概览
Elorian 首个「视觉思维」模型：直接在视觉空间里推理，会放大局部、以更高帧率重看视频片段、跨帧跟踪物体后再作答，支持调用代码、图像变换和视频工具并协调子智能体；官方称多项多模态评测接近或超过 GPT-6 Astra，API 定价 $0.60 / $3.00 每百万 tokens。 Glimpse 是 Elorian 于 2026 年 10 月 16 日发布的第一个模型，官方称之为「视觉思维模型」。多数视觉语言模型先把图像转成文字描述再推理，Glimpse 则在推理过程中保留并反复修正内部视觉表征：遇到不确定的地方会放大某个区域、把一小段视频按更高帧率重看，或者跨帧跟踪同一个物体，然后再给出答案。它也被训练成会用工具的智能体，能写代码、变换图像、观看视频，并派生子智能体分工。官方自测表格显示，它在机器人操作事件（WGO Bench）、科学图表推理（CharXiv-R）、短视频字幕（UGC-VideoCap）和开放词表计数（FSC-147）上超过 GPT-6 Astra，在 Video-MME v2、TOMATO 等视频时序评测上仍落后；以上均为官方数据，使用各模型最高推理档。价格为输入 $0.60、输出 $3.00 每百万 tokens，明显低于前沿闭源模型，但官方也提醒它「看得仔细」会多花 token。目前通过 Elorian 平台（platform.elorian.ai）的 API 和网页对话提供，状态为研究预览；OpenRouter 也已上架（标注 262K 上下文，含缓存读取 $0.06 / 百万 tokens）。来源：https://elorian.ai/blog/introducing-glimpse 、https://elorian.ai/models 、https://openrouter.ai/elorian/glimpse （2026-10-21 核对）。
- 模态
- 多模态
能力
- 输入 / 输出：图像、视频、文本 → 文本；通过 Elorian 平台 API 与网页对话界面提供（2026-10-16 起）
- 视觉推理：推理过程中反复回到视觉证据，会放大区域、对短区间加密采样重看、跨时间跟踪同一特征
- 智能体：端到端训练使用多模态工具（写代码、变换图像、看视频），可派生并协调交换文本与视觉中间结果的子智能体
- 官方评测（自测，与 GPT-6 Astra 对比）：WGO Bench 42.70（Astra 39.42）、ERQA 83.75（持平）、CharXiv-R 92.90（92.10）、UGC-VideoCap 82.66（80.32）、FSC-147 83.36（82.02）；Video-MME v2、TOMATO、BabyVision 等落后于 Astra
- 价格：输入 $0.60 / 百万 tokens、输出 $3.00 / 百万 tokens；官方称两项均比 GPT-6 Astra 低 94%、比 Claude Opus 5.5 低 85%
- 训练：小团队用几百块 GPU、在开放权重基座上做后训练（官方未说明基座）
- 适用：科学图表分析、计数、短视频打标签与字幕、机器人操作视频中的事件识别
- 状态：官方标注「Research preview」，下一步重点是提升 token 效率