新闻 · TechCrunch AI
Elorian的首个AI模型希望用图像进行推理，而不仅仅是对图像进行推理
根据Elorian的评估，Glimpse在科学图表推理和短视频字幕生成方面甚至超越了GPT-6 Astra，在其他视觉推理任务上也取得了有竞争力的结果。
en
英文原标题：Elorian’s first AI model wants to reason with images, not just about them
本文为英文原文的机器翻译摘要，原文见：TechCrunch AI ↗
- Elorian 发布首个模型 Glimpse，以研究预览形式推出，提供 API 访问，聊天界面仅限候补名单。
- Glimpse 的核心机制是“视觉暂存空间”：在推理过程中可裁剪图像区域、提取视频帧或运行代码来测量和比较，反复回到源图像，而非仅将图像转为 token 后以文本推理。
- CEO Andrew Dai 认为现有 AI 仍无法真正“看见”，并以棋盘游戏和 IKEA 组装图为例说明模型难以理解视觉符号。
- OpenAI 已在 2025 年 o 系列模型中添加推理时裁剪缩放，但 Elorian 声称其围绕该机制构建了整个模型，且训练成本低，仅用几百块 GPU，模型规模远小于前沿系统。
- Glimpse 定价为输入每百万 token 0.60 美元、输出 3 美元，介于轻量模型与中端模型之间；据 Elorian 评估，其在科学图表推理和短视频描述上超过 GPT-6 Astra。
关键数据
- Elorian 在发布产品前以 3 亿美元估值完成 5500 万美元种子轮融资。
- Glimpse 定价：输入每百万 token 0.60 美元，输出每百万 token 3 美元。
- 训练使用几百块 GPU，模型规模远小于前沿系统。
- 种子轮由 Striker Venture Partners、Menlo Ventures 和 Altimeter Capital 联合领投，Nvidia 和 Google 首席科学家 Jeff Dean 参投。
引语
- “视觉暂存空间”
- “人类可以看无文字的 IKEA 组装图拼家具，为什么 AI 模型不能？”
为什么值得看：Elorian 以低成本训练出在视觉推理任务上超越前沿模型的 Glimpse，其“视觉暂存空间”机制可能推动 AI 从被动识别图像转向主动探索和操作视觉信息。