10 月 16 日，此前以 3 億美元估值完成 5500 萬美元種子輪融資的 Palo Alto 初創公司 Elorian 發布首個模型 Glimpse，形式為研究預覽，開放 API，聊天介面需排隊。據 TechCrunch 報導，Glimpse 主打「視覺草稿空間」：模型在推理過程中可反覆回到原圖，裁剪區域性、抽取影… 看完整事件
Elorian 發布視覺推理模型 Glimpse，DecoyCount 計數得分 50.48%
Elorian 發布首個視覺推理模型 Glimpse，其在公司與 Mercor 合作的 DecoyCount 計數基準內部測試中得分 50.48%，為對比中唯一超過 50% 的模型。論文中前沿模型最高是 GPT-6 Astra 的 43.17%，Gemini-3.8-flash 為 32.71%，Qwen3.8-max 為 28.31%，Claude-Fable-5.1 為 25.22%。
Elorian 首次公布 Glimpse 與 DecoyCount：前沿模型計數準確率均低於 50%，Glimpse 內部測試為 50.48%，並明確單次執行、無工具框架的對比限制。
原標題：Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning
閱讀原文
| 評分 | 62 / 63（平均 62，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
Kimi 發布 PerceptionBench，16 個前沿多模態模型準確率均不足 60%
Kimi 團隊發布 PerceptionBench，這是從 42 個現有基準中的真實模型失敗裡歸納出視覺感知能力的評測集，包含 10 類原子感知能力：視覺關係、計數、屬性、深度與 3D、定位、比較、細粒度識別、上下文整合、OCR 與幻覺；共 3000 道經驗證題目，只需看圖即可作答，不依賴推理或外部知識。在 16 個前沿多模態大模型上，沒有一個模型準確率達到 60%，感知相關的幻覺平均是最弱項，總分接近的模型在實際感知內容上也可能差別很大。
尤拉永珍與港科廣開源 UniWAM，LIBERO 成功率 99.2%
尤拉永珍與香港科技大學（廣州）聯合開源具身模型 UniWAM（統一世界與動作模型），將語義理解、未來視覺預測與動作生成納入統一架構，並首次揭示人機聯合訓練的 Scaling 趨勢。模型在 LIBERO 取得 99.2% 平均成功率、LIBERO-Plus 92.6%、RoboTwin 2.0 C2R 68.32%，真機在雙臂 AgileX Piper 平台上平均任務成功率 67.5%、指令跟隨率 82.5%，長程桌面整理進度得分 5.0/6。程式碼與權重已全部開源。
Ollama 0.40.7 引入 Perplexity 的 27B 決策模型
Ollama v0.40.7 引入 Perplexity 的 27B 決策模型 pplx-decider，基於 Qwen3.8-27B 微調。該版本修復了 OpenAI 相容 Responses 對話在有無 thinking 的模型間切換、或歷史含其他廠商壓縮項時失敗的問題，並糾正流式請求中客戶端工具呼叫早於 reasoning 項輸出導致的亂序與重複事件。客戶端斷連後，路由到遠端模型的請求會在 ollama.com 上取消，不再繼續執行；
7B 審計模型 AgentForesight 上線，多智慧體任務失敗前預警
羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。
@OpenAIDevs: Developers have been using the Decisions API to:
OpenAI 開發者帳號公布 Decisions API 的六類典型用法：把請求路由到合適的模型、工具或智慧體；把規模化輸入轉成標籤、排名和評分；分析影像、比較視覺內容或定位影片關鍵幀；依據截圖選擇按鈕、填寫表單或判斷操作；標記有風險的工具呼叫或需深入審查的問題；以及對大規模資料集分類以發現趨勢和模式。推文未給出定價、可用範圍或上線時間等資訊。