大视觉模型目标检测基准：GPT-4o Vision精度仅0.02，专业模型仍具压倒性优势

AIMultiple于2026年5月7日发布大视觉模型（LVM）目标检测专项基准测试，对比评测GPT-4o Vision、YOLOv8n与DETR三款模型在1000张图像上的目标检测表现，揭示通用视觉模型与专用视觉模型的能力鸿沟。

评测结果（检测精度mAP@0.5）：
• DETR：0.55（最优）
• YOLOv8n：0.20
• GPT-4o Vision：0.02（远低于专用模型）

推理延迟（毫秒/图）：
• YOLOv8n：365ms（最快）
• DETR：3145ms
• GPT-4o Vision：5150ms（最慢）

趋势判断：
GPT-4o等通用大视觉模型在目标检测任务上的精度（0.02 mAP）与其在语言和通用推理上的表现形成鲜明反差——垂直领域的专用模型（如YOLOv8n）凭借极致优化仍保持压倒性优势。企业部署视觉AI不应迷信”大一统”模型，需根据精度/速度/成本三角进行理性选型。