从看热闹到看门道这一步呢

看图的模型这些年把单张图片的活儿干得越来越漂亮。可只要画面里有东西在动、或者换个角度。成绩就掉得厉害。这个短板终于有人专门来修。 补这个短板的东西叫 Glimpse。官方把它称作第一个视觉思维模型，主打的就是处理会动会变的东西。它在几个公开的视觉推理评测上跟前排的 Astra 拿出了有竞争力的成绩。看动态画面这件事它不落下风。 这个方向为什么值得单拎出来讲，原因在于过去模型的"看"其实是"认"。认一张静止的图有现成的答案可以对。而理解一段变化的过程没有标准答案可抄，得真的把时间维度上的因果给捋出来。这类能力上去了。后面接视频分析、接实时监控这些应用才有底气。 我自己拿的看法是，视觉思维这四个字听起来挺虚。可它指向的是从看热闹到看门道那一步。谁先迈过去谁就在下一轮应用里占了先手。当然新模型刚出成绩能保持多久还得等第三方复测，先别急着下结论。