Elorian AI 推首款模型 Glimpse AI 圖像推理突破僅理解限制

總部位於美國帕羅奧圖的人工智慧（AI）新創公司 Elorian AI, Inc.，上週五（10月16日）正式發布其首款多模態 AI 模型 Glimpse。這款模型的核心能力在於能真正「推理」圖像與影片內容，而非僅止於單純理解，標誌著 AI 在視覺領域的一項重要進展。

Elorian AI 指出，Glimpse 模型特別設計了稱為「視覺暫存空間」（visual scratch space）的機制。不同於現有多數多模態 AI 模型，通常只會將圖像檢查一次、轉換為 Token 後便以文字形式進行推理，Glimpse 能在推理過程中反覆與視覺原始資料互動，例如重新檢視來源內容、裁切細節，甚至運行程式碼來進一步分析其所見。Elorian AI 執行長 Andrew Dai 強調，現有 AI 模型難以直觀理解視覺語言、圖標與符號的意義，他舉例說明，人類能光憑 IKEA 的圖解組裝家具，但 AI 模型卻無法做到。

根據 Elorian AI 的評估，儘管 Glimpse 模型僅由小型團隊以數百個 GPU 打造，規模遠小於目前頂尖的先驅模型，但在科學圖表推理與短影音字幕生成方面，其表現優於 OpenAI 的 GPT-6 Astra 模型。目前 Glimpse 的使用成本為每百萬輸入 Token 0.60 美元，每百萬輸出 Token 3 美元。此前 OpenAI 也曾在 2025 年為其 o 系列模型增加類似的裁切與縮放功能。

Elorian AI 於六個月前結束隱身模式，當時已完成 5500 萬美元的種子輪募資，公司估值達到 3 億美元。此輪募資由 Striker Venture Partners、門洛創投（Menlo Ventures）及 Altimeter Capital 共同領投，輝達（Nvidia）與 Google 首席科學家 Jeff Dean 也參與其中。該公司初期目標客群為擁有大量影片資料的企業，包括機器人公司、科學實驗室以及媒體與創意產業。Elorian AI 的長期願景是從視覺理解進一步發展到實際行動，期望在 2027 年前打造出「全球最佳視覺推理模型」，甚至能控制機器人。