前 Google 研究员创 Elorian 推视觉推理模型,前沿模型数数不过半
Latent Space · rss · 2026-10-29
Latent Space 深度访谈 Elorian CEO Andrew Dai（前 Google，2015 年与 Quoc Le 合著早期预训练-微调论文，后参与 GLaM/PaLM 2/Gemini）。Elorian 今年 4 月携 5500 万美元种子轮出隐身，现与 Mercor 合作发布视觉推理模型 Glimpse 和新 benchmark DecoyCount。
DecoyCount 结果
- 该基准测试模型是真正数数还是依赖视觉捷径/启发式，暴露七类可解释的数数失败机制
- 前沿模型全部低于 50%：最高的 GPT-6 Astra 仅 43.17%，Gemini-3.8-flash 32.71%，Qwen3.8-max 28.31%，Claude-Fable-5.1 25.22%
- Dai 称 Glimpse 内测得 50.48%（1660 题，无 agent/工具辅助），论文结论是「更强的通用推理并不会自动泛化为对齐的视觉推理」
核心方法：视觉思维（visual thinking）
Glimpse 把图像生成与编辑作为推理链的一部分——像人脑中想象沙发摆在客厅、逐个「划掉」数人数那样，让模型在推理轨迹中对图像进行生成和编辑，而非直接跳到结论。
与 world models 的区别
World Labs 的 Atlas（后被 AMD 收购）、Google Genie 4 等世界模型是「直接作用于世界」的 3D 模拟环境；Elorian 主攻「间接作用」——用视觉推理支撑决策与工作流（如审核视频是否违规、建筑合规检查、仓储机器人清点实际零件数）。
AGI 主张
Dai 认为视觉推理是人类智能推理的基本步骤，「要做 AGI 就不能跳过视觉」。Elorian 还称在 WGO Bench 和 ERQA 两个机器人基准上持平或超过前沿模型且成本更低。
「模型」频道最新
- Hy-Nomas 交互式视频世界模型上线 Hugging Face Demo — _akhaliq · 2026-10-29
- 爆料称 Google 手中仍握有未放出的 SOTA 级模型 — iruletheworldmo · 2026-10-29
- Artificial Analysis 榜单：Grok 包揽直答与先答后解释双榜前列 — XFreeze · 2026-10-29
- GPT-6 Sol 不耗额度其他模型耗,统一后计费更显混乱 — Angaisb_ · 2026-10-29
- GPT-6.1 Terra 得分 28.1% 追平 Fable 5.1，token 效率更高更便宜 — scaling01 · 2026-10-29
- Opus 5.5 写自定义内核据称明显强于 GPT-6 Astra — DimitrisPapail · 2026-10-29