Elorian 发布首个视觉推理模型 Glimpse：「边看边推理」

发生了什么

TechCrunch 10 月 16 日独家报道：Elorian 在发布产品前已完成 5500 万美元种子轮融资、估值 3 亿美元，共同领投方为 Striker Venture Partners、Menlo Ventures 与 Altimeter Capital，英伟达与谷歌首席科学家 Jeff Dean 参投，公司半年前走出隐身模式。Glimpse 以研究预览版发布，API 即刻可用，聊天界面仅对候补名单开放。公司称小团队用几百块 GPU 完成训练，模型显著小于其对标的前沿系统。

人类能看懂没有文字的宜家组装图，把家具装起来，对吧？为什么 AI 模型不行呢？

— Elorian 首席执行官 Andrew Dai（前 Google DeepMind 研究员）

关键事实

1. visual scratch space：推理中途可回到原图裁剪局部、从视频抽取关键帧，或运行代码测量/比较看到的内容，而非像多数多模态模型那样只看一次转 token 后用文本推理
2. 定价：每百万 token 输入 0.60 美元、输出 3 美元；比 Sonnet、Sol 等中量级模型便宜，比 Haiku、Luna 等轻量模型贵
3. 公司自称跑分：科学图表推理与短视频描述上超过 GPT-6 Astra，其他视觉推理任务有竞争力（公司自测数据）
4. 融资：种子轮 5500 万美元、估值 3 亿美元；Striker Venture Partners、Menlo Ventures、Altimeter Capital 共同领投，英伟达与 Jeff Dean 参投
5. 目标客户：手握大量视频的公司：机器人公司、科研实验室、媒体与创意公司；长期目标从「看」到「做」，包括直接控制机器人；明年目标建成「全球最佳视觉推理模型」