Glimpse视觉模型价格仅为GPT-6 Astra的6%，自家榜单却输6项

Elorian 在 10 月 16 日发布了自己的首个模型 Glimpse，一个主打"视觉思考"的研究预览版。它的定价是输入 60 万美元/百万 token、输出 300 万美元/百万 token——按照 Elorian 自己的对比，这比 GPT-6 Astra 的 10 美元/50 美元便宜了 94%。

但同一篇发布文章里附带的 12 行基准测试表显示：对阵 Astra，Glimpse 只赢了 4 行，平了 1 行，输了 6 行。剩下 1 行 Astra 没有成绩。如果你的业务要读截图、图表、产品图或视频，先看输的那 6 行再决定要不要迁移。

Glimpse 到底是什么

Elorian 是一家帕洛阿尔托的初创公司，据 TechCrunch 报道，它在还没有产品的时候就拿到了 5500 万美元种子轮融资，估值 3 亿美元，投资方包括英伟达和谷歌的 Jeff Dean。CEO Andrew Dai 曾是 Google DeepMind 的研究员。

Glimpse 构建在一个"开放权重基础模型"之上——发布文章没有点名是哪个模型——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；同时它也上架了 OpenRouter，模型名 elorian/glimpse，端点数据显示供应商是 Together，上下文 262,144 token，支持文本、图像和视频输入，输出文本，缓存输入读取价格为 0.06 美元/百万 token。

在价格定位上，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 还声称比 Gemini 3.8 Flash 的 introductory 价格（0.75 美元和 3.75 美元）低 20%。

**开放权重基础模型（open-weight foundation model）**指模型参数可公开下载、允许第三方自行部署或微调的基础模型，典型代表有 Llama 系列、Mistral、Qwen 等。它与「开源」不完全等同：开放权重通常只放出训练好的参数，不公开训练数据、代码或训练细节，许可证也可能附带商用限制。Glimpse 选择在开放权重模型之上做后训练，好处是省去从零预训练的巨额算力，几百块 GPU 的小团队即可完成；代价是模型能力的上限和许可证义务都继承自底座，而发布文章并未点名底座模型、也未说明许可证，这正是生产迁移前必须向厂商确认的关键信息。

**后训练（post-training）**指在预训练完成的基础模型之上，通过监督微调、偏好优化或强化学习等手段，让模型获得特定能力或对齐目标。Glimpse 声称的端到端多模态工具使用能力，就是靠后训练注入的，而非底座模型原生具备。

核心思路：回到图像本身

大多数多模态模型的做法是：把图像转成 token 一次，然后在文本空间里推理。Glimpse 的思路不同——它在思考过程中会反复回到原图。它可以裁剪某个区域、从视频里抽一帧，还可以跑代码去测量它看到的东西。Elorian 把这叫做"视觉草稿纸"。

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 agent，在它们之间传递文本、视觉产物和内部表示。TechCrunch 指出 OpenAI 在 2025 年就给 o 系列模型加过类似的裁剪放大能力，而 Elorian 的主张是它把这种行为做进了整个模型。

这本质上是一个 agent 循环：看、调工具、再看。这也意味着一 个回答可能要对同一张图做多次内部处理，而每一次都要计费。

把整张表读完

下面是 Glimpse 对阵 GPT-6 Astra 的完整结果，数据来自 Elorian 的发布文章：

评测项	Glimpse	GPT-6 Astra	结果
WGO Bench（操作事件理解）	42.70	39.42	胜
CharXiv-R（科学图表）	92.90	92.10	胜
UGC-VideoCap（视频描述）	82.66	80.32	胜
FSC-147（开放词表计数）	83.36	82.02	胜
ERQA（具身空间推理）	83.75	83.75	平
BabyVision	95.36	97.68	负
HSS（图像+视频）	46.36	53.6	负
DREAM-1K（密集视频描述）	76.04	79.05	负
TOMATO（时序推理）	93.60	96.02	负
Video-MME v2（含字幕）	56.68	64.06	负
CountQA（产品图计数）	82.66	86.42	负
E.T. Bench	63.55	无	不适用

发布文章还附了若干注意事项。除非特别说明，所有模型都在各自原生 agent harness 里以最高思考强度运行，OpenAI 和 Anthropic 的模型都开了 Code Interpreter。视频相关的行里，Sol 和 Opus 5.5 跑的是高 effort，因为 Elorian 没有它们的 max-effort 结果；HSS 这一行还包含从论文里直接摘录的数据，不是新跑的。在 CharXiv-R 上，Claude Opus 5.5 以 93.40 居首，领先这两个模型；在 Video-MME v2 上，GPT-6.1 Sol 以 65.27 领先。

所有数字都来自 Elorian。TechCrunch 将它们标注为"Elorian 的评测"，没有引用任何独立测试。我本人也没有跑过 Glimpse。

公平的解读是：一个小团队的首个模型，在大多数行上与前沿模型只差几个点，四项领先，价格却只有零头。但如果你的工作负载是视频问答、跨图像和视频的场景理解、或者产品图计数，它自己的表就说明 Astra 答得更好。差距最大的两项 HSS 和 Video-MME v2，都差了约 7 个点。

**agent harness（智能体运行框架）**指包裹在模型外层的编排系统，负责决定何时调用工具、如何解析工具返回、如何多轮循环直到给出最终答案。同一个模型在不同 harness 下分数可能相差明显，因此跨模型对比时 harness 是否一致至关重要。文章提到「各自原生 agent harness」并给 OpenAI、Anthropic 模型开启 Code Interpreter，意味着各家用的工具集和循环策略并不相同，比较的公平性因此受限。

**effort / thinking effort（思考强度）**是当前推理模型常见的一个可调参数，控制模型在回答前进行多少内部推理，强度越高通常越准但消耗 token 越多、延迟越大。基准表中不同模型使用了不同 effort 设置（部分视频行因缺少 max-effort 数据而改用 high effort），这会让分数横向比较失真，也提示读者：复现时应固定在自己实际会用的那一档 effort 上测试。

每 token 价格不等于每任务价格

94% 的 token 单价折扣，只有在两个模型消耗相同 token 数时才等于 94% 的账单折扣。而 Glimpse 的设计恰恰是主动多花 token 的。每一次裁剪、抽帧和跑代码都是额外的推理，Elorian 在发布文章里也承认这一点：仔细审阅"需要时间和 token"，"token 效率是我们下一个最高优先级"。

文章给了一个每任务数字：在单个 LIBERO 机器人规划任务上，Glimpse 一个 episode 花 0.035 美元，GPT-6 Astra 是 0.249 美元。但这是厂商挑的任务，一个 episode 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 effort 设置。

缓存输入读取价格指对重复出现的输入前缀（如长系统提示、固定图片集）命中缓存时收取的折扣价，Glimpse 在 OpenRouter 上的该价格为 0.06 美元/百万 token，约为正常输入价的十分之一。对需要反复传同一批图片或长上下文的场景，缓存能显著摊薄成本；但缓存是否命中取决于请求前缀是否稳定，Glimpse 内部多次回看原图的开销并不一定走缓存路径，实测时应结合响应中的 usage 字段判断实际命中情况。

先用自己的图片测一遍

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

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "elorian/glimpse",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text",
         "text": "这张照片里有多少个托盘？"},
        {"type": "image_url",
         "image_url": {"url": "https://example.com/yard.jpg"}}
      ]
    }]
  }'

在把真实流量导过去之前，做一个小规模对比：

1. 从你自己的产品里收集 30 到 50 张图片或片段，每张都有已知的正确答案。
2. 用 Glimpse 和你现在用的模型各跑一遍，effort 设置用你实际会用的那一档。Elorian 公布的分数在大多数行用的是各模型的最高 effort。
3. 记录准确率、每次响应里的 usage token 计数、以及实际耗时。
4. 用总成本除以正确答案数。这才是你该比较的价格，而不是标价。

把它当作 Elorian 自己说的东西来看：一个研究预览。发布文章点名机器人控制和校准重建是尚未完成的工作，也没有给许可证。在你自己的数字说话之前，留一个后备模型。

几个值得留意的点

基准测试的局限性。 这张表全部由厂商自己跑、自己报，没有第三方复现。HSS 行混入了论文数据，视频行用的是非最高 effort，不同模型的 harness 和工具权限也不完全一致。跨模型比较的公平性天然有限，具体到你的场景更是如此。

视觉草稿纸的计费结构。 把 agent 循环折叠进模型内部，好处是少了一层编排，坏处是 token 消耗变得不透明。你在 API 层面看不到它内部裁剪了几次、跑了几段代码，只能从 usage 字段倒推。对成本敏感的场景，这一点需要在实测中重点观察。

"研究预览"这四个字的分量。 没有许可证、没有正式上下文窗口说明、机器人控制还没做——这些不是小瑕疵。对于要把图像管线迁过去的生产系统，这些都是需要打问号的地方。

价格叙事的常见陷阱。 "仅为对手 6% 的价格"是个抓眼球的说法，但 token 单价和任务成本是两回事。Glimpse 主动多花 token 的设计，意味着真实账单折扣会小于 94%，小多少取决于任务类型。厂商给的单任务数字可以参考，但不能外推。

对开发者来说，Glimpse 提供了一个值得放进测试清单的选项：如果你的图像任务偏向图表理解、视频描述、开放词表计数这些它赢下的行，单价又敏感，那它值得一试。但如果你的核心场景落在视频问答或跨模态场景理解，它自己的数据就在提醒你先别急。最终答案还是得你自己的 30 到 50 张图说了算。