AI 前沿
Elorian推出视觉推理模型Glimpse
帕洛阿尔托初创公司Elorian发布首个模型Glimpse研究预览版,提供API和聊天界面。该模型在推理过程中可反复回到原图或视频帧,通过裁剪、抽帧和代码测量形成“视觉暂存空间”,而非一次性把图像转成文本令牌。
Elorian首席执行官、前Google DeepMind研究员Andrew Dai认为,现有多模态模型往往像凭记忆描述照片,尚未真正理解视觉内容。Glimpse可在推理中放大局部、抽取视频特定帧,或运行代码测量和比较对象,以核对最初判断。
文章称,OpenAI在2025年已为其o系列模型加入推理中的裁剪和缩放,但Elorian强调Glimpse从底层围绕这种机制构建,并以较小团队和数百个GPU完成训练,模型规模明显小于其对比的前沿系统。
Glimpse定价为每百万输入令牌0.6美元、输出令牌3美元。Elorian称,其在科学图表推理和短视频字幕任务上超过GPT-6 Astra,并把机器人公司、科学实验室、媒体和创意企业作为初期客户,长期希望视觉模型进一步驱动机器人行动。