前沿模型能看穿诱饵吗？Elorian 用 DecoyCount 测试视觉推理，Glimpse 得分 50.48%

Elorian 与 Mercor 联合发布 DecoyCount 基准，检验语言模型是真在计数还是依赖视觉捷径，参评前沿模型准确率全部低于 50%。Elorian 称其 Glimpse 在 1,660 道题上得 50.48%，是唯一过半的模型，表现最好的前沿模型 GPT-6 Astra 为 43.17%。该成绩为单次运行、不带 agent 或工具框架，论文中六个模型各取三次运行平均。