Elorian 的 Glimpse 在回答前會倒轉影片

Elorian 為Glimpse發布的貼文裡，最有趣的一句話不是關於某個基準測試，而是關於一個 0.9 秒的視窗。在該公司於 2026 年 10 月 16 日發布的其中一個實作追蹤範例中，Glimpse 先以大約每秒 8 幀對一段影片執行第一遍掃描，得出一個暫時性的判讀，接著回頭以大約每秒 14 幀重新掃描那零點九秒，以判定它看到的是鏡頭平移還是剪接。同一篇文章中的第二個追蹤範例，則從一段影片約 2.2 秒處開始追蹤單一視窗邊緣，直到它在 5.13 秒時近乎停止。當預覽模型位於正式生產路徑中時，真正重要的失效模式，是那些已經記錄在事件檔案中的模式；我們就是在這裡追蹤那些實際已經發生過的情況。

That is the pitch, and it is a genuinely different one. Glimpse is Elorian's first model: a visual-reasoning system that the company describes as reasoning in visual space rather than converting an image into language and reasoning there. Elorian itself is not obscure — it came out of stealth in April 2026 behind Andrew Dai, a former G​oogle researcher, with $55 million from Striker Ventures, Menlo Ventures and Altimeter and participation from N​VIDIA, 49 Palms and Jeff Dean, and Forbes put it on its Next Billion-Dollar Startups list in July. Glimpse is a research preview, available now through an API and a chat interface, and it is the first thing the company has actually shipped.

「倒帶」在機械上是什麼意思

Elorian 將顯示表面稱為視覺暫存空間。該公司對模型在其中所做所為的描述很具體：它可能會放大某一區域、以更高的影格率觀看一小段區間，或隨時間追蹤某個特徵。文章將這種行為描述為「質疑自身的第一印象，並在回答之前回到視覺證據」。

那件事的兩項性質值得區分開來，因為它們常被混為一談。

首先是可重入取樣。一般影片理解模型會依照固定排程取樣影格——通常是均勻網格，有時採用關鍵影格啟發式——而任何落在兩個取樣影格之間的內容都會遺失。Glimpse 可以在看過整段影片後，把額外運算資源投入特定區間。從 8 到 14 fps 的提升，就是這項能力最精簡的展現。它在固定取樣正好會失敗的那些問題上尤其重要：平移或剪接、物件的兩次出現是否為同一物件，以及某個事件前後半秒間發生了什麼事。

第二個是痕跡本身。Elorian 的平台會在模型推理時顯示其暫存空間，這意味著答案的證據包含模型查看過的地方。這是一種不同於文字詞元鏈的稽核軌跡，而且它明顯具有下游價值——一個關於建築工地的答案若附帶其所依據的時間戳記，就能以一段散文無法比擬的方式接受審查。

在這兩者之下，該公司表示，這個模型是端到端訓練來使用多模態工具——撰寫程式碼、轉換影像、觀看影片——並且能生成並協調會交換文字、視覺產物和內部表徵的子代理。用 Elorian 的話來說，它是由一個「只有幾百顆 GPU」的小型團隊，在一個開放權重基礎模型上後訓練而成，並被定位為比它所對標的前沿系統「小得多且便宜得多」的模型。

基準表中真正重要的那一半

Glimpse 自家的結果頁發布了一張與 GPT-6 Astra 對比的表格，而這些是廠商自行回報的數字，沒有經過獨立重現。不尋常的是這張表格有多混雜。在測量任務上，Glimpse 勝出或打成平手。在更困難的推論任務上，它則落敗。

• WGO Bench（操控事件）— Glimpse 42.70 對比 GPT-6 Astra 39.42。

• CharXiv-R — 92.90 對 92.10。

• UGC-VideoCap — 82.66 對 80.32。

• FSC-147 — 83.36 對 82.02。

• ERQA — 83.75，與 Astra 持平。

• E.T. Bench — 63.55, ahead of G​emini 3.8 Flash's 63.45.

• BabyVision — 95.36 對比 Astra 97.68。

• DREAM-1K — 76.04 對比 79.05。

• TOMATO — 93.60 對 96.02。

• Video-MME v2 — 56.68 對比 Astra 64.06 與 GPT-6.1 Sol 65.27。

• CountQA—— Astra 與 Sol 兩者皆為 82.66 對 86.42。

• HSS — 46.36 對上 Astra 53.6。

表格附有一則註腳，讀者在檢視其中每一列時都應一併納入考量：這些結果採用最高思考投入程度，並搭配模型原生的代理框架；而且在大多數影片評估中，Sol 與 Opus 5.5 是以 high 而非 max 的投入程度執行。HSS 那一列則混入了其他實驗室在論文中報告的數字。這一切都不會使該表失效，但這意味著這項比較是 Glimpse 以其盡力而為的配置，對上幾個未使出同等全力的競爭對手——而 Glimpse 仍在偏重推論的那一半落敗。

對這種區別的誠實解讀既狹隘又實用。重新審視推理能為你帶來更好的感知能力：計數、描述、閱讀圖表、在運動中追蹤一個小物體。但它無法為你帶來HSS所測量的東西，也就是一個場景暗示了什麼。更多的觀察並不等於更多的理解，而模型自身的表格就是證據。

價格宣稱實際上在宣稱什麼

Glimpse is priced at $0.60 per million input tokens and $3.00 per million output. Elorian spells out the comparison in its own post: 94% below GPT-6 Astra at $10/$50, 85% below C​laude Opus 5.5 at $4/$20, 70% below GPT-6.1 Sol at $2/$10, and 20% below G​emini 3.8 Flash's introductory rate of $0.75/$3.75. The post also gives a task-level figure — one robot-planning episode cost $0.035 on Glimpse against $0.249 on Astra.

Those are the vendor's numbers about the vendor's model and they are not independently checked. Two things about them are still worth noting. The first is that the percentage claims are all measured against frontier flagships, not against the cheap end of the market; on tokens alone Glimpse is squarely mid-market, and the article next to this one on Qwen 3.8 works through what happens when you put it beside A​libaba's volume tier instead. The second is that a rate card on a research preview can move at any time, and this is the one place where the routing layer earns its mention: OrcaRouter passes provider list price through with nothing added per token, so a vendor price change on a model we serve is live on our side the same day, and automatic failover means an unproven preview can sit behind a production path rather than in front of it. Glimpse is not on our catalogue today — Elorian's own API and chat interface are where you get it — so that is a statement about how we price, not a claim to host it.

Glimpse 輸掉的那項基準測試，就是它自己的。

在模型發布前九天，Elorian 發布了一項基準測試。Humanity's Sixth Sense 與 Scale AI 合作打造，用來衡量隱性視覺推理——即場景所暗示的內容，而非它明確陳述的內容。它包含 522 項任務、288 張靜態圖像與 234 段短片、17.6 小時的影片，並以人工撰寫的評分規準跨四個領域進行評分。來自八家公司的二十五個模型接受了測試。

差距本身才是重點。人類基準是 93.1%。已發表的最佳模型為 53.6。中位數模型得分 30.9%，而剔除媒體內容的盲測對照組仍得分 6.6%——這說明了這項任務有多少部分是不看也能回答的。在有標記的失敗案例中，94% 源於觀看或推斷，而非推理：53% 是誤讀，41% 是漏掉隱含訊息，約 5% 是邏輯錯誤。在其中一例，將推理投入從 high 提高到 xhigh，讓某個模型少拿了 14 分。

Glimpse scores 46.36 on it. That is well above the median and above C​laude Opus 5.5's 44.6 and GPT-6.1 Sol's 46.6 — but behind GPT-6 Astra's 53.6, and on a benchmark the company built. Publishing a benchmark your own model fails to top is a credibility signal, and it also tells you precisely what the rewind does not fix.

Elorian 尚未發表的內容

這是大多數發布報導都會略過的部分，所以它理當直白地放在這裡。Glimpse 的貼文沒有提供參數數量。沒有上下文視窗。沒有模型尺寸變體。除了「在開放權重基礎模型上進行後訓練」之外，沒有架構描述，而這並未指明基礎模型。沒有預訓練資料。沒有輸出 token 限制，沒有速率限制，也沒有平台本身以外的 API 端點文件。

對研究預覽來說，這並不罕見，也不是要你不信任上述任何內容的理由。這是要你對某一類特定說法保持謹慎的理由：本週流傳的任何關於 Glimpse 規模、上下文或吞吐量的數字，都是估計值而非揭露資訊，而把估計值當成規格，正是容量規劃出錯的原因。

公司也明確說明模型目前還不能做什麼。機器人動作生成被列為未來工作；校準重建與機器人控制則被描述為「尚待完成的工作」。在該已詳解的胎壓範例中，答案被稱為從照片得出的定性預測，且並未模擬軌跡或衝擊力。而有些範例被標示為經審閱的參考答案，而非記錄下來的模型軌跡，且圖說與轉場軌跡為了發表而經過精簡——這是一項值得正視、而非草率略過的揭露。

現在誰應該對此採取行動

如果你有影片相關的工作，而它的失敗模式是時間性的而非語意性的——剪接前後的物件身分、發生在不到一秒視窗內的事件、當有東西遮擋時就改變的計數——那麼 Glimpse 是第一個其宣稱機制直接針對這點的託管模型，而免費註冊讓測試變得便宜。這些追蹤紀錄也讓失敗變得可解讀：如果暫存空間顯示模型從未重新掃描那個關鍵區間，你學到的是關於你自己流程的某件事，而不只是關於這個模型。

如果你需要的是推論一個場景隱含了什麼，先等等。廠商自己的 HSS 表就說，倒轉並不能帶你到那裡，而發布內容中沒有任何跡象顯示下一版會一步縮小 7 個百分點的差距。接下來兩個月請觀察三件事：Elorian 是否會公布它所依據的基礎模型，是否有任何獨立評測框架能重現那張表中的某一列，以及上下文視窗最後是否大到足以容納真實工作流程交給它的影片。這三件事目前都還是空白，而這三件事都決定了 Glimpse 究竟是一項能力，還是一場演示。

這些都不是假設：像這次發布這類版本背後那些有紀錄的 AI 失效與代理事件，全都收錄在OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。