Elorian's Glimpse는 응답하기 전에 비디오를 되감습니다.

에 관한 Elorian의 출시 글에서 가장 흥미로운 문장은Glimpse 벤치마크에 관한 것이 아니다. 그것은 0.9초 구간에 관한 것이다. 회사가 2026년 10월 16일에 공개한 상세 추적 사례 중 하나에서, Glimpse는 약 초당 8프레임으로 클립을 1차 훑고, 잠정적인 판독에 도달한 다음, 카메라 팬인지 컷인지 판단하기 위해 그 0.9초를 약 초당 14프레임으로 다시 스캔한다. 같은 글에 있는 두 번째 추적은 클립의 약 2.2초 지점부터 5.13초에서 거의 멈출 때까지 하나의 창 경계를 따라간다. 프리뷰 모델이 프로덕션 경로에 놓일 때 중요한 실패 모드는 이미 인시던트 아카이브에 기록된 것들이다. 그곳은 우리가 실제로 발생한 것들을 추적하는 곳이다.

그것이 바로 그 피치이며, 그것은 진정으로 색다른 피치입니다. Glimpse는 Elorian의 첫 모델입니다: 회사가 설명하기로는 이미지를 언어로 변환한 뒤 그곳에서 추론하는 대신 시각적 공간에서 추론하는 시각적 추론 시스템입니다. Elorian 자체는 잘 알려지지 않은 회사가 아닙니다 — 2026년 4월 스텔스를 벗어났으며, 전 Google 연구원인 Andrew Dai가 이끌고, Striker Ventures, Menlo Ventures, Altimeter로부터 5,500만 달러를 유치했고 NVIDIA, 49 Palms, Jeff Dean이 참여했으며, Forbes는 7월에 이 회사를 Next Billion-Dollar Startups 목록에 올렸습니다. Glimpse는 리서치 프리뷰로, 현재 API와 채팅 인터페이스를 통해 이용할 수 있으며, 회사가 실제로 출시한 첫 번째 결과물입니다.

"되감기"가 기계적으로 의미하는 것

Elorian은 디스플레이 표면을 시각적 스크래치 공간이라고 부릅니다. 그 안에서 모델이 하는 일에 대한 회사의 설명은 구체적입니다: 특정 영역으로 확대하거나, 짧은 구간을 더 높은 프레임 레이트로 지켜보거나, 시간에 따라 하나의 특징을 추적할 수 있습니다. 게시물은 이 동작을 "첫인상에 의문을 제기하고, 답하기 전에 시각적 증거로 돌아간다"라고 규정합니다.

그것의 두 가지 속성은 분리해서 볼 가치가 있는데, 왜냐하면 그것들은 자주 혼동되기 때문이다.

첫 번째는 재진입 샘플링입니다. 일반적인 비디오 이해 모델은 고정된 일정에 따라 프레임을 샘플링합니다. 흔히 균일한 그리드로, 때로는 키프레임 휴리스틱으로 말이죠. 그리고 샘플링된 두 프레임 사이에 놓이는 것은 무엇이든 사라집니다. Glimpse는 전체 클립을 이미 본 뒤에도 특정 구간에 추가 연산을 투입할 수 있습니다. 8→14fps 상향은 그 기능을 가장 작은 형태로 구현한 것입니다. 이는 고정 샘플링이 실패하는 바로 그 질문들에서 가장 중요합니다. 팬인지 컷인지, 객체의 두 등장이 같은 객체인지, 어떤 이벤트 주변의 0.5초 동안 무슨 일이 있었는지 같은 질문이죠.

두 번째는 추적 자체입니다. Elorian의 플랫폼은 모델이 추론하는 동안 모델의 스크래치 공간을 보여주는데, 이는 답변에 대한 근거에 모델이 어디를 살펴보았는지가 포함된다는 뜻입니다. 이는 텍스트 토큰의 연쇄와는 다른 종류의 감사 추적이며, 다운스트림 가치가 명백한 부분입니다 — 건설 현장에 관한 답변이 그것이 의존한 타임스탬프와 함께 제공되면, 산문 한 단락으로는 불가능한 방식으로 검토할 수 있게 됩니다.

두 가지 모두의 밑바탕에는, 이 모델이 멀티모달 도구 — 코드 작성, 이미지 변환, 비디오 시청 — 를 사용하도록 엔드투엔드로 학습되었으며, 텍스트, 시각적 아티팩트, 내부 표현을 교환하는 하위 에이전트를 생성하고 조정할 수 있다고 회사는 말한다. Elorian의 표현을 빌리면, 이 모델은 "단 몇백 대의 GPU"만 보유한 소규모 팀이 오픈 웨이트 기반 모델을 포스트 트레이닝한 것이며, 자사가 벤치마크하는 프런티어 시스템보다 "훨씬 더 작고 저렴한 모델"로 포지셔닝된다.

벤치마크 표에서 중요한 절반

Glimpse의 자체 결과 페이지에는 GPT-6 Astra를 상대로 한 표가 실려 있는데, 이는 독립적인 재현 없이 공급업체가 보고한 수치입니다. 특이한 점은 이 표가 얼마나 뒤섞여 있는지입니다. 측정 과제에서는 Glimpse가 이기거나 동률을 이룹니다. 더 어려운 추론 과제에서는 패합니다.

• WGO Bench (조작 이벤트) — Glimpse 42.70 대 GPT-6 Astra 39.42.

• CharXiv-R — 92.90 vs 92.10.

• UGC-VideoCap — 82.66 대 80.32.

• FSC-147 — 83.36 대 82.02.

• ERQA — 83.75, Astra와 동일한 수준.

• E.T. Bench — 63.55, Gemini 3.8 Flash의 63.45보다 앞선 수치입니다.

• BabyVision — 95.36 vs Astra 97.68.

• DREAM-1K — 76.04 대 79.05.

• TOMATO — 93.60 vs 96.02.

• Video-MME v2 — 56.68 대비 Astra 64.06, GPT-6.1 Sol 65.27.

• CountQA — Astra와 Sol 모두 82.66 대 86.42.

• HSS — 46.36 대 Astra 53.6.

표에 딸린 각주가 하나 있는데, 독자는 그 각주를 저 모든 행에 적용해 읽어야 한다. 결과는 모델의 네이티브 에이전트 하네스와 함께 최고 수준의 사고 노력을 사용한 것이며, 대부분의 비디오 평가에서 Sol과 Opus 5.5는 max가 아니라 high 노력으로 실행되었다. HSS 행에는 다른 연구소가 논문에 보고한 수치가 섞여 있다. 이 중 어느 것도 표를 무효화하지는 않지만, 이는 최선의 구성으로 실행한 Glimpse를 그보다 낮은 수준으로 실행한 여러 경쟁자와 비교한 것이라는 뜻이다 — 그리고 Glimpse는 추론 비중이 큰 절반에서는 여전히 진다.

그 구분에 대한 정직한 해석은 좁고 유용하다. 재관찰 추론은 더 나은 지각을 가져다준다: 세기, 묘사하기, 차트 읽기, 움직이는 작은 물체 추적하기. 그것은 HSS가 측정하는 것, 즉 장면이 함축하는 것을 가져다주지는 않는다. 더 많이 보는 것이 더 많이 이해하는 것은 아니며, 모델 자체의 표가 그 증거다.

가격 주장이 실제로 주장하는 것

Glimpse의 가격은 입력 토큰 100만 개당 $0.60, 출력 토큰 100만 개당 $3.00입니다. Elorian은 자체 게시물에서 비교를 구체적으로 밝힙니다: GPT-6 Astra의 $10/$50보다 94% 저렴하고, Claude Opus 5.5의 $4/$20보다 85% 저렴하며, GPT-6.1 Sol의 $2/$10보다 70% 저렴하고, Gemini 3.8 Flash의 도입 가격인 $0.75/$3.75보다 20% 저렴합니다. 이 게시물은 또한 작업 수준 수치도 제시합니다 — 로봇 계획 에피소드 하나의 비용은 Glimpse에서 $0.035였고, Astra에서는 $0.249였습니다.

이것은 벤더의 모델에 관한 벤더의 수치이며 독립적으로 검증된 것이 아닙니다. 그래도 두 가지는 짚고 넘어갈 만합니다. 첫째, 백분율 주장은 모두 최전선 플래그십과 비교해 측정된 것이지 시장의 저가형과 비교한 것이 아닙니다. 토큰만 놓고 보면 Glimpse는 정확히 중간 시장에 위치하며, 이 글 옆에 있는 Qwen 3.8에 관한 글에서는 대신 Alibaba의 볼륨 티어 옆에 놓으면 어떤 일이 벌어지는지 다룹니다. 둘째, 연구 프리뷰에 대한 요금표는 언제든 바뀔 수 있으며, 바로 이 지점이 라우팅 계층이 언급될 자격을 얻는 곳입니다: OrcaRouter는 제공업체의 정가를 토큰당 아무것도 더하지 않고 그대로 전달하므로, 우리가 서비스하는 모델의 벤더 가격이 바뀌면 같은 날 우리 쪽에도 실시간으로 반영되며, 자동 페일오버 덕분에 검증되지 않은 프리뷰가 프로덕션 경로 앞이 아니라 그 뒤에 놓일 수 있습니다. Glimpse는 오늘 우리 카탈로그에 없습니다 — Elorian 자체 API와 채팅 인터페이스에서 얻을 수 있습니다 — 따라서 이는 우리가 가격을 책정하는 방식에 관한 진술이지, 그것을 호스팅한다는 주장이 아닙니다.

Glimpse가 패배한 벤치마크는 바로 자기 자신의 것이다

모델이 출시되기 9일 전, Elorian은 벤치마크를 발표했다. Scale AI와 협력해 만든 Humanity's Sixth Sense는 암묵적 시각 추론, 즉 장면이 명시하는 것이 아니라 암시하는 것을 측정한다. 이는 522개 과제, 288장의 정지 이미지와 234개의 짧은 동영상 클립, 17.6시간 분량의 영상으로 구성되며, 네 가지 영역에 걸쳐 사람이 작성한 루브릭으로 채점된다. 8개 기업의 25개 모델이 테스트되었다.

격차가 핵심이다. 인간 기준선은 93.1%다. 가장 좋은 공개 모델은 53.6에 그친다. 중간값 모델은 30.9%이고, 미디어를 제거한 블라인드 대조군도 여전히 6.6%를 기록한다 — 이는 이 과제 중 얼마나 많은 부분이 보지 않고도 답할 수 있는지를 보여준다. 라벨링된 실패 중 94%는 논리적 추론이 아니라 보거나 유추하는 데서 비롯된다: 53%는 잘못 읽기, 41%는 놓친 함의, 약 5%는 논리 오류다. 한 사례에서는 추론 노력을 high에서 xhigh로 높였더니 한 모델이 14점을 잃었다.

Glimpse는 이 벤치마크에서 46.36점을 기록한다. 이는 중앙값을 훨씬 웃돌고 Claude Opus 5.5의 44.6과 GPT-6.1 Sol의 46.6보다도 높지만, GPT-6 Astra의 53.6에는 뒤진다. 그리고 이는 그 회사가 직접 만든 벤치마크에서 나온 결과다. 자사 모델이 1위를 차지하지 못하는 벤치마크를 공개하는 것은 신뢰도 신호이며, 리와인드가 고치지 못하는 것이 정확히 무엇인지도 알려준다.

Elorian이 공개하지 않은 것

이 부분은 대부분의 출시 보도가 건너뛸 섹션이라, 여기에 분명히 적어 둔다. Glimpse 게시물에는 파라미터 수가 제시되지 않는다. 컨텍스트 윈도우도 없다. 모델 크기 변형도 없다. “오픈 웨이트 베이스 모델을 기반으로 포스트 트레이닝되었다”라는 설명 외에는 아키텍처에 대한 설명이 없으며, 이는 베이스 모델의 이름을 밝히지 않는다. 사전 학습 데이터도 없다. 출력 토큰 제한도, 속도 제한도 없으며, 플랫폼 자체 외에는 API 엔드포인트 문서도 없다.

리서치 프리뷰에서 그것은 이례적인 일이 아니며, 위의 어떤 내용도 불신할 이유가 되지 않는다. 그것은 한 가지 특정한 종류의 주장을 조심할 이유다. 이번 주에 돌고 있는 Glimpse의 크기, 컨텍스트 또는 처리량에 관한 어떤 수치든 공개가 아니라 추정치이며, 추정치를 명세로 취급하는 것이 바로 용량 계획이 잘못되는 방식이다.

회사는 또한 모델이 아직 하지 않는 일에 대해서도 분명히 밝힌다. 로봇 행동 생성은 향후 작업으로 기재되어 있고, 보정된 재구성과 로봇 제어는 "앞으로의 과제"로 설명된다. 다뤄진 타이어 압력 예시에서 답변은 궤적이나 충격력이 시뮬레이션되지 않은 사진으로부터의 정성적 예측이라고 불린다. 그리고 일부 예시는 기록된 모델 트레이스가 아니라 검토된 참조 답변으로 표시되어 있으며, 캡션과 전환 트레이스는 출판을 위해 축약되었다 — 이는 훑어보기보다는 존중할 가치가 있는 공개다.

지금 이 문제에 대해 누가 뭔가 해야 합니까?

비디오 작업에서 실패 모드가 의미론적이라기보다 시간적이라면 — 컷을 가로지르는 객체 동일성, 1초 미만의 창 안에서 발생하는 이벤트, 무언가가 가려질 때 바뀌는 개수 — Glimpse는 명시된 메커니즘이 바로 그것을 직접 겨냥하는 최초의 호스팅 모델이며, 무료 가입 덕분에 테스트 비용이 저렴합니다. 트레이스는 실패를 읽을 수 있게도 해 줍니다. 스크래치 공간에서 모델이 중요했던 구간을 다시 스캔하지 않았다는 사실이 드러난다면, 여러분은 모델에 대해서만이 아니라 자신의 파이프라인에 대해서도 무언가를 배운 것입니다.

당신의 필요가 장면이 암시하는 바에 대한 추론이라면, 기다리십시오. 벤더 자체의 HSS 표는 rewind가 당신을 거기로 데려다주지 않는다고 말하며, 릴리스의 어떤 것도 다음 버전이 한 번에 7포인트 격차를 좁힐 것이라고 시사하지 않습니다. 앞으로 두 달 동안 세 가지를 지켜보십시오: Elorian이 기반으로 삼은 기본 모델을 공개하는지, 어떤 독립적인 하네스가 그 표의 한 행을 재현하는지, 그리고 컨텍스트 윈도우가 실제 워크플로가 넘겨주는 비디오를 담을 만큼 충분히 큰 것으로 밝혀지는지. 세 가지 모두 현재 비어 있으며, 세 가지 모두 Glimpse가 역량인지 데모인지를 결정합니다.

그중 어느 것도 가정이 아닙니다: 이번과 같은 릴리스의 배경이 된 문서화된 AI 실패와 에이전트 사고는 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 분쟁 플래그가 함께 제공됩니다.