Elorian 发布视觉思考模型 Glimpse：数百卡后训练，定价较 GPT-6 Astra 低 94%

2026 年 10 月 17 日——硅谷初创公司 Elorian 于 10 月 16 日发布首个视觉思考模型 Glimpse 预览版，该模型可在推理过程中回看图像与视频、放大局部细节、以更高帧率重看片段并修正对画面的理解；官方称其多项多模态评测达到乃至超越 GPT-6 Astra 与 Claude Opus 5.5 水平，API 定价为输入 0.60 美元、输出 3.00 美元每百万 tokens。

Glimpse 现已通过 Elorian 平台的 API 与聊天界面开放体验，官方页面提供免费试用入口。据官方博客，该模型由一个小团队基于开源权重底座、动用数百张 GPU 后训练完成，规模与成本均显著低于现有前沿大模型。

视觉草稿空间：把回看纳入推理链

官方介绍，Glimpse 定位为「视觉思考模型」，即从所见内容出发对物理世界进行推理的系统。与传统多模态模型将图像一次性编码后交由文本推理不同，Glimpse 能够在视觉空间中推理，并随思考推进持续回看、修正内部视觉表征。Elorian 平台同步展示模型的「视觉草稿空间」（visual scratch space），具体行为包括三种：放大图像局部区域、以更高帧率重看某段短片段、跨时间跟踪单一特征。

官方博客给出两个可核查的推理轨迹：在一段列车进站视频中，模型以同一参照物为基准逐段比较位移，判定列车减速；在一段双鸟起飞视频中，模型先以 8fps 通览全片，再对 0.9 秒的模糊过渡区间以约 14fps 重看，据此区分镜头连续平移与硬切。除回看外，Glimpse 还经端到端训练掌握多模态工具调用，包括编写代码、变换图像与观看视频，并能生成和协调子智能体，在文本、视觉产物与内部表征之间交换信息协作解题。

据 ic.work 分析，「推理中用图」并非 Elorian 首创：OpenAI 已于 2025 年 4 月在 o3 与 o4-mini 中推出 Thinking with images 机制；Elorian 的差异点在于将此类机制封装进一个低成本的专用底座模型。

官方评测与定价

官方称，Glimpse 在科学图表推理（CharXiv-R）、开放词表计数（FSC-147）、短视频描述（UGC-VideoCap）与机器人操作事件理解（WGO Bench）四项评测超过 GPT-6 Astra，具身空间推理（ERQA）与之打平。主要成绩如下（官方口径，对比双方均为最高思考档位并各带原生工具环境）：

API 定价如下（官方数据，美元/百万 tokens，输入按未缓存价计）：

官方称该定价较 GPT-6 Astra 低 94%，较 Claude Opus 5.5 低 85%，较 GPT-6.1 Sol 低 70%，较 Gemini 3.8 Flash 介绍价低 20%。

数百张 GPU 的后训练路线与公司背景

Elorian 于 2026 年 4 月结束隐身并宣布完成 5500 万美元种子轮融资，官方信息显示投资方包括 Striker Ventures、Menlo Ventures 与 Altimeter，NVIDIA 等参与投资；据投中网报道，投后估值 3 亿美元。据 ic.work 报道，公司 CEO Andrew Dai 曾参与谷歌 Gemini 数据工作与 PaLM 2 预训练，首席多模态架构师 Yinfei Yang 曾主导 Apple MM1 系列多模态模型，并是视觉语言模型 ALIGN 的共同创建者。

官方博客同时承认，逐帧细看需要时间与 tokens，token 效率是团队下一阶段的工作重点。机器人方向上，官方演示 Glimpse 为 Physical Intelligence 的 π0.5 视觉-语言-动作策略执行规划与进度检查，单 episode 规划成本 0.035 美元，官方对照 GPT-6 Astra 的 0.249 美元；后续路线包括多模态原生预训练、理解与生成一体化，以及面向机器人的直接动作输出。

评测口径的质疑

据 ic.work 分析，官方成绩单存在两点争议。其一，据 OpenAI API 文档，GPT-6 Astra 原生不支持视频输入，UGC-VideoCap 上的对比必然基于外挂抽帧，双方抽帧算法、输入分辨率与工具权限是否对齐未公开；其二，Glimpse 在考察全局场景理解的 HSS 基准上落后 GPT-6 Astra 7.28 分，反映局部裁剪聚焦机制在全局语义理解上的短板。该媒体同时提示，官方成绩暂无第三方复现，各评测环境的外部工具权限不一致，不能直接等同于实际部署表现。