只训几百张 GPU 的 Elorian 放出 Glimpse，视觉草稿空间让模型反复回到原图找细节
据 AI Tools Oasis 对 TechCrunch 报道的整理（https://www.aitoolsoasis.com/en/news/elorian-launches-glimpse-visual-reasoning-ai-at-060m-tokens-1792209628798 ），帕洛阿尔托初创 Elorian 发布首款 AI 模型 Glimpse 的研究预览版本，可通过 API 与聊天界面使用，定价输入每百万 token 0.6 美元、输出每百万 token 3 美元，比 Sonnet 与 Sol 便宜，比 Haiku 与 Luna 贵。核心机制是 Visual Scratch Space，模型在推理过程中可以回到原始素材，裁剪特定区域、抽取视频帧，或者运行代码测量对比自己看到的内容。公司此前完成 5500 万美元种子轮融资，估值 3 亿美元，由 Striker Venture Partners、Menlo Ventures、Altimeter Capital 领投，英伟达与谷歌科学家 Jeff Dean 参与。团队只用几百张 GPU 训练出显著小于前沿系统的模型，内部评测称其在科学图表推理与短视频描述上超过 GPT-6 Astra。 现有多模态模型为什么看完一次就忘了？ 主流多模态模型把图片转成 token 之后就按文本推理，相当于看一眼照片凭记忆描述，细节细节丢失后无法回看。CEO Andrew Dai 举了一个游戏之夜的例子，他拍下一盘结束的桌游问模型谁赢了，前沿模型答不上来，因为每种桌游有自己的视觉语言、图标与符号，一次性压缩进 token 之后，细节无从核对。Visual Scratch Space 让模型像人用手指放大手机屏幕一样，先局部裁剪、再放大、必要时抽帧测量，把看清楚再下结论的过程显式做出来，而不是依赖一次性视觉编码。 几百张 GPU 训练一个小模型的路线凭什么成立？ 5500 万美元种子轮与几百张 GPU 的训练规模，说明 Elorian 不打算在通用对话上与千亿参数正面竞争，而是把资源集中在视觉推理这一个能力上。参数小的代价是知识覆盖面窄，收益是成本低、部署轻、在专业任务上专注。内部评测只覆盖科学图表与短视频描述两项，并不代表全维度超过 GPT-6 Astra，独立基准尚未发布，开发者应以自己的图文任务实测为准，宣传性对比不能直接迁移到生产环境。 ...