专题 · FULL STORY

Elorian 发布视觉思考模型 Glimpse

前 Gemini 成员在 Palo Alto 创办 Elorian，于 10 月 17 日发布首个「视觉思考模型」Glimpse 研究预览版，API 开放、聊天界面排队中，宣称以低 17 倍成本达到对标 Astra 的视觉推理水平。

2026-10-17 ~ 2026-10-20 · 2 集 · 47 条

第 1 集 · 前 Gemini 成员创办 Elorian，发布视觉思考模型 Glimpse 对标 Astra(2026-10-17,45 条)

10 月 17 日，Palo Alto 初创公司 Elorian 发布首个「视觉思考模型」Glimpse（研究预览版），API 已开放、聊天界面排队中，定价为输入每百万 token 0.6 美元、输出 3 美元。创始人 Andrew Dai 为前 DeepMind/Gemini 研究员，宣称该模型在多个关键公开视觉推理基准上与 GPT-6 Astra、Claude Opus 5 相当，其中 4 个基准领先；训练仅用数百张 GPU，成本约为 Astra 的 6%，token 价格低 17 倍，且比 Gemini 3.8 Flash 更小更便宜。Jeff Dean 与 Google 研究副总裁 Milanfar 均转发称赞；据 testingcatalog 报道，公司在产品上线前已以 3 亿美元估值完成 5500 万美元种子轮融资。若宣称属实，这将以极小算力成本逼近巨头的视觉推理前沿，值得持续关注第三方验证。

已确认

  • 定位与卖点：针对现有模型「单张静态图片表现好、但画面运动或视角变化就失灵」的短板，主打三类核心任务——在移动群体中保持物体身份追踪、跨视角推理（如从高楼判断桥的位置）、预测物理后果。落地场景瞄准工厂车间、建筑工地、仓库、机器人运动、长视频素材等动态真实世界任务，官方还强调可处理复杂计数任务与视觉谜题。
  • 技术路线：核心是「视觉草稿空间」（visual scratch space），把视觉表征直接纳入推理链路，推理过程中可反复审视图像、裁剪放大局部、抽取指定视频帧、运行代码测量比较，像人捏合缩放照片那样「边看边想」；官方介绍还提到多模态工具与子智能体能力，端到端训练面向 agentic 场景。
  • 商业化方向：创始人方面提及计算机使用、CAD 和多模态数据标注等近期商业化场景；其转发的分析认为机器人会是最大用例，例如机器人每 2 秒做一次视觉校验。
  • 团队与投资：团队核心成员来自 Google Gemini、Apple MM-1 等，成员 yinfeiy 自称在 Google 和 Apple 做了近十年基础模型；Andrew Dai 晒出的支持者包括 Menlo Ventures、Altimeter、Striker、nvidia 等机构以及 Jeff Dean、Brian Zhan、Max 等个人；据 testingcatalog 报道种子轮融资 5500 万美元、估值 3 亿美元。另有转发帖称团队成员包括 Apple LLM 负责人、xAI 负责人和一位哈佛教授，此说法仅见于转发口径。
  • 外部反响：Jeff Dean、Google 研究副总裁 Milanfar 转发称赞；研究者 cneuralnetwork 表示其 1.5 年前的论文曾在 Gemini 中发现视觉推理早期迹象，如今 Glimpse 把「AI 真正进行视觉思考」落地；有用户实测棋盘任务称 Glimpse 得 8/10、胜过 Gemini Flash 的 5/10；svpino 举例其可回答图片或视频内容相关任意问题，如追踪视频中动作随时间的变化；lmoroney 概括其推理方式为「像人在手机上捏合缩放照片一样边看边想」。

尚未确认

  • 全部基准成绩均出自官方口径，训练成本、价格倍数（6%、17 倍）、融资额与估值等对比数据尚无第三方验证。
  • dustinvtran 的相关帖文带有「疑为玩梗」色彩，其转述的对比数字（如 12 项基准中 5 项持平或超过 Astra、真实视觉任务上胜过 Gemini 3.8 Flash）以及自称团队成员的说法需谨慎对待；另有转发帖称其在同 Flash 量级模型中全面占优，同样仅为初步观察。

为什么重要

若宣称属实，Glimpse 将以极小算力和成本在视觉推理这一前沿方向逼近巨头模型，挑战「前沿能力必须靠天量算力」的行业共识；其「视觉草稿空间」思路也为多模态推理提供了新范式参考。后续值得关注的验证点包括独立基准评测与在真实动态视觉任务上的第三方复现。

还有 25 条相关讨论 →

第 2 集 · Glimpse 视觉推理模型发布，称达 Astra 级水平且成本低 17 倍(2026-10-20,2 条)

Andrew Dai 与 Elorian 团队发布视觉推理模型 Glimpse，定位为「视觉思考模型」，宣称在关键公开视觉推理基准上达到与 Astra 相当的前沿水平。该模型针对现有模型擅长单张图片、但难以处理运动与视角变化的问题，主打大规模视频分析落地，成本比 Astra 低 17 倍，团队成员包括 Jeff Dean 前核心下属。