AREX Feed Article
Elorian 发布 Glimpse：自报四项评测超过 GPT-6 Astra，同一张表里六项落后
10 月 16 日（周五），Palo Alto 创业公司 Elorian 发布了它的第一个模型 Glimpse，以研究预览的形式开放 API；据 ，聊天界面仅限候补名单。Elorian 在里把 Glimpse 称作「视觉思考模型」：推理到一半，它可以裁剪并放大图像的一块区域、从视频里抽出特定帧，或者临时运行代码去测量和比较，公司把这块工作区叫作「visual scratch space」（视觉草稿区）。定价是每百万输入 token 0.60 美元、每百万输出 token 3.00 美元。
支撑「超过 GPT-6 Astra」这句话的，是同一篇发布博客里的一张对比表。科学图表推理 CharXiv-R 上，Glimpse 得 92.90，Astra 得 92.10；短视频描述 UGC-VideoCap 上，两者分别是 82.66 和 80.32。同一张表共 12 行评测；按表中数字，在 Astra 有分数的 11 行里，Glimpse 赢 4 行、平 1 行、输 6 行。所有分数都由 Elorian 给出，TechCrunch 的报道也只把它们归为「Elorian 的评测」。
推理到一半，回头再看图
TechCrunch 对多数多模态模型的描述是：看一次图，把图变成 token，然后在文本里推理，像凭记忆描述一张照片。Elorian 的说法是，Glimpse 把视觉表示带进推理过程本身：推理中，它会裁剪并放大某个区域、抽取视频里的特定帧，或者跑一段代码来测量和比较；TechCrunch 把这比作在手机相册里双指放大照片，确认自己刚才看到的东西。
Elorian 公布的两段示例视频展示了具体步骤。在一段火车进站的视频里，Glimpse 先定位列车约 2.2 秒进入画面时的车窗边缘，比较 2.2～3.0 秒之间参考点的位移和运动模糊，再回看 4.5～4.9 秒位移收窄的片段，最后依据 4.9～5.13 秒只移动几个像素判断列车在减速。另一段 6.13 秒的拍鸟视频里，它先以 8 fps 看完全程，再对 4.3～5.2 秒这 0.9 秒以接近 14 fps 复查，用来区分镜头是连续横摇还是硬切。
博客还说，Glimpse 被端到端训练去使用会写代码、改图像、看视频的多模态工具，并能派生和协调彼此交换文本与视觉产物的子代理。
Elorian 创始人兼 CEO、前 Google DeepMind 研究员 Andrew Dai 对 TechCrunch 讲过一个让他判断模型「看不见」的例子：去年他拍下和朋友刚玩完的桌游，问一个前沿模型谁领先，模型答不上来。「每一种桌游都有自己的视觉语言、自己的图标和符号」，他说，「对一个成年人来说，几乎不需要文字就能看懂发生了什么，但这些模型没法凭直觉理解这些符号的意思。」他还问，人看着没有文字的宜家说明书就能把家具装起来，为什么模型不行。
这种做法并不全新。TechCrunch 指出，OpenAI 在 2025 年已把推理中的裁剪与放大加进 o 系列模型。Elorian 的说法是，公司围绕这个行为训练了整个模型，而且成本很低：一个小团队、几百块 GPU，在一个开放权重（open weights）基座模型上做后训练。
同一篇博客用这张照片演示计数：问题是有多少把张开的钳子，参考答案是 4。闭着的钳子是类别对、状态不对，剪刀是外形相似、类别不对。
评测表里的领先项与落后项
发布博客的评测表覆盖机器人操作事件理解、细粒度视觉感知、科学图表、视频描述、时序推理和计数。按它列出的数字，对比是这样：
| 评测 | Glimpse | GPT-6 Astra | 与 Astra 相比 |
|---|---|---|---|
| WGO Bench（端到端操作事件） | 42.70 | 39.42 | 高 3.28 |
| CharXiv-R（科学图表推理） | 92.90 | 92.10 | 高 0.80 |
| UGC-VideoCap（短视频描述） | 82.66 | 80.32 | 高 2.34 |
| FSC-147（开放词表计数） | 83.36 | 82.02 | 高 1.34 |
| ERQA（具身空间推理） | 83.75 | 83.75 | 持平 |
| BabyVision（细粒度视觉推理） | 95.36 | 97.68 | 低 2.32 |
| HSS（图像加视频场景理解） | 46.36 | 53.60 | 低 7.24 |
| DREAM-1K（密集视频描述） | 76.04 | 79.05 | 低 3.01 |
| TOMATO（细粒度时序推理） | 93.60 | 96.02 | 低 2.42 |
| Video-MME v2（带字幕） | 56.68 | 64.06 | 低 7.38 |
| CountQA（商品图计数） | 82.66 | 86.42 | 低 3.76 |
表中只保留 Glimpse 与 Astra 两个模型列，其余模型的分数见发布博客。没有收进上表的 E.T. Bench，Glimpse 得 63.55，Astra 没有分数。表里还有两行的第一名不是 Astra：CharXiv-R 的最高分是 Claude Opus 5.5 的 93.40，Video-MME v2 的最高分是 GPT-6.1 Sol 的 65.27。「超过 Astra」并不等于「这一项最好」。
TechCrunch 把结果概括为「在科学图表推理和短视频描述上超过 GPT-6 Astra，在其他视觉推理任务上有竞争力」。对比条件并不整齐。Elorian 注明，除特别说明外，结果取自各模型的最高思考强度和原生 agent harness（智能体运行框架），Astra、Sol 与 Opus 5.5 都带 Code Interpreter；视频类评测里，Sol 和 Opus 5.5 多数用 high 档，只有 Sol 的 Video-MME v2 用了 max 档，Elorian 说其余视频评测拿不到它们的 max 结果；HSS 一行包含论文报告的数字。
token 单价与单次回答的成本
Elorian 给出的价格对比是：比 GPT-6 Astra 的 10 美元和 50 美元低 94%，比 Claude Opus 5.5 的 4 美元和 20 美元低 85%，比 GPT-6.1 Sol 的 2 美元和 10 美元低 70%，比 Gemini 3.8 Flash 的初始（introductory）价格 0.75 美元和 3.75 美元低 20%。按它列出的价格复算，这些百分比成立。
但 token 单价不是单次回答的成本。Glimpse 的设计本身就要多花 token：裁剪、抽帧、跑代码都是额外的查看与工具调用。Elorian 在博客里写道，「看得这么仔细需要时间，也需要 token」，并把 token 效率列为「下一个最高优先级」。
Elorian 用一个 LIBERO 机器人规划任务来展示单次成本：Glimpse 和 GPT-6 Astra 分别为来自 Physical Intelligence 的视觉-语言-动作（vision-language-action）策略 π0.5 做规划，完成「把奶油奶酪放进碗里，再把碗放到柜子上」；两个规划器都完成了任务，Glimpse 这一局花 0.035 美元，Astra 花 0.249 美元。这是 Elorian 选的一个任务。
第三方渠道上， 已列出 elorian/glimpse，标价与官方一致，上下文为 262K，缓存读取每百万 token 0.06 美元，请求转发给上游服务商 Together。把 Glimpse 标为研究预览，输入支持图像和视频，输出为文本。
API 已开放，聊天界面说法不一
TechCrunch 的表述是，Glimpse 以研究预览发布，开放 API，聊天界面仅限候补名单，「所以眼下它是一张结果表和一套论点」。Elorian 的博客则写「今天起可通过 API 和我们的聊天界面使用」，按钮写的是「Sign up for Glimpse」，指向 platform.elorian.ai；这个页面目前是一个登录页。
研究预览的边界写在博客里：视觉理解是「早期一步」，校准重建（calibrated reconstruction）和机器人控制仍是待完成的工作，直接输出动作是下一步。TechCrunch 提到，公司称 Glimpse 比它对标的前沿系统小得多。
首批目标客户是手里有视频的机构
Elorian 在发布产品之前就完成了 5,500 万美元种子轮，估值 3 亿美元，由 Striker Venture Partners、Menlo Ventures 和 Altimeter Capital 联合领投，参投方包括 Nvidia，以及 Google 首席科学家 Jeff Dean。TechCrunch 称，公司六个月前才结束隐身状态。
TechCrunch 列出的首批目标客户是手里有大量视频的机构：机器人公司、科学实验室、媒体和创意公司。发布博客展示的用法也覆盖其中几类：给遥操作数据里的物体打框，把一段机器人视频切成六个带时间戳的 pick-and-place（抓取放置）事件；为 VLA 模型做高层规划；用一段 2 分 46 秒、含 14 个关键事件的哈瓦那街头表演做密集描述对比；在一段手机视频里数院子里的小狗。
更远的目标是从「看见」走到「行动」。Dai 对 TechCrunch 说，公司明年的目标是做出「世界上最好的视觉推理模型」，在每一项视觉推理测试上都领先。Elorian 自己的表里，HSS 和 Video-MME v2 比 Astra 低 7 分以上。