—	58	—	—	45.3	—	43.6	—	—	56.4	55	30.3	25.3
Monet2026.05	45.3	—	58.7	—	—	41.8	—	40.5	—	—	41	56.7	22.7	28
V-Thinker2026.05	42	—	43.4	—	—	35	—	51.1	—	—	26.9	43.3	19.7	18.7
CoVT2026.05	41.3	—	65	—	—	47.9	—	49.6	—	—	59	60	36.4	24
PerceptionLM-8B2026.04	40	—	—	38.13	43.6	—	—	55.64	51.08	63.11	—	—	—	—
Zebra-CoT2026.04	39.33	—	—	17.99	26.16	—	—	21.02	—	45.9	—	—	—	—
LLaVA-OneVision-7B2026.05	38.7	—	47.6	—	—	36.6	—	33.8	—	—	47	43.3	25	20.7
MiniGPT-v22026.05	34.7	—	44.8	—	—	32.8	—	48.9	—	—	43.6	13.3	24.2	20.3
Gemma-3-27B2026.05	33.3	—	42.7	—	—	32.1	—	31.6	—	—	42.7	37.5	21.2	16
Qwen2.5-VL2026.05	31.3	—	20.3	—	—	22.8	—	0	—	—	29.9	58.3	0.8	18.7
Anole2026.05	2	—	27.3	—	—	16.4	—	3	—	—	31.6	25	11.7	14.3