Scale AI联合Elorian发布新基准Humanity's Sixth Sense（HSS，人类第六感），专门测试模型能否读出画面中没有明说的信息，例如能否塞得下一辆车、追公交的女子为何放慢脚步、模糊标签该填什么数字。该基准包含522道开放式题目，覆盖288张图片和234段、共17.6小时视频，分为时间与因果、物理与空间、社会理解、抽象与情境推断四类。测试显示，20名人类参与者平均得分93.1%，得分最高的GPT-6 Astra即使开到最大推理强度也只有53.6%，其次是GPT-6.1 Sol（46.6%）、Claude Opus 5.5（44.6%）、Gemini 3.8 Flash（41.6%）和Claude Fable 5.1（40.8%），而25个模型的中位数只有30.9%。研究团队对8573次失败逐项归因，发现94%的错误源于感知或隐含信息推断，而非逻辑推理；在Claude Code与Codex中让模型调用智能体放大、裁切、重新抽帧后，成绩有所提升，但把二维遮挡误判为三维对齐的错误几乎没有减少。「人类第六感」相关说法与分数均来自发布方，尚待独立复现。