不是看一眼就开始推理
多数多模态模型把图像转成 token 后，后续推理基本靠文字进行。Elorian 10 月 16 日发布的 Glimpse 换了做法：推理途中不确定时回到原图，放大某个区域，或把视频某一段从约 8 帧/秒提到约 14 帧/秒重看一遍；也可以写代码去测量、变换图像，还能派生子智能体分工。Elorian 把这块中间工作区叫作「视觉草稿区」，并称这些工具调用是端到端训练出来的。
自测成绩有输有赢
Elorian 公布的对比全部是自测，开最高思考强度、用各模型自己的智能体框架。对 GPT-6 Astra，Glimpse 四项领先：WGO Bench（42.70 对 39.42）、CharXiv-R（92.90 对 92.10）、UGC-VideoCap（82.66 对 80.32）、FSC-147 计数（83.36 对 82.02）；ERQA 打平；六项落后，差距较大的是 Video-MME v2 带字幕（56.68 对 64.06）和 HSS（46.36 对 53.6）。CharXiv-R 上 Claude Opus 5.5 的 93.40 也高于 Glimpse。
价格是主要卖点
定价为每百万输入 token 0.6 美元、输出 3 美元。Elorian 举的机器人例子里，在 LIBERO 一项任务中用 Glimpse 做规划，每回合成本 0.035 美元，Astra 为 0.249 美元，两者都完成了任务。Glimpse 基于开源权重基座后训练，团队只用了几百张 GPU。
预览版的边界
公司自己写明，看得细就要花时间和 token，下一步重点是 token 效率；直接输出机器人动作仍是后续工作。TechCrunch 报道称，Elorian 由前 Google DeepMind 研究员 Andrew Dai 任 CEO，种子轮融资 5500 万美元，目标客户是机器人公司、科研实验室和视频量大的媒体与创意公司。