Can Frontier Models See Past a Decoy? Elorian Tests — 前沿模型在数数基准上集体不及格，Elorian 用\"视觉思考\"切入视觉推理赛道

• DecoyCount 基准测试模型是否真在数物体，还是靠视觉捷径；前沿模型最高仅 GPT-6 Astra 43.17%，Claude-Fable-5.1 仅 25.22%。含义：通用推理强不等于视觉推理强，agent 的视觉判断需要单独评测。
• Elorian 的 Glimpse 内部测试 50.48%，是唯一过 50% 的模型，但仅单次运行、无 agent 或工具框架，而对比模型为三次平均。含义：跨模型对比需注意评测口径差异。
• Dai 主张图像生成与编辑应进入推理链，而非仅作输出；并区分世界模型（直接作用于世界）与视觉推理（间接辅助决策，如审核视频）。含义：视觉推理可作为工具链中的判断模块，无需 3D 仿真。

原文：Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning · 作者 Latent Space