看电影、听播客、读语言时，大脑不同区域会一起变化，但过去的模型往往只盯着某一种刺激或一小片脑区。Cajal-1 想做一张更完整的“反应地图”：输入视频、声音或语言，预测整个人类大脑皮层的活动，因此值得关注。
它是一个拥有 2.18 亿参数的脑编码模型——学习“外界刺激如何对应脑活动”，而不是从脑信号猜人看见了什么。作者称，模型以约 2000 人观看电影、电视和图片时的 fMRI 数据训练。fMRI 通过血氧变化间接测量脑活动，并非直接读取神经元放电。Cajal-1 可每 1.49 秒预测皮层上 20,484 个位置的 fMRI 响应，把视觉、听觉和语言放进同一套模型。
作者还称，在 Meta 为 TRIBE v2 留出的电影测试中，Cajal-1 的准确度高出 25%，并在 32 次记录中的 27 次更接近真实脑活动。模型与 Colab 演示已开放。不过，这些数字目前来自作者在 Reddit 的自述，供稿未提供论文全文、指标定义或独立复核；它更适合被看作计算神经科学的实验底座，而不是“复刻人脑”。