omarsar0· @omarsar0 · X·· 3 小时前AI 评分
ElorianAI 首款 VLM Glimpse 棋盘测试胜 Gemini 3.8 Flash
ElorianAI 发布首款视觉语言模型 Glimpse，在 10 个棋盘俯拍图的同提示词对比测试中取得 8/10 全对，Gemini 3.8 Flash 为 5/10。该测试由人工核验，展示 Glimpse 能整帧读对棋盘而非只读对大部分，可把原始机器人视频转成训练数据。作者称其体现的是 Visual Thinking，而非把视觉识别转成文字。
请关注这波新的视觉语言模型（VLM）。
Glimpse 是 @ElorianAI 推出的首个模型，其核心团队曾主导 Google 的 Gemini 和 Apple 的 MM-1。
快速测试：从俯拍视角拍摄的 10 个游戏棋盘。相同的提示词、相同的图像，两个模型对比，人工核验结果。
Glimpse：10 个棋盘中 8 个完全正确。
Gemini 3.8 Flash：10 个中 5 个。
这就是数据标注的样子。让整个画面都正确，而不只是大部分正确，才能把原始机器人视频转化为训练数据。
这是强大的视觉思维（Visual Thinking），而不只是把视觉识别结果转成文字。
来源：omarsar0 · x.com