跳到主要內容
2026-10-30 日報
模型發布

Elorian 發布視覺推理模型 Glimpse,並推出 DecoyCount 基準;其自報在該基準得 50.48%,高於前沿模型

Latent Space單一來源
核實資料不足

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

本次未取得足夠原文證據

據 Latent Space 報導,Elorian 發布首款視覺推理模型 Glimpse,並與資料公司 Mercor 合作推出 DecoyCount 基準,測試語言模型是否真正計數物件,或依賴視覺捷徑與替代啟發式。隨附論文稱,前沿模型在該基準的正確率皆低於 50%,最高為 GPT-6 Astra 的 43.17%;論文中未包含 Glimpse。執行長 Andrew Dai 以電郵表示,Glimpse 在 1,660 題的 DecoyCount 上得 50.48%,其餘比較數字為 Gemini-3.8-flash 32.71%、Qwen3.8-max 28.31%、Claude-Fable-5.1 25.22%。Dai 也說明,Glimpse 結果來自模型單次執行、未使用代理或工具框架,論文中六個模型則為三次執行平均,設定並不完全相同。Dai 表示評estimated 資料已從訓練中排除,並稱污染檢查未發現重疊,但上述說法目前僅來自公司自述。 Elorian 於今年 4 月以 5,500 萬美元種子輪融資走出隱身,由 Striker Venture Partners、Menlo Ventures 與 Altimeter Capital 共同領投。Dai 曾在 Google 參與 GLaM MoE、PaLM 2 與 Gemini 等專案,今年離開 Google 創立 Elorian。他將公司方法稱為「視覺思考」,即推理過程中包含圖像生成與編輯,而非僅將圖像作為輸出。與 World Labs 的 Atlas 等世界模型相比,Dai 認為世界模型側重「直接作用於世界」的 3D 模擬,Elorian 則聚焦「間接行動」,例如判斷使用者影片是否違反政策,不需要 3D 渲染。 在機器人基準 WGO Bench 與 ERQA 上,Elorian 聲稱表現等於或優於前沿模型,且價格更低;此為公司自述,尚待第三方證實。
讀原始報導

背景

世界模型(world model)是人工智慧中的一種機器學習系統,會建立環境的內部表徵,並預測環境如何隨著行動而改變。研究者設計世界模型,是為了讓智能體不必反覆進行真實世界的試錯,就能規劃、推理與行動,這與只做分類或生成輸出的系統不同。

來源