Cambrian-S旨在通过引入（i）两个新基准——VSI-Super-Recall（VSR）与VSI-Super-Counting（VSC），以及（ii）针对每个基准量身定制的预测性感知推理策略，迈出提升视频世界模型空间超感知能力的第一步。在本研究中，我们对Cambrian-S在这两个方向上的表现进行了深入分析。首先，我们提出一个简单基线模型NoSense，该模型几乎完全忽略时间结构，仅依赖一个词袋式的SigLIP模型，却几乎完美地解决了VSR任务，在长达4小时的视频上仍达到了95%的准确率。这一结果表明，像VSR这样的基准任务在无需空间认知、世界建模或空间超感知的情况下即可近乎完全解决。其次，我们假设Cambrian-S所提出的定制化推理方法可能利用了基准数据集中的捷径启发式（shortcut heuristics）。我们通过一个针对VSC基准的简单合理性检验——VSC-Repeat——来验证这一假设：将每个视频与其自身重复拼接1至5次，这一操作并未改变其中唯一物体的数量，但该简单扰动却导致Cambrian-S的平均相对准确率从42%骤降至0%。一个真正具备空间超感知能力并能整合多经验信息的系统，应当能够识别出同一场景的不同视角，并保持物体计数预测不变；然而，Cambrian-S的推理算法却严重依赖于VSC基准中的一个捷径——即房间不会被重复访问。综合来看，我们的研究发现表明：（i）当前的VSI-Super基准尚未能可靠衡量空间超感知能力；（ii）Cambrian-S所采用的预测性感知推理策略之所以提升性能，实则是无意中利用了数据集中的捷径，而非源于稳健的空间超感知机制。我们已在附录A中附上Cambrian-S作者的回应，以提供与本文观点相平衡的视角。