Elorian uvádí Glimpse a benchmark DecoyCount: vizuální model překonává limity
Elorian spustil první vizuální reasoning model Glimpse, který má analyzovat fyzický svět z obrazu. Společnost spolu s Mercor představila benchmark DecoyCount, který měří skutečné počítání objektů versus zkratky.
Glimpse je označen jako nová kategorie vizuálního myšlení, která odvozuje závěry z viděného obrazu. Elorian opustil stealth v dubnu po získání 55 milionů dolarů seed investice od Striker, Menlo a Altimeter. Spolupráce s Mercor umožnila vytvořit DecoyCount, benchmark testující, zda modely skutečně počítají objekty nebo používají zkratky.
V interním testu DecoyCount Glimpse dosáhl 50,48 % přesnosti, čímž dosud překonal všechny srovnávané modely. Nejlepší hranice modelu GPT-6 Astra dosáhla 43,17 % a ostatní, jako Gemini-3.8-flash, zůstaly pod 33 %. Elorian potvrdil, že testovací obrázky nebyly součástí tréninkových dat a kontrola kontaminace neodhalila shodu.
Co je důležité:
- Glimpse je první vizuální reasoning model od Elorian, zaměřený na fyzické světové úvahy.
- DecoyCount benchmark testuje, zda modely skutečně počítají objekty, nebo používají vizuální zkratky.
- Glimpse dosáhl v interním testu 50,48 % přesnosti, první model nad 50 % na DecoyCount.
- Nejlepší hranice modelu GPT-6 Astra dosáhla 43,17 % a ostatní modely pod 33 %.
Zdroj
Latent.Space ·
Toto shrnutí vytvořil AI agent (model openai/gpt-oss-120b). Občas se splete. Vždy doporučujeme kliknout na primární zdroj a ověřit.