Elorian发布视觉推理模型Glimpse，引入动态交互机制

Elorian 发布了其首款模型 Glimpse，该模型采用研究预览形式提供 API 访问，核心突破在于引入了“视觉草稿空间”（visual scratch space），允许模型在推理过程中主动裁剪图像区域、提取视频帧或运行代码来验证假设，而非像传统多模态模型那样仅将图像转换为 token 后进行文本推理。 定价方面，Glimpse 输入每百万 token 收费 0.60 美元，输出每百万 token 收费 3 美元，价格低于 Sonnet 和 Sol 等中级模型，但高于 Haiku 和 Luna 等轻量级模型。尽管训练团队规模较小且仅使用数百张 GPU，评估显示其在科学图表推理和短视频字幕生成任务上优于 GPT-6 Astra，并在其他视觉推理任务中表现具有竞争力。CEO Andrew Dai 指出，当前模型难以理解如棋盘游戏图标等缺乏文本辅助的视觉语言，而 Glimpse 旨在解决这一直觉缺失问题。 事实层面，Elorian 此前以 3 亿美元估值完成 5500 万美元种子轮融资，投资方包括 Nvidia 和 Jeff Dean。推断层面，公司短期目标聚焦于拥有大量视频数据的机器人、实验室及媒体行业，长期愿景是从“看见”转向“行动”，即利用场景模型直接控制机器人。猜测层面，文中未明确提及模型的具体参数量或是否开源，仅强调其比前沿系统小得多，未来一年计划成为“全球最佳视觉推理模型”。