Elorian 这家位于帕洛阿尔托的 AI 初创公司于周五发布了其首个 AI 模型 Glimpse,TechCrunch 独家获悉。该公司在推出产品前以 3 亿美元估值完成了 5500 万美元的种子轮融资,旨在解决当前 AI 系统的一项根本性局限:无法真正“看见”图像并基于图像进行推理,而不只是谈论图像。该模型采用了一种名为“视觉草稿空间”的机制,允许其在推理过程中反复参考源图像、裁剪区域并从视频中提取特定帧,而不是像大多数多模态模型那样只将图像转换为 token,然后根据记忆进行推理。
Glimpse 使用视觉草稿空间机制进行图像推理
Glimpse 以研究预览版形式发布,并提供 API 访问权限,但其聊天界面仍仅限候补名单上的用户使用。大多数多模态模型只查看图像一次,将其转换为 token,然后以文本形式进行推理,就像根据记忆描述一张照片。Glimpse 则会持续回看源图像。在推理过程中,它可以裁剪某个区域、从视频中提取特定帧,或运行代码来测量或比较它所看到的内容。Elorian 首席执行官、前谷歌 DeepMind 研究员 Andrew Dai 告诉 TechCrunch,AI 仍然无法真正看见事物的一个最明显迹象,体现在一次游戏之夜中。去年,他拍下了刚和朋友玩完的一款棋盘游戏,并询问一个前沿模型谁处于领先。模型无法回答。他告诉 TechCrunch,棋盘游戏“各自都有自己的视觉语言、图像符号和象征符号”。“对成年人来说,只需极少的文字就能相当容易地理解发生了什么,但这些模型无法凭直觉理解这些符号的含义。” Dai 还说:“人类可以查看宜家图示,在没有任何文字的情况下组装宜家家具,对吧?为什么 AI 模型做不到?”
这种方法并非全新。OpenAI 在 2025 年为其 o 系列模型加入了推理过程中的裁剪和缩放功能。Elorian 的主张是,它以低成本围绕这一机制构建了整个模型。该公司表示,一个小团队使用几百个 GPU 训练了 Glimpse,而且该模型的规模远小于与之进行基准测试的前沿系统。
Elorian 为 Glimpse 定价为输入每 100 万个 token 0.60 美元、输出每 100 万个 token 3 美元
Glimpse 的输入价格为每 100 万个 token 0.60 美元,输出价格为每 100 万个 token 3 美元。这一价格低于 Sonnet 和 Sol 等中端模型,但高于 Haiku 和 Luna 等轻量级模型。根据 Elorian 的评估结果,Glimpse 在科学图表推理和短视频字幕生成方面的表现甚至优于 GPT-6 Astra,在其他视觉推理任务上也取得了具有竞争力的结果。
Elorian 在产品发布前完成 5500 万美元种子轮融资
Elorian 在六个月前结束隐身状态,完成了一轮由 Striker Venture Partners、Menlo Ventures 和 Altimeter Capital 联合领投的融资,英伟达和谷歌首席科学家 Jeff Dean 参与其中。该公司在推出产品前以 3 亿美元估值完成了 5500 万美元的种子轮融资。
Elorian 凭借 Glimpse 模型瞄准视频密集型行业
其初期目标客户是拥有大量视频的公司,包括机器人公司、科学实验室、媒体和创意公司。从长期来看,Elorian 希望从看见转向行动。这意味着利用场景构建模型,并借此选择行动,包括直接控制机器人。Dai 表示,明年公司计划打造“世界上最好的视觉推理模型”,在每一项视觉推理测试中都处于领先地位。
常见问题
Elorian 的 Glimpse AI 模型是什么,何时发布?
Glimpse 是 Elorian 的首个 AI 模型,于周五发布。它采用“视觉草稿空间”机制,允许模型在推理过程中反复参考源图像、裁剪区域并从视频中提取特定帧,而不是像大多数多模态模型那样只将图像转换为 token。
使用 Elorian 的 Glimpse 模型需要多少钱?
Glimpse 的输入价格为每 100 万个 token 0.60 美元,输出价格为每 100 万个 token 3 美元。这一价格低于 Sonnet 和 Sol 等中端模型,但高于 Haiku 和 Luna 等轻量级模型。
Elorian 凭借 Glimpse 模型瞄准哪些行业?
Elorian 的初期目标客户是拥有大量视频的公司,包括机器人公司、科学实验室、媒体和创意公司。该公司由一个小团队使用几百个 GPU 训练了 Glimpse。