Spider Bench: сравнение 9 моделей зрения на 2000 фотографиях пауков

Автор протестировал девять моделей компьютерного зрения на одном и том же наборе из 2000 фотографий пауков, охватывающих 671 вид и подвид. Лучшая точность определения вида составила 49,85% у Gemini 3.8 Flash, за ней следует GPT-6 Astra с 47,50%. Задача заключалась в выборе одного из 20 научных названий для каждого фото, при этом все модели получали одинаковые изображения и списки кандидатов. Результаты, код и настройки опубликованы.