价格低94%，自家表格却输了6项：Glimpse首秀藏了什么

10月16日，一家叫Elorian的初创公司发布了它的第一个模型Glimpse。定价很扎眼：每百万输入token 0.60美元，输出3美元。按Elorian自己的对比，这比GPT-6 Astra的10美元和50美元低了94%。

但同一篇发布文章里，还挂着一张12行的基准测试表。对上Astra，Glimpse赢4行、平1行、输6行。第12行没有Astra的分数。如果你要做的是读截图、看图表、认产品图或处理视频，换模型之前，先看输的那几行。

故事的起点是一个桌游。Elorian的CEO Andrew Dai告诉TechCrunch，他曾拍下刚和朋友玩完的一局桌游，问一个前沿模型谁赢了。模型答不上来。Glimpse就是冲着这个问题去的——一个"视觉思考模型"，以研究预览的形式发布，带API和聊天界面。

Elorian是帕洛阿尔托的一家初创公司，据TechCrunch报道，它在还没有产品的时候就拿到了5500万美元种子轮，估值3亿美元，英伟达和谷歌的Jeff Dean都是投资方。Dai此前是Google DeepMind的研究员。

Glimpse基于一个"开放权重的基础模型"，发布文章没有点名是哪个，由"一个只有几百块GPU的小团队"做后训练。文章没有说明许可证，也没有给出上下文窗口。

调用方式有两种。Elorian自家平台提供API和聊天界面；它同时上架了OpenRouter，条目为elorian/glimpse，端点数据显示只有一个供应商Together，上下文262,144 token，支持文本、图像、视频输入，输出文本，缓存输入读取为每百万token 0.06美元。

价格位置上，TechCrunch把它放在Haiku、Luna这类轻量模型之上，Sonnet、Sol这类中端模型之下。Elorian的文章还称，它比Gemini 3.8 Flash的 introductory 价格0.75美元和3.75美元低20%。

回到图像本身

按TechCrunch的描述，多数多模态模型把图像转成token一次，然后在文本里推理。Glimpse在思考过程中会回到源图像：裁剪一个区域，从视频里抽一帧，或者跑代码去测量它看到的东西。Elorian把这叫作"视觉草稿空间"。

发布文章说，这个模型是端到端训练来使用多模态工具的——写代码、变换图像、看视频，还能派生子代理，在它们之间传递文本、视觉产物和内部表示。TechCrunch提到，OpenAI在2025年给o系列模型加过类似的裁剪缩放能力。Elorian的主张是，它把这种行为做进了整个模型。

这是一个代理循环：看、调工具、再看。也意味着一个答案可能对同一张图做多次内部处理，而每一次都要计费。

表格里的输赢

发布文章附了若干说明。除非特别标注，所有模型都在各自原生的代理框架里以最高思考强度运行，OpenAI和Anthropic的模型启用了Code Interpreter。视频相关的行里，Sol和Opus 5.5跑的是高强度，因为Elorian没有它们的最高强度结果；HSS那一行包含从论文里取的结果，不是新跑的。

在CharXiv-R上，Claude Opus 5.5以93.40居首，排在两者之前。在Video-MME v2上，GPT-6.1 Sol以65.27领先。

这些数字全部来自Elorian。TechCrunch把结果归为"Elorian的评估"，没有引用任何独立测试。

公允的读法是：一个小团队的第一个模型，在多数行上与前沿模型差几个点，在四行上领先，价格只是零头。但如果你的工作负载像视频问答、跨图像与视频的场景理解，或者数产品图里的物件，它自己的表格说Astra答得更好。差距最大的两行，HSS和Video-MME v2，都在7个点左右。

每token价格不等于每任务价格

94%的token价差，只有在两个模型花掉同样多token时才变成94%的账单差。Glimpse的设计是主动花token的。每次裁剪、抽帧、跑代码都是更多推理，Elorian在发布文章里也这么说：仔细审阅"要花时间，也要花token"，"token效率是我们的下一个最高优先级"。

文章给了一个按任务的数字：在单个LIBERO机器人规划任务上，Glimpse一集花费0.035美元，GPT-6 Astra是0.249美元。这个任务是厂商挑的，一集也说明不了工作负载的平均水平。真实数字取决于你自己的图像和强度设置。

先用自己的图测

因为OpenRouter走的是chat completions格式，第一次调用很小。图像输入放在content数组里，和文本并列。

在把真实流量导过去之前，做一个小对比：

• 从你自己的产品里收集30到50张图或片段，每个都有已知正确答案。
• 用Glimpse和你现在用的模型各跑一遍，强度按你实际会用的来。Elorian公布的分数多数行用的是各模型的最高强度。
• 记录准确率、每次响应里的usage token数和实际耗时。
• 用总成本除以答对的题数。这才是你要比较的价格，不是标价。

把它当作Elorian自己说的东西：一个研究预览。发布文章把机器人控制和标定重建列为尚未完成的工作，也没有给出许可证。在你的数字说话之前，后面留一个备用模型。