帕洛阿尔托AI初创公司Elorian正式发布其首款模型Glimpse。此前，该公司以3亿美元估值完成了5500万美元种子轮融资。
Glimpse目前以研究预览版形式推出，开放API访问，聊天界面则实行候补名单制。Elorian指出，尽管当前AI模型在语言和代码处理上表现优异，但在真正“看懂”图像方面仍存在短板。
引入“视觉草稿空间”机制
传统多模态模型通常仅对图像进行一次扫描，将其转化为标记（tokens）后基于文本进行推理，这类似于凭记忆描述照片。相比之下，Glimpse引入了“视觉草稿空间”机制，允许模型在推理过程中反复回溯原始数据源。它可以裁剪特定区域、从视频中提取关键帧，或运行代码以测量和比较视觉内容，类似用户在手机上放大照片以确认细节。
Elorian首席执行官、前谷歌DeepMind研究员Andrew Dai表示，现有模型难以直观理解棋盘游戏图标或宜家组装图示等视觉语言，而人类却能轻松做到。Glimpse旨在解决这一痛点。
小团队训练，主打高性价比
尽管OpenAI已在2025年为其o系列模型加入了推理过程中的裁剪与缩放功能，但Elorian强调，Glimpse是以该机制为核心从头构建的，且成本更低。该公司透露，一个小团队仅使用数百块GPU便训练出了Glimpse，其模型规模远小于主流前沿系统。
定价方面，Glimpse输入价格为每百万令牌0.60美元，输出价格为每百万令牌3美元。这一费率低于Sonnet和Sol等中级模型，但高于Haiku和Luna等轻量级模型。Elorian评估显示，Glimpse在科学图表推理和短视频字幕生成任务中表现优于GPT-6 Astra，并在其他视觉推理任务中具备竞争力。
获英伟达及Jeff Dean投资
六个月前，Elorian结束隐身模式，宣布完成由Striker Venture Partners、Menlo Ventures和Altimeter Capital联合领投的种子轮融资，英伟达及谷歌首席科学家Jeff Dean等也参与了投资。
Elorian初期目标客户锁定拥有大量视频数据的企业，如机器人公司、科学实验室及媒体创意机构。长远来看，公司计划从“看”演进至“做”，通过构建场景模型选择行动，甚至直接控制机器人。Dai表示，公司明年的目标是在所有视觉推理测试中领先，打造全球最佳视觉推理模型。