帕洛阿爾託 AI 公司 Elorian 釋出了其首個模型 Glimpse，以研究預覽形式上線，提供 API 訪問，聊天介面則採用候補名單制。該公司此前在產品尚未推出前，就以 3 億美元估值完成了 5500 萬美元種子輪融資。

Glimpse 的核心主張是：當前 AI 模型雖然擅長語言與程式碼，卻仍談不上真正「看見」。多數多模態模型把影像一次性轉成 token，再在文本層面推理，相當於憑記憶描述一張照片。Glimpse 的做法是在推理中途反覆回到影像源頭——裁剪某個區域、從影片中抽取特定幀，或執行程式碼去測量、比較眼前的內容。Elorian 把這一機制稱為「視覺草稿空間」，類比人在手機照片上雙指放大、確認自己是否看錯。

Elorian 執行長、前 Google DeepMind 研究員 Andrew Dai 用一個生活場景解釋動機：他曾在遊戲之夜拍下剛和朋友下完的桌遊，問前沿模型誰在領先，模型答不出來。他認為桌遊各有自己的視覺語言、圖示與符號，對人類來說幾乎不需要文字就能看懂，模型卻無法憑直覺理解這些符號的含義。他反問，人類能只看沒有文字的宜家說明書就組裝傢俱，AI 為什麼不能。

這一思路並非全新。OpenAI 在 2025 年就為其 o 系列模型加入了推理過程中的裁剪與縮放能力。Elorian 的差異化在於把這一機制作為整個模型的構建中心，並強調成本可控：公司稱一個小團隊用數百塊 GPU 訓練出 Glimpse，其規模明顯小於被拿來對比的前沿系統。

定價方面，Glimpse 為每百萬輸入 token 0.60 美元、每百萬輸出 token 3 美元，低於 Sonnet、Sol 這類中端模型，但高於 Haiku、Luna 等輕量模型。按 Elorian 自己的評測，Glimpse 在科學圖表推理和短影片描述上超過 GPT-6 Astra，在其他視覺推理任務上也有競爭力。需要說明的是，這些結果來自公司自測，尚未經過獨立第三方驗證。

Elorian 半年前結束隱身狀態，種子輪由 Striker Venture Partners、Menlo Ventures 和 Altimeter Capital 聯合領投，輝達以及 Google 首席科學家 Jeff Dean 參與。其首批目標客戶集中在手握大量影片資料的行業：機器人公司、科學實驗室、媒體與創意企業。

更長期看，Elorian 希望從「看見」走向「行動」——即基於對場景的建模來選擇動作，包括直接控制機器人。Dai 表示，公司明年的目標是打造「世界上最好的視覺推理模型」，在每一項視覺推理測試上都取得領先。

從行業視角看，這條路線觸及多模態模型的一個長期短板：把影像壓縮成 token 後，細節與空間關係容易在文本推理中丟失。讓模型在推理中主動回看、放大、測量，理論上能減少這類資訊損耗，對需要精確讀取圖表、儀表、影片幀序列的任務尤其相關。但「視覺草稿空間」也意味著更多的推理步驟與工具呼叫，實際延遲與穩定性仍需觀察。

競爭格局上，OpenAI、Google 等前沿實驗室已在類似方向佈局，Elorian 的籌碼是更小的模型規模與更低的呼叫價格。若其自測結果能在第三方基準上覆現，影片與機器人資料密集的行業可能多一個成本更友好的選項；若不能，則其敘事仍停留在結果表與論文式主張的階段。