前 Google DeepMind 研究员 Andrew Dai 创办的 Elorian 于 10 月 16 日发布首个模型 Glimpse：推理过程中可裁剪区域、按更高帧率重看片段、运行代码测量，官方称之为“视觉草稿空间”。基于开源权重底座后训练、仅用数百张 GPU；API 定价每百万 token 输入 $0.60 / 输出 $3。厂商评测中在 WGO Bench、CharXiv-R、UGC-VideoCap、FSC-147 上超过 GPT-6 Astra，但在 HSS、BabyVision、TOMATO、Video-MME v2 上仍落后。
核心要点速览
- ✓定价：输入 $0.60 / 输出 $3.00 每百万 token，官方称比 GPT-6 Astra（$10/$50）低 94%（官方博客）
- ✓厂商口径领先项：WGO Bench 42.70 vs Astra 39.42；UGC-VideoCap 82.66 vs 80.32；FSC-147 83.36 vs 82.02；CharXiv-R 92.90 vs 92.10（Opus 5.5 为 93.40）
- ✓厂商口径落后项：HSS 46.36 vs Astra 53.6（人类 93.1）；Video-MME v2 56.68 vs 64.06；TOMATO 93.60 vs 96.02
- ✓LIBERO 机器人规划示例中，为 π0.5 策略做规划单集成本 $0.035，Astra 为 $0.249
- ✓训练规模：小团队、数百张 GPU、基于开源权重底座后训练；公司种子轮 $5500 万、估值 $3 亿（TechCrunch）
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
今天的多模态大模型大多只“看一眼”：把图像编码成 token 后就转入文字推理，遇到运动、视角变化、细粒度计数时容易出错。Elorian 联合 Scale AI 发布的 Humanity's Sixth Sense 基准显示，人类准确率 93.1%，GPT-6 Astra 只有 53.6%。Elorian 由前 Google DeepMind 研究员 Andrew Dai 创办，10 月 16 日发布首个模型 Glimpse，目标就是补上这块短板。
架构亮点与底层机制
Glimpse 的核心是“视觉草稿空间”：推理中可以裁剪放大某个区域、在关键的不到 1 秒区间把采样从 8 fps 提到约 14 fps 重看、或运行代码测量比较。它还被端到端训练为会调用多模态工具的智能体，能派生子智能体交换文本、视觉产物与内部表征。官方称模型由小团队用数百张 GPU、在开源权重底座上后训练而成，体量明显小于对比的前沿模型。
权威 Benchmark 与实测跑分对比
以下均为厂商口径：WGO Bench 42.70（Astra 39.42）、UGC-VideoCap 82.66（80.32）、FSC-147 83.36（82.02）、CharXiv-R 92.90（92.10，Opus 5.5 为 93.40），ERQA 与 Astra 持平 83.75。但 HSS 46.36 低于 Astra 的 53.6，Video-MME v2、TOMATO、BabyVision 也落后。目前没有独立第三方评测。
开发者实战落地与开箱指南
Glimpse 已通过 Elorian 平台提供 API，定价输入 $0.60、输出 $3 每百万 token。适合场景包括遥操作数据的物体框选与事件切分、长视频密集字幕、工地与生产线视频计数，以及给 VLA 机器人策略做规划校验（LIBERO 示例单集 $0.035）。建议先用自己的视频数据小样本对比 Gemini 3.8 Flash 等低价方案再决定是否接入。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察