Palo Alto 的 AI 初创公司 Elorian 发布了自己的第一个模型 Glimpse。这是一款视觉推理模型，它不是把图像和视频一次性转成文字再去推理，而是在推理过程中不断回到画面本身。Glimpse 现已可以通过 Elorian 的 API 和聊天界面使用，价格为每百万 tokens 输入（未缓存）0.60 美元、输出 3.00 美元。Elorian 称，Glimpse 在多模态基准上达到 GPT-6 Astra 和 Claude Opus 5.5 的水平，有时还会超过它们，而模型本身要小得多，也便宜得多。Elorian 发布博客的日期是 10 月 16 日，独家报道此事的 TechCrunch 在北京时间 10 月 17 日 00:01 发稿。

Glimpse 怎么看图

Elorian 把 Glimpse 称为"一种新类别的视觉思考模型"，它从看到的内容出发推理物理世界：跟踪运动中的物体和变化的视角，理解部件如何组合在一起，并把眼前的观察和接下来会发生的事联系起来。Elorian 说，模型在思考时可以回头检查并修正自己内部的视觉表示。TechCrunch 讲得更具体：推理到一半，Glimpse 可以裁剪放大图中某块区域，从视频里抽出特定帧，或者运行代码去测量正在看的东西，Elorian 把这套机制叫作"visual scratch space"（视觉草稿区）。在 Elorian 的聊天界面里，用户能看到模型工作时的这块草稿区。

Glimpse 还作为代理做了端到端训练，会调用写代码、处理图像、看视频等多模态工具。Elorian 称，它还能派生多个子代理，让它们围绕同一个问题互相传递文字、视觉产物和内部表示。Elorian 瞄准的是机器人、科研和创意产业，官方举的例子包括给机器人遥操作视频打标签、为视觉-语言-动作（VLA）机器人策略规划步骤、给短视频做细致的字幕描述，以及在镜头移动的视频里清点物体数量。

Elorian 公布的基准成绩

以下是 Elorian 在发布博客表格里给出的自家数字，我们没有自己跑过这些测试。Elorian 说，所有模型都用最高思考强度和各自原生的代理框架测试，GPT、Claude 和 Gemini 另外配了 Code Interpreter，视频类评测有一些例外。按它的数字，Glimpse 在四项评测上超过 GPT-6 Astra，一项持平：

  • WGO Bench（机器人操作事件）：42.70 对 39.42
  • CharXiv-R（科学图表推理）：92.90 对 92.10
  • UGC-VideoCap（短视频字幕描述）：82.66 对 80.32
  • FSC-147（开放词汇计数）：83.36 对 82.02
  • ERQA（具身空间推理）：双方都是 83.75

同一张表里，在其余六项有 Astra 分数的评测上，Glimpse 都低于 Astra，例如 BabyVision 95.36 对 97.68、TOMATO 93.60 对 96.02、带字幕的 Video-MME v2 56.68 对 64.06。和 Claude Opus 5.5 相比，在双方都有成绩的九项里，Glimpse 有七项更高，CharXiv-R（92.90 对 93.40）和 HSS 场景理解（46.36 对 49.81）则更低。

价格和获取渠道

Elorian 称，输入 0.60 美元、输出 3.00 美元的价格比 GPT-6 Astra 低 94%，比 Claude Opus 5.5 低 85%，比 GPT-6.1 Sol 低 70%，比 Gemini 3.8 Flash 的推广价低 20%。TechCrunch 的定位是：比 Sonnet、Sol 这类中档模型便宜，比 Haiku、Luna 这类轻量模型贵。Elorian 也承认，Glimpse 在作答前仔细反复查看，要花时间也要花 tokens，下一步的重点就是提高 token 效率。

Glimpse 也已上架 OpenRouter。OpenRouter 页面标的缓存读取价是每百万 tokens 0.06 美元，上下文 262,144 tokens，最大输出 256,000 tokens，支持文本、图像和视频输入，输出为文本。目前那里列出的提供方只有 Together 一家。

Elorian 说，Glimpse 是一个小团队只用几百张 GPU 开发出来的，在"an open weights base model"（一个开放权重的基座模型）上做了后训练，但没有说明是哪个模型。Elorian 没有发布 Glimpse 本身的权重，目前只能通过 API、聊天界面和 OpenRouter 使用。

背后的公司

据 TechCrunch 报道，Elorian 在还没推出产品时就完成了 5500 万美元的种子轮融资，估值 3 亿美元。公司在六个月前结束隐身状态，那一轮由 Striker Venture Partners、Menlo Ventures 和 Altimeter Capital 联合领投，Nvidia 和 Google 首席科学家 Jeff Dean 参投。CEO Andrew Dai 曾是 Google DeepMind 的研究员。TechCrunch 还提到，Glimpse 以研究预览版的形式推出，Elorian 首先瞄准手里有大量视频的公司，比如机器人企业、科研实验室，以及媒体和创意公司。Dai 对 TechCrunch 说，公司明年的目标是打造"全世界最好的视觉推理模型"。Elorian 在自己的博客里则写到，接下来会做多模态原生预训练、既能理解又能生成的模型，以及能直接控制机器人的动作输出。