Elorian، استارت‌آپ هوش مصنوعی مستقر در پالو آلتو به مدیریت اندرو دای، پژوهشگر پیشین گوگل دیپ‌مایند، روز ۱۶ اکتبر ۲۰۲۶ نخستین مدل خود را منتشر کرد. این مدل Glimpse نام دارد، به شکل نسخه پیش‌نمایش پژوهشی عرضه شده و شرکت آن را مدل «تفکر بصری» می‌نامد: به جای آنکه تصویر را یک بار به توکن تبدیل کند و بعد با متن درباره‌اش استدلال کند، در طول حل مسئله بارها به خود پیکسل‌ها برمی‌گردد.
به گفته یادداشت معرفی، Glimpse می‌تواند بازنمایی‌های بصری درونی خود را هم‌زمان با پیشرفت استدلال بازبینی و اصلاح کند و به‌صورت سرتاسری به‌عنوان عامل آموزش دیده تا از ابزارهای چندوجهی برای نوشتن کد، تغییر تصویر و تماشای ویدئو استفاده کند. این مدل همچنین می‌تواند زیرعامل‌هایی بسازد که متن، خروجی‌های تصویری و بازنمایی‌های درونی را با هم مبادله می‌کنند. تک‌کرانچ که خبر را به‌طور اختصاصی منتشر کرد، این سازوکار را «چرک‌نویس بصری» توصیف می‌کند: مدل وسط استدلال بخشی از تصویر را برش می‌دهد، فریم‌های مشخصی از ویدئو بیرون می‌کشد یا برای اندازه‌گیری آنچه می‌بیند کد اجرا می‌کند. در یکی از نمونه‌های منتشرشده، مدل بازه‌ای ۰٫۹ ثانیه‌ای را با حدود ۱۴ فریم در ثانیه دوباره تماشا می‌کند تا تشخیص دهد حرکت دوربین چرخشی بوده یا برش.
جدول نتایج از ارزیابی‌های خود Elorian آمده است. بر اساس آن، Glimpse در چهار آزمون از GPT-6 Astra جلوتر است: استدلال روی نمودارهای علمی در CharXiv-R با ۹۲٫۹۰ در برابر ۹۲٫۱۰، شمارش اشیا در FSC-147 با ۸۳٫۳۶ در برابر ۸۲٫۰۲، زیرنویس‌نویسی ویدئوهای کوتاه در UGC-VideoCap با ۸۲٫۶۶ در برابر ۸۰٫۳۲ و درک رویدادهای جابه‌جایی اشیا در WGO Bench با ۴۲٫۷۰ در برابر ۳۹٫۴۲. در ERQA هر دو ۸۳٫۷۵ گرفته‌اند. در همین جدول Glimpse در چند آزمون دیگر از Astra عقب‌تر است، از جمله درک صحنه در HSS با ۴۶٫۳۶ در برابر ۵۳٫۶ و نیز DREAM-1K، TOMATO، Video-MME v2 و CountQA؛ بالاترین امتیاز CharXiv-R هم با ۹۳٫۴۰ به Claude Opus 5.5 رسیده است. شرکت می‌گوید همه مدل‌ها با بیشترین سطح تفکر و محیط عامل بومی خود اجرا شده‌اند.
قیمت بخش مهمی از پیشنهاد Elorian است: ۰٫۶۰ دلار برای هر میلیون توکن ورودی و ۳ دلار برای هر میلیون توکن خروجی. به گفته شرکت این نرخ ۹۴ درصد کمتر از GPT-6 Astra، ۸۵ درصد کمتر از Claude Opus 5.5، ۷۰ درصد کمتر از GPT-6.1 Sol و ۲۰ درصد کمتر از نرخ آغازین Gemini 3.8 Flash است. تیمی کوچک این مدل را تنها با چند صد پردازنده گرافیکی و با پس‌آموزش یک مدل پایه با وزن‌های باز ساخته، اما نام آن مدل پایه اعلام نشده است.
درباره نحوه دسترسی، دو منبع اندکی اختلاف دارند. Elorian می‌گوید Glimpse از طریق API و یک رابط گفت‌وگو با ثبت‌نام در دسترس است، اما تک‌کرانچ نوشته رابط گفت‌وگو فعلاً فقط با فهرست انتظار باز است. به گزارش تک‌کرانچ، این شرکت حدود شش ماه پیش با جذب ۵۵ میلیون دلار سرمایه اولیه با ارزش‌گذاری ۳۰۰ میلیون دلار از حالت پنهان بیرون آمد؛ دوری که Striker Venture Partners، Menlo Ventures و Altimeter Capital رهبری کردند و Nvidia و جف دین، دانشمند ارشد گوگل، نیز در آن مشارکت داشتند. Elorian اوایل همین ماه معیار سنجش استدلال بصری Humanity's Sixth Sense را با همکاری Scale AI منتشر کرده بود.
مشتریان اولیه هدف، سازمان‌هایی با حجم زیاد ویدئو هستند: شرکت‌های رباتیک، آزمایشگاه‌های علمی، رسانه‌ها و استودیوهای خلاق. برنامه بلندمدت، گذر از دیدن به عمل کردن است؛ یعنی بازسازی صحنه، پیش‌بینی رخداد بعدی و در نهایت کنترل مستقیم ربات‌ها. خود Elorian می‌پذیرد که بازسازی دقیق صحنه و کنترل ربات هنوز کارهای پیش رو هستند و دای به تک‌کرانچ گفته هدف سال آینده ساخت مدلی است که در همه آزمون‌های استدلال بصری اول باشد.
بازگشت به تصویر در جریان استدلال ایده تازه‌ای نیست. تک‌کرانچ یادآوری می‌کند که OpenAI در سال ۲۰۲۵ قابلیت برش و بزرگ‌نمایی را به مدل‌های استدلالی سری o افزود. ادعای Elorian این است که کل یک مدل را با هزینه کم حول این رویکرد ساخته است. تا زمان انتشار هیچ ارزیابی مستقلی از Glimpse یافت نشد، بنابراین مقایسه‌های عملکرد را باید ادعای شرکت دانست.