Gemini Robotics-ER 1.6 achieves its highly accurate instrument readings by using agentic vision, which combines visual reasoning with code execution. The model takes intermediate steps: first zooming into an image to get a better read of small details in a gauge, then using pointing and code execution to estimate proportions and intervals and get an accurate reading.
这一描述揭示了AI如何通过多步骤推理解决复杂问题，展示了模型在处理精细视觉任务时的创新方法。将视觉推理与代码执行相结合的能力代表了AI系统向更接近人类认知方式的方向发展，这种混合方法可能成为未来AI解决复杂物理任务的标准范式。
Reasoning-oriented models like OpenAI's o1 and GPT-5 show measurable gains over standard models—not only in logic and mathematics but also with interpreting user intent.
令人惊讶的是：专注于推理的模型如OpenAI的o1和GPT-5不仅在逻辑和数学方面表现出明显优势，在理解用户意图方面也有显著提升。这表明AI推理能力的进步正在从纯逻辑领域扩展到更复杂的社交认知领域，为AI与人类交互提供了新的可能性。
After compressing, the model again extends its solutions to achieve stronger performance.
令人惊讶的是：Muse Spark在测试时展现出一种独特的'思想压缩'能力，模型在最初通过延长思考时间提高性能后，会在时间惩罚机制下自发压缩推理过程，然后再扩展解决方案以获得更强的性能。这种动态的自我优化机制在AI模型中前所未见。
Uni-1 can perform structured internal reasoning before and during image synthesis. It decomposes instructions, resolves constraints, and plans composition, then renders accordingly.
令人惊讶的是：UNI-1能够在图像合成前后进行结构化内部推理，分解指令、解决约束并规划构图，这打破了传统AI系统只能被动执行指令的局限，展现了一种接近人类思维过程的AI能力。
Uni-1 is a multimodal reasoning model that can generate pixels.
令人惊讶的是：UNI-1被描述为'能够生成像素的多模态推理模型'，这种表述暗示它不仅仅是图像生成器，而是真正理解并推理多模态信息的系统，能够将抽象概念转化为具体的视觉表现，代表了AI从简单模式匹配向真正理解概念的重大飞跃。
Common-sense scene completion, spatial reasoning, and plausibility-driven transformation.
令人惊讶的是：UNI-1具备常识场景补全、空间推理和基于可能性的转换能力，这意味着它不仅仅是机械地生成图像，而是能够理解物理世界的基本规律，这种能力使生成的图像更加真实可信，代表了AI理解现实世界的重要进步。
Kozyreva, A., Lewandowsky, S., & Hertwig, R. (2019, December 4). Citizens Versus the Internet: Confronting Digital Challenges With Cognitive Tools. https://doi.org/10.31234/osf.io/ky4x8