Elorian 发首款模型 Glimpse：把回看原图写进推理循环

Elorian 发布首款模型 Glimpse——一个以「视觉思考」为主线的多模态模型，以研究预览形式提供 API 与聊天界面（后者候补）。官方对它的核心描述是：今天多数多模态模型只看一次图像、把它转成 token 之后就在文本里推理，Glimpse 则在推理途中不断回到视觉证据，放大某个区域、按更高帧率重看视频里的某一小段、或写代码去测量与比对，官方把这一机制称为「视觉暂存空间」（visual scratch space）。

结构上它还被端到端训练成会调用多模态工具（写代码、改图像、看视频），并能派生与协调子智能体，在子智能体之间交换文本、视觉产物与内部表征。官方称 Glimpse 以几百张 GPU、在后训练层面基于一个开放权重基座完成，体量明显小于它对比的前沿系统；输入 $0.60、输出 $3.00 每百万 token，官方称比 GPT-6 Astra 便宜 94%（Astra 为 $10 / $50）。

官方表格给出九项评测：科学图表推理 CharXiv-R 92.90（Astra 92.10）、短视频描述 UGC-VideoCap 82.66（80.32）、开放词表计数 FSC-147 83.36（82.02）、机器人操作事件 WGO Bench 42.70（39.42）四项高于 Astra，具身空间推理 ERQA 83.75 与 Astra 持平，其余如 BabyVision 94.33、场景理解 HSS 46.36、Video-MME v2 56.68 低于 Astra。以上全部为厂商自测，官方注明对比方各用最高思考档与原生 agent harness，本轮无第三方复现。

原文链接：Elorian 官方博客