Gemini-3-Pro 在这份「AI 助手考试」里拿了 66.4 分（满分 100）。翻译成人话：目前最强的全模态模型，当个靠谱助手，也只是个刚及格的 C。
为什么这场考试难？传统视频理解是「passive」——你看完一段给我描述。OmniAssistBench 考的是「interactive」：模型要边看视频边引导一个真实用户完成目标。麻烦在于，模型的回答会动态改变用户下一步动作，静态离线数据集根本覆盖不了。团队用逆向工程网络视频、拆成多轮片段来模拟连续交互，光建数据集就烧了 1000+ 专家工时。
差在哪里？论文点得狠：模型能听懂你说的话，却频繁给错或不完整的答案；尤其搞不定视觉提示（比如手势），多轮对话里保不住历史上下文，还不会在「目标事件」发生前忍住不乱接话。Qwen3-Omni 只拿了 51.2——连及格线都没摸到。
收尾：看一段做菜视频是一回事，隔着屏幕带着一个手里还拿着刀的人一步步做，是另一回事。在模型成为可靠助手之前，路还长。66.4 不是终点，是起点线上的一面镜子。