Elorian 发布首个视觉推理模型 Glimpse，以 API 研究预览形式开放

Glimpse 的核心机制是 Elorian 所说的「视觉暂存区」：多数多模态模型把图像一次性转成 token 后在文本里推理，而 Glimpse 在推理中途可以裁剪到某个区域、从视频里抽取特定帧，或运行代码去测量和比较看到的内容。该模型以研究预览形式发布，提供 API 访问，聊天界面仅限候补名单。定价为每百万 token 输入 0.60 美元、输出 3 美元，公司称一个小团队用几百块 GPU 完成训练，规模明显小于其对标的 frontier 系统。 按 Elorian 的评测，Glimpse 在科学图表推理和短视频字幕上超过 GPT-6 Astra，其他视觉推理任务结果具有竞争力。初期目标客户是手里有大量视频的公司：机器人公司、科学实验室、媒体和创意公司。 使用该 API 的机器人团队、科学实验室和媒体公司可直接调用这套裁剪加代码执行的视觉推理链路；长期 Elorian 想从「看」走向「做」，即用场景建模来选择动作，包括直接控制机器人，并计划明年做出在各项视觉推理测试上领先的模型。