Elorian Glimpse: модель, которая возвращается к картинке посреди рассуждения, — $0,60 за миллион токенов
Стартап Elorian с seed-раундом $55 млн выпустил Glimpse — модель для визуального рассуждения с ценой ниже средних моделей. Разбираем, что она умеет и где проигрывает.
- По блогу Elorian от 16 октября: research preview, доступ через API и чат, дообучение на базе открытой модели силами небольшой команды с несколькими сотнями GPU.
- По TechCrunch: до продукта Elorian привлекла $55 млн seed при оценке $300 млн.
- Все бенчмарки — собственные замеры компании; где-то модель обходит GPT-6 Astra, а где-то заметно ему уступает.
Стартап бывшего исследователя Google DeepMind выпустил первую модель — и сразу с дерзкой ценой. Elorian Glimpse не просто «смотрит» на картинку один раз, а возвращается к ней посреди рассуждения: кадрирует область, вытаскивает кадры из видео, запускает код для замеров. Стоит $0,60 за миллион входных токенов и $3 за миллион выходных.
Что за модель
Elorian — стартап из Пало-Альто, его CEO Эндрю Дай раньше работал в Google DeepMind. Компания вышла из стелса полгода назад; раунд вели Striker Venture Partners, Menlo Ventures и Altimeter Capital, участвовали Nvidia и главный научный сотрудник Google Джефф Дин.
Идею Дай объясняет на бытовом примере. Он сфотографировал настольную игру после партии с друзьями и спросил у фронтир-модели, кто выигрывает. Модель не смогла: у каждой игры свой визуальный язык, иконки и символы. «Люди могут собрать мебель из IKEA по схеме без текста. Почему модели не могут?» — пересказывает его TechCrunch.
Обычная мультимодальная модель один раз превращает картинку в токены и дальше рассуждает текстом, как будто описывает фото по памяти. Elorian Glimpse держит так называемое «визуальное черновое пространство»: посреди рассуждения она может приблизить участок, взять кадры видео плотнее или посчитать что-то кодом. В чате платформа показывает этот черновик пользователю. По блогу, модель ещё умеет запускать субагентов, которые обмениваются текстом и визуальными артефактами.
TechCrunch честно оговаривает: подход не новый, OpenAI добавила кадрирование и зум во время рассуждения в o-серии ещё в 2025 году. Ставка Elorian в том, что вся модель построена вокруг этого механизма и сделана дёшево.
Первые клиенты, на которых целится компания, — те, у кого много видео: робототехника, научные лаборатории, медиа и креативные студии. Дальше Elorian хочет перейти «от зрения к действию» — строить модель сцены и выбирать действие, вплоть до прямого управления роботами. В следующем году Дай обещает «лучшую в мире модель визуального рассуждения». Издание dataist справедливо замечает: модель, которая умеет рассмотреть сцену, ещё не модель, которая умеет в ней безопасно действовать.
Цифры Elorian Glimpse против фронтир-моделей
Таблица из блога компании, лучшие режимы каждой модели:
| Тест | Glimpse | GPT-6 Astra | Opus 5.5 |
|---|---|---|---|
| CharXiv-R, научные графики | 92,90 | 92,10 | 93,40 |
| UGC-VideoCap, короткие видео | 82,66 | 80,32 | 76,35 |
| FSC-147, подсчёт объектов | 83,36 | 82,02 | 73,78 |
| WGO Bench, роботы | 42,70 | 39,42 | 12,34 |
| Video-MME v2 | 56,68 | 64,06 | — |
| TOMATO, время | 93,60 | 96,02 | 72,44 |
| BabyVision | 95,36 | 97,68 | — |
Видно, что это не «убийца всех»: на CharXiv-R модель чуть выше Astra, но ниже Opus 5.5, а на Video-MME v2 и TOMATO отстаёт от Astra. Сильная сторона — цена при сопоставимом уровне. В примере с роботом на задаче LIBERO планирование Glimpse обошлось в $0,035 за эпизод, у Astra — в $0,249.
Бенчмарки — из таблиц самой Elorian, независимых прогонов пока нет; dataist прямо называет их «собственными результатами компании».
Сколько стоит и где взять
| Параметр | Значение |
|---|---|
| Вход | $0,60 за 1 млн токенов |
| Выход | $3,00 за 1 млн токенов |
| Чтение из кэша | $0,06 за 1 млн (через Together на OpenRouter) |
| Контекст | 262 144 токена |
| Входы | текст, изображения, видео |
По карточке на OpenRouter модель поддерживает вызов инструментов и структурированный JSON-вывод. Elorian сравнивает цену так: на 94% дешевле GPT-6 Astra, на 85% — Opus 5.5, на 70% — GPT-6.1 Sol и на 20% — вводных цен Gemini 3.8 Flash. По TechCrunch, это дешевле средних моделей вроде Sonnet и Sol, но дороже лёгких вроде Haiku и Luna.
Что это значит для тебя
Для крипто-аудитории самое очевидное применение — разбор скриншотов: графики, таблицы, интерфейсы, видео с экрана. Сильный результат на научных графиках не означает, что модель угадает следующую свечу: она читает картинку, а не рынок. Используй её как помощника, который проверит, что на скрине действительно написано, а не как сигнал к сделке.
Полезные сценарии без фантазий:
- сверка цифр со скриншотов отчётов и дашбордов, которые неудобно копировать текстом;
- подсчёт объектов и событий в видео — то, что Elorian сама показывает в демо;
- проверка интерфейса: что за кнопки и предупреждения на экране кошелька перед подписью — но решение всё равно за тобой.
Не загружай в облачные модели скрины с seed-фразой, приватными ключами и QR-кодами кошелька — это касается любого сервиса. Для сравнения цен на рынке — наш разбор Gemini 4 Argon, а про компактную мультимодальную модель для телефона — MiniCPM-V 4.7.
FAQ
Что такое Elorian Glimpse? Первая модель стартапа Elorian для визуального рассуждения: работает с текстом, картинками и видео и возвращается к изображению во время ответа.
Сколько стоит? $0,60 за миллион входных и $3 за миллион выходных токенов.
Это лучше GPT-6 Astra? По таблице Elorian — на части тестов да, на части нет. Независимых сравнений пока нет.
Можно ли скачать веса? В анонсе речь только про API и чат Elorian. Модель дообучена на открытой базе, но об открытых весах самой Glimpse компания не пишет.
Итог: Elorian Glimpse — заявка на дешёвое «зрение» для агентов и анализа видео. Цена действительно низкая, а качество пока подтверждено только таблицами компании, так что проверяй на своих задачах.
Материал не является инвестиционной рекомендацией. Крипта — высокий риск, решения принимаешь сам.
