Elorian发布Glimpse模型，可在推理过程中反复审视图像

总部位于帕洛阿尔托的AI初创公司Elorian于2026年10月16日（周五）发布首个模型Glimpse。该模型以研究预览版形式通过API提供，其聊天界面目前仅对候补名单上的用户开放。

该公司认为，当前的AI模型在处理文本和代码方面能力出众，但在真正“看懂”图像方面仍存在困难。大多数多模态系统只会对图像处理一次，将其转换为token，之后仅依靠文本进行推理。Glimpse的设计则是在解决问题的过程中，反复回到原始视觉材料。

视觉草稿空间

Elorian将这一机制称为“视觉草稿空间”。在推理过程中，Glimpse可以裁剪并放大图像的局部、从视频中提取指定帧，或执行代码对所见内容进行测量和比较。这一思路并非首创：OpenAI在2025年就为其o系列模型加入了推理过程中的裁剪与放大能力。Elorian表示，其不同之处在于围绕这一技术构建整个模型，并且成本更低。

首席执行官Andrew Dai曾任Google DeepMind研究员。他称，该项目的部分灵感来自去年的一次桌游之夜：当时一个前沿模型无法根据一张桌面照片判断谁占了上风。他表示，游戏依赖各自的符号系统，成年人能轻松理解，但模型却难以解读。“人类可以看着没有任何文字的宜家示意图，把宜家家具组装起来，”Dai说。

据Elorian介绍，一个小团队使用数百块GPU训练了Glimpse，该模型的规模远小于其所对比的前沿系统。该公司自行进行的评测显示，Glimpse在科学图表推理和短视频字幕生成任务上优于GPT-6 Astra，在其他视觉推理基准测试中也表现具有竞争力。这些结果尚未经过独立验证。

定价、投资方与发展目标

Glimpse的定价为每百万输入token 0.60美元，每百万输出token 3美元，低于Sonnet和Sol等中端模型，但高于Haiku和Luna等轻量级选项。Elorian在推出任何产品之前，于六个月前结束隐身状态，并以3亿美元估值完成了5500万美元的种子轮融资。Striker Venture Partners、Menlo Ventures和Altimeter Capital共同领投此轮融资，Nvidia以及Google首席科学家Jeff Dean也参与其中。

早期客户预计将是拥有大量视频档案的机构，包括机器人公司、科研实验室、媒体机构和创意企业。Elorian希望其模型未来能从感知走向行动，即构建场景的表征并据此选择行动，包括直接控制机器人。Dai表示，明年的目标是打造一个在所有视觉推理基准测试中都名列第一的模型。