Elorianは2026年10月29日(現地時間)、新しい視覚推論モデル「Glimpse」と、AIデータ企業のMercorと共同開発したベンチマーク「DecoyCount」を発表した。「Glimpse」は、物理世界を視覚から推論する「視覚思考モデル」として位置づけられている。同社は、これまでのフロンティアモデルがDecoyCountで50%を下回る精度だったことを指摘し、Glimpseの優位性を示した。
Elorianは今年4月にシードラウンドで5500万ドルの資金調達を実施し、ステルスモードから脱却していた。「DecoyCount」は、言語モデルが物体を正確に数えるのか、それとも視覚的なショートカットや置換ヒューリスティックに依存しているのかを評価する目的で開発された。
「DecoyCount」の論文によると、フロンティアモデルの精度は50%を下回り、GPT-6 Astraが43.17%で最高だった。ElorianのAndrew Dai最高経営責任者 (CEO) は、Glimpseが内部テストで50.48%を記録し、比較対象のモデルの中で唯一50%を超えたと述べた。他のモデルのスコアは、Gemini-3.8-flashが32.71%、Qwen3.8-maxが28.31%、Claude-Fable-5.1が25.22%だった。
Dai氏は、多くのベンチマークが見逃している視覚と推論の組み合わせをDecoyCountがテストしていると説明する。同氏は人間が鏡の中のリンゴを1つと認識するように、モデルも視覚情報から正しい推論を行う必要があると指摘した。Elorianは、Glimpseの設計において、生成および編集された画像を推論プロセスの一部として利用する「視覚思考」のアプローチを採用している。
Elorianのアプローチは、World LabsのAtlasやGoogleのGenie 4といった「ワールドモデル」とは異なる。「ワールドモデル」が「世界に対する直接的な行動」を可能にするシミュレーション環境構築に焦点を当てるのに対し、ElorianはGlimpseが提供するような視覚推論による「間接的な行動」、すなわち意思決定やワークフローへの情報提供を重視している。
「Glimpse」の応用分野としては、ロボット工学、エンジニアリング、防衛関連が挙げられる。建築家が建築基準やコンプライアンスをチェックする作業や、倉庫ロボットが箱の中の品物を数える作業などが例として示されている。Elorianは、WGO BenchとERQAという2つのロボット工学ベンチマークでフロンティアモデルと同等かそれ以上の評価を受けたと主張している。
同社はさらに、視覚推論が汎用人工知能 (AGI) の基礎的な要件であると主張している。Dai氏は、人間と機械の間には依然として大きな隔たりがあるとしつつも、視覚推論がそのギャップを埋める鍵になるとの見方を示している。
参考: Latent Space — 2026年10月30日 01:00 (JST)
原文ハイライト"stronger general reasoning does not by itself generalize to aligned visual reasoning."