Elorian 出 Glimpse — Frontier Now

10 月 16 日，Palo Alto 初创公司 Elorian 发布了首个模型 Glimpse。这家由前 Google DeepMind 研究员 Andrew Dai 创立的公司，在 2026 年 4 月以 3 亿美元估值完成了 5500 万美元种子轮融资，Jeff Dean 与 Nvidia 参投。Glimpse 的定位是一个在推理过程中反复回看原图的视觉思考模型，区别于把图像转成 token 就完事的常规路线——它可以在推理中途放大图像局部、从视频中抽取特定帧、或运行代码来测量和比较画面内容。Elorian 把这种机制称为「visual scratch space」（视觉草稿空间）。

要点

融资规模与估值：Elorian 在约六个月前走出隐身状态，以 3 亿美元估值完成 5500 万美元种子轮。Striker Venture Partners、Menlo Ventures 与 Altimeter Capital 共同领投，Nvidia 和 Google 首席科学家 Jeff Dean 参与投资。
定价：Glimpse 的 API 价格为每百万输入 token 0.60 美元、每百万输出 token 3 美元——比 Claude Sonnet 和 GPT-6 Sol 便宜，但比 Haiku 和 Luna 贵。
技术路线：主流多模态模型的做法是「看一眼，转成 token，然后基于文本推理」。Glimpse 会在推理过程中反复回到原始图像，裁剪局部、抽取视频帧或执行代码来验证它看到了什么。

背景

Elorian 的核心论点是：今天的 AI 模型不会「看」。大多数视觉语言模型把图像转成 token 后，就在文本空间里推理，像凭记忆描述一张照片。Elorian 官网首页写道：「今天的视觉语言模型分两步推理：先把视觉输入翻译成语言，再执行基于文本的推理。无论后续推理多强，这条链路都是脆弱的、受限的、且容易产生幻觉。」CEO Andrew Dai 的动机来自一次游戏之夜——他拍了一张刚下完的桌游照片，问前沿模型谁赢了，模型答不上来。Dai 对 TechCrunch 说：「每个桌游都有自己的视觉语言、自己的图标和符号。对成年人来说，理解发生了什么很容易，但这些模型无法凭直觉理解符号的含义。」他反问道：「人类可以看着没有文字的宜家说明书组装家具，AI 模型为什么不行？」

事实部分

Glimpse 的定价、可用性和官方自评（Elorian 官方博客与 TechCrunch，2026 年 10 月 16 日查看）：

项目	数字	来源口径
种子轮金额	5500 万美元	TechCrunch、Elorian 官网
投后估值	3 亿美元	TechCrunch
输入价格	$0.60 / 百万 token	官方博客 Table 1、TechCrunch
输出价格	$3.00 / 百万 token	官方博客 Table 1、TechCrunch
可用性	API 与聊天界面均已开放	官方博客、models 页
官方自评结果	14 项评测中 4 项超过 GPT-6 Astra、1 项持平，另有 3 项落后	Elorian 官方博客 Table 1
训练规模	小团队仅用数百块 GPU，基于开源权重基座做后训练	Elorian 官方博客

可用性方面，Elorian 的 models 页只有一支演示：一段七秒的铅笔素描动画（无音频、无字幕），模型被问到「这些人在跳什么舞」，它按时间段拆解了动作——0.0–4.4 秒「经典闭合握持，稳定滑步，每半秒左右轻弹」，4.4–5.4 秒「抬起手臂引导腋下旋转——swing-out」，5.4–7.3 秒「开放式位置，面对面，弹跳侧步」。models 页同时写着「Bringing Glimpse to a team?」，提供企业级接入（批量访问、自定义评测、部署支持），但页面本身没有公开的定价表或自助注册入口。

各方说法

Elorian 自己的 HSS 基准给出了最具体的独立视角。HSS（Humanity’s Sixth Sense）是 Elorian 与 Scale AI 在 10 月 8 日联合发布的视觉推理基准，包含 522 个任务（288 张图片、234 段短视频，共 17.6 小时视频）。人类基线得分 93.1%，25 个参测模型中最高分是 GPT-6 Astra 的 53.6%，中位数 30.9%。Elorian 在博客中给出的失败归因值得注意：8573 个标注失败中，94% 来自「看错」或「漏读」——53% 是看错了图像中的内容，41% 是未能推断图像暗示但未直接展示的信息，只有 5% 是逻辑错误。HSS 还发现，让模型用智能体工具裁剪、放大再看一次（类似 Glimpse 的做法），在 388 任务子集上把最佳成绩从基线提升到 59.3%，把失败数从 944 降到 759。

HSS 榜单之外还有一份更完整的数字。Elorian 于 10 月 16 日发布的官方博客 Table 1 把 Glimpse 与 GPT-6 Astra、GPT-6.1 Sol、Opus 5.5、Gemini 3.8 Flash 并列比较，共 14 项评测：Glimpse 在科学图表推理（CharXiv-R，92.90 对 92.10）、开放词汇计数（FSC-147，83.36 对 82.02）、短视频字幕（UGC-VideoCap，82.66 对 80.32）和操作事件理解（WGO Bench，42.70 对 39.42）四项上超过 Astra，在具身空间推理（ERQA，83.75 对 83.75）上持平。官方口径是「在多模态基准上达到前沿水平，有时超过 GPT-6 Astra 和 Claude Opus 5.5，同时是一个显著更小、更便宜的模型」。

需要说清楚的是，这份表格里也有 Glimpse 落后的项目：BabyVision 细粒度视觉推理 94.33 落后 Astra 的 97.68，DREAM-1K 密集视频字幕 76.04 落后 79.05，TOMATO 细粒度时序推理 93.60 落后 96.02。而在 HSS 上，Glimpse 的 46.36 分低于 Astra 的 53.6——这正是 10 月 8 日榜单里 25 个模型最高分那一项。所以「超过 GPT-6 Astra」要限定范围：成立在四项特定评测上，不适用于全部视觉推理任务。所有数字都出自 Elorian 自己的博客，尚无独立第三方复现，这与本站此前报道 Meta 开源 Muse Spark Open 时强调的口径一致——厂商基准与独立复现之间的差距，往往比数字本身更值得关注。

编辑判断

Glimpse 的故事本质上是「用 HSS 的数据卖 Glimpse 的架构」。Elorian 自己发的基准说得很清楚：模型失败的主因是看错了图，推理逻辑本身只占 5%。Glimpse 的「visual scratch space」正是对这个发现的产品化回应——与其指望模型一次看对，不如让它在推理中途反复回看。定价 $0.60/$3 也印证了这个判断：Glimpse 比前沿模型便宜，说明 Elorian 的竞争点在推理效率上，而非模型规模。

对开发者来说，$0.60/$3 的定价和「小团队、数百 GPU、模型规模远小于前沿系统」这几个数字放在一起，值得关注的是：如果这个方法论成立，视觉推理的成本曲线可能更多由推理架构决定，而非参数量。但现在的证据链有一个明显缺口——所有性能数字都来自 Elorian 自己，官方博客那 14 项评测没有说明是谁跑的对照、用的是哪个具体模型版本，也没有独立第三方复现。在有人单独跑一遍之前，把它当作一个有前景的架构假设，而不是一个已经验证的结果。

怎么试

Glimpse 的 API 已开放，可以直接访问 Elorian 平台（elorian.ai）。聊天界面的开放程度两个来源说法不一致：官方博客写「今天就可以通过 API 和我们的聊天界面使用」，TechCrunch 则说聊天界面走等待名单，实际以官方平台为准。如果你想先理解这个模型在做什么，Elorian 的 models 页有一支 Lindy-Hop 舞蹈识别演示，可以看到模型如何按时间段拆解动作——这正是「推理中回看原图」的具体表现。官方博客还放出了三段带推理痕迹的演示（减速的火车、镜头移动中的两只鸟、抬拖拉机轮胎），可以看到模型如何在推理中放大区域、改变回看帧率、追踪同一特征跨时间的位置。