最近，来自东京大学的研究团队提出了多模态交互式欺骗评估基准 MIDA（Multimodal Interactive Deception Assessment），系统测试 GPT、Gemini、Claude、Qwen、DeepSeek 等开源和闭源模型在多人社交互动中的欺骗判断能力。当研究者只保留必须判断真假的样本时，结果发生了明显变化：GPT-4o 的二分类准确率只有 27.6%，GPT-4o-mini 也只有 39.4%。当模型离开答案明确的视觉问答，进入一个人人掌握不同信息、观点持续变化、甚至会主动影响他人判断的环境时，今天最强的多模态大模型，依然很难真正”读懂空气”。