Glimpse 的对手是 Gemini Flash，不是 GPT-6 Astra：同价位赢 11 项，对 Astra 只赢 4 项

先说结论：Elorian 的第一个模型 Glimpse，最该记住的是价格，每百万输入词元 0.60 美元、输出 3.00 美元。拿它和 GPT-6 Astra 比，Glimpse 在 Elorian 自己列的 12 项视觉评测里只赢 4 项；拿它和价格相近的 Gemini 3.8 Flash 比，它赢 11 项。后一组对比才是这份成绩单真正说明的事，而且到今天为止，所有分数都是厂商自己测的。

发生了什么

据 Elorian 10 月 16 日的发布文章（企业宣称），Glimpse 以「研究预览」形式上线，提供 API 和聊天界面。它的卖点是「视觉思考」：推理过程中可以回到原图或原视频，放大某个区域、按更密的帧率重看一小段、或者写代码去量。Elorian 说，Glimpse 由一个小团队用几百张 GPU、在一个开放权重的基座模型上做后训练得到，体量明显小于它对比的前沿模型。

据 TechCrunch 报道（媒体报道），Elorian 是一家位于帕洛阿尔托的初创公司，在发布任何产品之前就拿到了 5500 万美元种子轮融资，估值 3 亿美元；CEO 是前 Google DeepMind 研究员 Andrew Dai。TechCrunch 也提到，这种「推理时裁剪放大」的做法不算全新，OpenAI 在 2025 年就给 o 系列模型加过；Elorian 的说法是，它把整个模型围绕这件事来做，而且做得便宜。

把那张 12 项的表拆开

Elorian 发布文章里的对比表，列了 12 项评测、5 个模型：Glimpse、GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5、Gemini 3.8 Flash。以下都按这张表计（企业宣称）。

对 GPT-6 Astra：Glimpse 在 WGO Bench（机器人操作事件）、CharXiv-R（科学图表）、UGC-VideoCap（短视频描述）、FSC-147（开放类别计数）4 项上领先，ERQA（具身空间推理）打平，都是 83.75；在 BabyVision、HSS、DREAM-1K、TOMATO、Video-MME v2、CountQA 6 项上落后；E.T. Bench 一项 Astra 没有数据。Elorian 的说法是，Glimpse 在多模态评测上达到前沿水平，与 GPT-6 Astra 和 Claude Opus 5.5 相当，有时超过。按它自己的表，更准确的说法是：赢 4 项，平 1 项，输 6 项。

把 5 个模型放在一起看，Glimpse 单独拿第一的只有 4 项：WGO Bench、UGC-VideoCap、E.T. Bench、FSC-147（另有 ERQA 与 Astra 并列第一），其中 E.T. Bench 只比 Gemini 3.8 Flash 高 0.1 分（63.55 对 63.45）。CharXiv-R 上它高于 Astra，但低于 Opus 5.5（92.90 对 93.40）。差距最大的是 Video-MME v2，Glimpse 56.68，GPT-6.1 Sol 65.27，差了约 8.6 分。

对 Gemini 3.8 Flash：12 项里 Glimpse 赢 11 项，只在 Video-MME v2 上落后（56.68 对 59.58）。有几项差得不小，比如 BabyVision 95.36 对 83.25，FSC-147 83.36 对 67.06，WGO Bench 42.70 对 33.99。

价格是怎么比出来的

Elorian 说 Glimpse 的单价比 GPT-6 Astra 低 94%，比 Opus 5.5 低 85%，比 GPT-6.1 Sol 低 70%，比 Gemini 3.8 Flash 的优惠价低 20%。表里的标价是：Astra 输入 10 美元、输出 50 美元；Opus 5.5 是 4 美元和 20 美元；Sol 是 2 美元和 10 美元；Gemini 3.8 Flash 优惠价是 0.75 美元和 3.75 美元。

这组数字放在一起，含义就清楚了。「便宜 94%」是对着 Astra 说的，而按这张表，Astra 恰好是 Glimpse 输得最多的对手；真正和它站在同一价位的是 Gemini 3.8 Flash，两者单价只差五分之一，而在这一组里 Glimpse 的优势最明显。

还有一层要分开：单价不等于每个任务的花费。Elorian 在同一篇文章里写，Glimpse 看得仔细，「需要时间，也需要词元」，并把词元效率列为下一阶段的首要重点。它唯一给出的按任务成本，是一段机器人规划演示：同一个任务，Glimpse 规划花 0.035 美元，Astra 花 0.249 美元。这是一次演示、一家公司的数字。

HSS：Elorian 参与出题的考卷

表里有一项值得单独看。HSS（Humanity’s Sixth Sense，「人类第六感」）是 Elorian 与 Scale AI 合作推出的基准，10 月 8 日发布。据 Elorian 的 HSS 介绍文章（企业宣称），它有 522 道开放式题目，288 道图片、234 段短视频，问的是画面暗示但没有直接画出来的东西，比如刚才发生了什么、东西放不放得下、谁在听谁的；答案要满足人工写的评分细则每一条才算对。人类基线是 93.1%。

在这份自家参与出题的考卷上，Glimpse 拿到 46.36，在发布表的 5 个模型里排第四，低于 Astra 的 53.6、Opus 5.5 的 49.81、Sol 的 46.6。

再去看 Scale 维护的 HSS 排行榜。据 Scale Labs 榜单（官方文件，10 月 18 日查询）：第一名是 Gemini 4 Argon（high），55.40；第二是 GPT-6 Astra（max），53.60；第三是 GPT-6.1 Sol（max），46.60；Claude Opus 5.5（xhigh）是 44.60。Glimpse 不在榜上，Gemini 4 Argon 也不在 Glimpse 的对比表里。榜单给的误差范围在正负 4 分左右。分析推断：按这个精度，46.36 和 46.6 之间的差距分不出高低。

这里还有一个口径问题：Opus 5.5 在 Glimpse 发布表里是 49.81，在 Elorian 自己的 HSS 文章和 Scale 榜单上是 44.6。发布表的注释说，各模型按最高思考档位加代码解释器测试，HSS 一行含论文报告的结果。分析推断：两个数字很可能来自不同的设置（发布表注明 Opus 5.5 用 max 加代码解释器，榜单是 xhigh），但 Elorian 没有说明 49.81 出自哪一次测试。

为什么重要

据 TechCrunch 报道，Elorian 的首批目标客户是手里有大量视频的公司：机器人企业、科研实验室、媒体和创意公司。机器人要判断动作做没做完，内容公司要给海量视频打标签，实验室要读图表，这些都依赖视觉理解。HSS 的数据说明了现有模型在这方面的差距：据 Elorian 的 HSS 文章，团队标注的 8573 个失败案例里，94% 出在「看」和「从画面推出隐含信息」上，只有 5% 是推理逻辑错了。

如果 Glimpse 的成绩经得起独立复测，它的意义在于：用接近 Gemini Flash 的价格，拿到在多数视觉任务上明显更好的结果。这对按量处理视频和图片的团队是实打实的成本问题。可是在独立结果出来之前，这只是一张厂商自己出的成绩单。

最强反方

最有力的反驳是：拿 Astra 做参照并没有错，Elorian 本来就是在争「前沿」的位置。一个几百张 GPU 训练出来的小模型，在 12 项里有 4 项超过 Astra、1 项打平，单价只有 Astra 的十几分之一，这本身就是新闻；按价位分组去比，反而低估了它的上限。而且 HSS 上 46.36 和 Sol 的 46.6 在误差范围内，说它「排第四」也有些苛刻。

我们部分接受。小团队、低成本做到这个程度，确实值得记一笔，「排第四」也只是表上的位次，不代表统计上显著落后。但我们仍然坚持：一个模型「追平前沿」，至少应该在多数项目上不输前沿，而 Glimpse 在自己挑的 12 项里输给 Astra 6 项；对读者真正有用的判断，是同样的钱能换来什么，这个问题的答案在 Gemini 3.8 Flash 那一列，不在 Astra 那一列。

我们不知道什么

• 所有 12 项成绩都是 Elorian 自己跑的，目前没有第三方复测，Glimpse 也不在 Scale 的 HSS 榜单上。
• Glimpse 用的是哪个开放权重基座，Elorian 没有公开。
• 按任务算 Glimpse 实际要花多少钱。Elorian 自己承认它耗词元，唯一的按任务数字来自一段机器人演示。
• Gemini 3.8 Flash 在表里用的是 high 档位，Glimpse 用 max 档位；high 是否就是 Flash 能开到的最高档，表里没有说明，这会影响同价位对比是否公平。
• Opus 5.5 在 HSS 上 49.81 与 44.6 两个数字的差别，具体来自哪种设置。
• Gemini 4 Argon 不在对比表里。按 Scale 榜单它在 HSS 上排第一，Glimpse 放进去之后位置会怎样，目前没有数据。

我们的看法

我们认为，Glimpse 这次最站得住的结论是「同价位里视觉更强」，而不是「追平前沿」。依据是 Elorian 自己的表：对价格相近的 Gemini 3.8 Flash 赢 11 项，对贵十几倍的 Astra 只赢 4 项。如果第三方在相同设置下复测，Glimpse 对 Astra 能在多数项目上持平或领先，或者按任务算的成本证明它并不比 Flash 贵多少，我们会改口。

接下来看什么

• Glimpse 会不会进入 Scale 的 HSS 排行榜，或其他第三方视觉评测。
• Elorian 公布词元效率的改进，以及按任务计的成本数据。
• Elorian 说明年要做出「在每一项视觉推理测试上都领先」的模型（据 TechCrunch），届时对比表里会不会出现 Gemini 4 Argon。