codex 5.3, opus 4.6, gemini 3.0 proの画像認識能力を比べた

TL;DR Gemini 3.0 Pro Preview、Claude Opus 4.6、GPT-5.3 Codex（Extra High）に同じ画像を説明させた。Geminiの描写が最も正確だった。 プロンプト ~/Downloads/hennagazou.jpg に写ってるものを可能な限り正確に表現してみて 認識結果 Codex（GPT-5.3 Extra High） 画像には、田園地帯の道路でのスナップが写っています。見える要素を客観的に書くと次のとおりです。 右手前に、紺色のセーラー服を着た人物が腕を伸ばしてカメラを向け、笑顔で写っている（自撮り構図）。 そ...