TL;DR
Elorian Glimpse เป็นโมเดลให้เหตุผลเชิงภาพแบบมัลติโหมด ประกาศเมื่อ 16 ตุลาคม 2026 สามารถทบทวนภาพ ตรวจเฟรมวิดีโอ และปรับปรุงหลักฐานเชิงภาพระหว่างการให้เหตุผล ราคาผ่าน API ที่ประกาศคือ $0.60 ต่อหนึ่งล้านโทเคนอินพุต และ $3.00 ต่อหนึ่งล้านโทเคนเอาต์พุต Elorian รายงานสมรรถนะที่แข่งขันได้ในงานนับวัตถุ เหตุการณ์หุ่นยนต์ แผนภูมิ และคำบรรยายวิดีโอ แม้ผลลัพธ์ที่ผู้ขายรายงานจะยังไม่ใช่การตรวจสอบอิสระอย่างครอบคลุม
Key Takeaways
- การคิดเชิงภาพช่วยให้ตรวจสอบหลักฐานจากภาพและวิดีโอได้อีกครั้ง แทนที่จะพึ่งเพียงการดูครั้งแรก
- รายงานว่า Glimpse ทำคะแนนได้ 42.70 บน WGO Bench, 92.90 บน CharXiv-R และ 83.36 บน FSC-147
- อัตรา API ที่เผยแพร่คือ $0.60 อินพุต และ $3.00 เอาต์พุต ต่อหนึ่งล้านโทเคน
- โมเดลรับอินพุตเป็นข้อความ ภาพ และวิดีโอ และสร้างเอาต์พุตเป็นข้อความ
- นักพัฒนาควรเปรียบเทียบความแม่นยำ เวลาแฝง และต้นทุนต่อภารกิจรวมก่อนนำไปใช้
What Is Elorian Glimpse?
Elorian Glimpse เป็นโมเดลให้เหตุผลแบบมัลติโหมดสำหรับนักพัฒนาที่ประเมินความเข้าใจภาพและวิดีโอ Elorian ประกาศพรีวิวงานวิจัยเมื่อ 16 ตุลาคม 2026 บทความนี้อธิบายแนวทางการให้เหตุผลเชิงภาพ ผลลัพธ์บนเบนช์มาร์กที่เผยแพร่ ราคาเปิดตัว และตัวเลือกการเข้าถึง API
แนวทางการคิดเชิงภาพของมันเปิดโอกาสให้โมเดลกลับไปตรวจหลักฐานเชิงภาพระหว่างการสร้างคำตอบ การตรวจซ้ำช่วยแก้ความคลุมเครือได้ แต่คุณค่าขึ้นกับความแม่นยำของงานและเวลา/โทเคนที่ใช้เพิ่มขึ้น
Elorian Glimpse Specifications
OpenRouter รายงานหน้าต่างบริบท 262,144 โทเคน ซึ่งเป็นสเปกของผู้ให้บริการเราต์ ไม่ใช่ขีดจำกัดที่ระบุในประกาศเปิดตัวของ Elorian OpenRouter แสดงวันที่เปิดตัวเป็น 17 ตุลาคม ขณะที่ประกาศของ Elorian ลงวันที่ 16 ตุลาคม เอกสารเปิดตัวที่ตรวจทานไม่ได้ระบุชื่อโมเดลฐานหรือจำนวนพารามิเตอร์
What Makes Elorian Glimpse Different?
Elorian อธิบายว่า Glimpse นำตัวแทนเชิงภาพเข้าไปอยู่ในกระบวนการให้เหตุผลเอง และสามารถกลับไปปรับปรุงตัวแทนเหล่านั้นขณะคิด เมื่อเกิดความไม่แน่นอน Glimpse สามารถตรวจสื่อเชิงภาพอีกครั้ง ในตัวอย่างที่เผยแพร่ Glimpse ซูมบริเวณภาพ กลับไปดูช่วงสั้นๆ ของวิดีโอที่อัตราสุ่มตัวอย่างสูงขึ้น และติดตามคุณลักษณะตามเวลาเพื่อคลี่คลายความไม่แน่นอน
Object Counting and State Recognition
หนึ่งในตัวอย่างของ Elorian ขอให้นับคีมปากจิ้งจกที่เปิดอยู่ท่ามกลางเครื่องมือที่คล้ายกัน คำตอบอ้างอิงคือสี่ ความแตกต่างนี้สำคัญ: การรู้จำว่าเป็น “คีมปากจิ้งจก” ต่างจากการตัดสินว่าแต่ละอันเปิดอยู่หรือไม่ ตัวอย่างนี้แสดงประเภทงาน มากกว่าจะเป็นร่องรอยการอนุมานแบบสดที่ผ่านการตรวจสอบอิสระ
Physical Reasoning and Consequence Prediction
ในตัวอย่างยางรถของ Elorian คำตอบอ้างอิงที่ตรวจทานระบุว่าผู้หญิงที่สวมเสื้อลายทางเป็นคนที่เสี่ยงทันทีที่สุด หากเธอปล่อยมือก่อนที่ยางจะตั้งตรง ขอบที่ยกอยู่จะหมุนลงรอบขอบที่แตะพื้นและเคลื่อนเข้าหาเธอ
นี่เป็นการสาธิตเป้าหมายการให้เหตุผลที่ตั้งใจไว้ ไม่ใช่การอ้างว่า Glimpse เป็นตัวจำลองฟิสิกส์ที่แม่นยำ
Video Understanding and Agents
Glimpse อาจตรวจช่วงวิดีโอที่เลือกด้วยความหนาแน่นการสุ่มตัวอย่างสูงขึ้นเพื่อแก้เหตุการณ์ตามเวลาที่คลุมเครือ เช่น กล้องที่เคลื่อนที่เทียบกับการเปลี่ยนฉาก Elorian ยังอธิบายเครื่องมือแบบมัลติโหมดและซับเอเยนต์ที่ทำงานร่วมกัน สำหรับนักพัฒนานี่บ่งชี้โอกาสในงานจัดทำดัชนีวิดีโอ การทบทวนฟุตเทจ และเวิร์กโฟลว์เอเยนต์เชิงภาพ แต่ยังต้องประเมินอัตราผ่านงานและขีดจำกัดเชิงปฏิบัติการ
How Does Elorian Glimpse Perform on Benchmarks?
ตารางการประเมินเปิดตัว รายงานผลของผู้ขาย ไม่ใช่การทดสอบเปรียบเทียบแบบตัวต่อตัวโดยอิสระ ตารางด้านล่างคัดเลือก 11 การประเมินที่มีร่วมกับ GPT-6 Astra โดยละ E.T. Bench เพราะไม่มีผลของ Astra คะแนนใช้เมตริกเฉพาะของแต่ละเบนช์มาร์กและไม่ควรนำมาเฉลี่ย
Elorian รายงาน Glimpse ที่ความพยายามสูงสุด; Astra, Sol และ Opus โดยทั่วไปใช้โหมด max พร้อม Code Interpreter ส่วน Gemini ใช้โหมด high พร้อม Code Interpreter สำหรับภาพ และ Video Agent สำหรับวิดีโอ สำหรับวิดีโอ Sol และ Opus ใช้โหมด high พร้อม Code Interpreter ยกเว้น Sol บน Video-MME v2 ที่ใช้โหมด max HSS ยังรวมผลที่รายงานในงานวิจัย การกำหนดค่าแตกต่างกัน ดังนั้นผลจึงไม่ได้แยกคุณภาพโมเดลที่งบอนุมานเท่ากัน
Video-MME v2 ใช้คำบรรยายและคะแนนรูบริกแบบกลุ่ม แถวอื่นๆ คงสเกลคะแนนของเบนช์มาร์กที่เผยแพร่ไว้; ไม่ควรตีความคะแนนว่าเป็นความแม่นยำเป็นเปอร์เซ็นต์โดยอัตโนมัติ ตารางเปิดตัวไม่ได้ให้แพ็กเกจทำซ้ำครบถ้วนที่ครอบคลุมฮาร์ดแวร์ งบอนุมาน และความไม่แน่นอนจากการรันซ้ำ
ตลอด 11 เบนช์มาร์กร่วม Glimpse ชนะ GPT-6 Astra สี่รายการ เสมอหนึ่ง และตามหกรายการ มันทำได้ดีเป็นพิเศษบน WGO Bench และ FSC-147 ขณะที่ Astra แข็งแกร่งกว่าใน HSS และ Video-MME v2 ผลสะท้อนจุดแข็งเฉพาะด้าน ไม่ใช่ความเหนือกว่าทั่วกระดาน
Humanity’s Sixth Sense ทดสอบการให้เหตุผลที่ก้าวไกลกว่าวัตถุที่เห็นตรงๆ ไปสู่ความสัมพันธ์เชิงพื้นที่และผลทางกายภาพ Glimpse ได้ 46.36 บน HSS เทียบกับ 53.60 ของ GPT-6 Astra ช่องว่าง 7.24 คะแนน ผลนี้ชี้จุดอ่อนสัมพัทธ์บนการประเมินนี้ แต่ไม่ได้อธิบายสาเหตุของความต่าง
How Much Does Elorian Glimpse API Cost?
อัตราโทเคนที่ ประกาศโดย Elorian คือ $0.60 ต่อหนึ่งล้านโทเคนอินพุตที่ไม่แคช และ $3.00 ต่อหนึ่งล้านโทเคนเอาต์พุต ตารางต่อไปนี้ถ่ายทอดการเปรียบเทียบเปิดตัวเมื่อ 16 ตุลาคม 2026 รวมถึงอัตราเริ่มต้นของ Gemini ตัวเลขเหล่านี้สะท้อนการเปรียบเทียบที่เผยแพร่ในวันดังกล่าว ตรวจสอบอัตราปัจจุบันของผู้ให้บริการที่คุณเลือกก่อนประมาณค่าใช้จ่าย
ตัวคูณเปรียบเทียบอัตราโทเคนอินพุตและเอาต์พุตที่ระบุแยกกัน; ไม่ใช่อัตราต้นทุนภารกิจจริง ส่วนลดผู้ให้บริการ การแคช ระดับบริบทยาว การใช้เหตุผล และการเปลี่ยนราคาในภายหลัง อาจเปลี่ยนบิลจริง
Estimated Glimpse Request Costs
ประมาณการค่าใช้จ่ายต่อคำขอเป็น USD = (โทเคนอินพุต × 0.60 + โทเคนเอาต์พุต × 3.00) / 1,000,000.
ตามอัตราที่ประกาศ คำขอที่มีโทเคนอินพุต 10,000 และโทเคนเอาต์พุต 2,000 จะมีค่า $0.012 นี่เป็นการคำนวณตัวอย่าง; ต้นจริงขึ้นกับการคิดค่าบริการภาพ วิดีโอ และการให้เหตุผล
ตรวจสอบวิธีที่ผู้ให้บริการของคุณคิดค่าบริการเฟรมวิดีโอ ภาพ อินพุตที่แคช และโทเคนการให้เหตุผล การตรวจเชิงภาพซ้ำอาจเพิ่มเวลาและโทเคน ดังนั้นควรเปรียบเทียบต้นทุนต่อภารกิจที่สำเร็จควบคู่ไปกับอัตราโทเคน
How to Access Elorian Glimpse?
คุณสามารถลองใช้ Glimpse ผ่าน แพลตฟอร์มของ Elorian ซึ่งมีทั้งอินเทอร์เฟซแชตและการเข้าถึง API สำหรับแอปพลิเคชัน ให้ใช้เอกสารปัจจุบันของผู้ให้บริการเพื่อขอรับข้อมูลรับรอง เลือกโมเดล และส่งคำขอภาพหรือวิดีโอน้ำหนักเบาก่อน ขยายไปยังงานเต็มเมื่อพร้อม
หากคุณต้องการ API เดียวสำหรับหลายโมเดล CometAPI มีอินทิเกรชันที่เข้ากันได้กับ OpenAI ตรวจสอบแค็ตตาล็อกโมเดลปัจจุบันก่อนเพื่อดูความพร้อมของ Glimpse และการรองรับภาพหรือวิดีโอ หากพร้อมใช้งาน ให้สร้างคีย์ API ตั้งค่า base URL และ ID โมเดลที่ถูกต้องจาก เอกสารอินทิเกรชัน และทดสอบคำขอ ใช้ราคาและบันทึกการใช้งานที่ผู้ให้บริการระบุเพื่อประมาณต้นทุน
What Can Elorian Glimpse Be Used For?
- การตรวจสอบอุตสาหกรรม: ทบทวนภาพอุปกรณ์เพื่อดูสถานะวัตถุและรายละเอียดที่เห็นได้
- ฟุตเทจหุ่นยนต์: ระบุเหตุการณ์การหยิบจับและสรุปการปฏิบัติการที่เสร็จสิ้น
- การจัดทำดัชนีวิดีโอ: ติดตามเหตุการณ์ตามเวลาและผลิตคำอธิบายที่ค้นหาได้
- การติดตามงานก่อสร้าง: แปลความสัมพันธ์เชิงพื้นที่ในภาพไซต์และบันทึกเชิงภาพ
- การวิเคราะห์เชิงวิทยาศาสตร์: อ่านแผนภูมิและรูป และอธิบายหลักฐานเชิงภาพที่เกี่ยวข้อง
- การนับสต็อก: นับวัตถุคล้ายกันเพื่อสนับสนุนการประเมินสต็อกด้วยภาพ
สำหรับการใช้งานอุตสาหกรรม ให้กำหนด precision และ recall กับอุปกรณ์จริง ควบคุมการแจ้งเตือนผิด และประเมิน data drift เบนช์มาร์กที่เผยแพร่ไม่ได้ยืนยันสมรรถนะการตรวจจับความผิดพลาดที่สำคัญต่อความปลอดภัยหรือความน่าเชื่อถือในการควบคุมหุ่นยนต์
What Are the Limitations of Elorian Glimpse?
- หลักฐานที่ผู้ขายรายงาน: ผลเปิดตัวของ Elorian เป็นจุดเริ่มประเมิน ควรทดสอบ Glimpse กับงานที่เป็นตัวแทนของคุณเอง เพราะความต่างด้านเครื่องมือและความพยายามในการให้เหตุผลทำให้การเปรียบเทียบเบนช์มาร์กไม่สมบูรณ์
- ประสิทธิภาพและความพร้อมผลิตจริง: การตรวจเชิงภาพซ้ำอาจเพิ่มการใช้โทเคนและเวลาแฝง ในฐานะพรีวิวงานวิจัย ควรประเมินคุณภาพคำตอบ ต้นทุนต่อภารกิจที่สำเร็จ การจัดการข้อมูล ความพร้อมให้บริการ และพฤติกรรมเมื่อผิดพลาด ก่อนพึ่งพาในโปรดักชัน
- ความโปร่งใสของโมเดล: เอกสารเปิดตัวอธิบายการฝึกต่อจากฐานเปิดน้ำหนักโดยไม่ระบุชื่อหรือจำนวนพารามิเตอร์ ไม่พบเช็คพอยต์ของ Glimpse ให้ดาวน์โหลดในเอกสารที่ตรวจทาน ณ 20 ตุลาคม 2026 ดังนั้นหากต้องการโฮสต์เองหรือเงื่อนไขสัญญาเฉพาะ ให้ตรวจสอบกับผู้ให้บริการโดยตรง
FAQ
Glimpse สามารถส่งคืน JSON แบบมีโครงสร้างและเรียกเครื่องมือได้หรือไม่?
OpenRouter บันทึกการรองรับ tools, tool_choice และเอาต์พุตแบบมีโครงสร้างตาม JSON-schema ผ่าน response_format ความสามารถเหล่านี้เป็นของผู้ให้บริการเราต์ ดังนั้นให้ยืนยันการรองรับบนเอ็นด์พอยต์ที่เลือก แอปพลิเคชันควรตรวจสอบความถูกต้องของข้อมูลที่ส่งคืนและเรียกใช้เครื่องมือผ่านการตรวจสิทธิ์ของตนเอง; พารามิเตอร์คำขอที่รองรับไม่ได้รับประกันการเลือกเครื่องมือที่ถูกต้อง
นักพัฒนาควรแบ่งวิดีโอยาวสำหรับ Glimpse อย่างไร?
ใช้ขอบเขตงานและคงเวลาประทับเมื่อออกแบบกลยุทธ์การแบ่งส่วน รักษาการซ้อนทับให้พอเพื่อคงเหตุการณ์ที่ข้ามขอบเขต แล้วลบเหตุการณ์ซ้ำเมื่อรวมผลลัพธ์ นี่เป็นแนวทางการออกแบบแอป ไม่ใช่ขีดจำกัดระยะเวลาทางการของ Glimpse ทดสอบเทียบกับผลทั้งคลิปเมื่อเป็นไปได้ โดยเฉพาะเมื่อการติดตามเอกลักษณ์ข้ามหลายเซกเมนต์
Glimpse มีราคาอินพุตแบบแคชบน OpenRouter หรือไม่?
รายละเอียดราคาและความสามารถของ OpenRouter ระบุการอ่านแคชที่ $0.06 ต่อหนึ่งล้านโทเคน ณ 20 ตุลาคม 2026 อัตรานี้ใช้กับการอ่านแคชที่เข้าเงื่อนไข ไม่ใช่ทุกพรอมป์ต์ซ้ำ ยืนยันการรองรับการแคชจากผู้ให้บริการและตรวจบันทึกการใช้งานจริงก่อนใช้อัตราแคชในการประมาณต้นทุน
ควรวัดอะไรเมื่อประเมิน Glimpse สำหรับโปรดักชัน?
ใช้ชุดข้อมูลที่มีป้ายกำกับซึ่งเป็นตัวแทน รวมตัวอย่างคลุมเครือและล้มเหลว และใช้เกณฑ์การยอมรับเดียวกันกับผู้ท้าชิงทุกตัว บันทึกความแม่นยำงาน การแจ้งเตือนผิด เวลาแฝงเปอร์เซ็นไทล์ การใช้โทเคน และต้นทุนต่อผลที่ยอมรับได้ สำหรับการนับหรือการดึงเหตุการณ์ ให้ตรวจข้อผิดพลาดตามสถานะวัตถุหรือขอบเขตเหตุการณ์ แทนที่จะพึ่งคะแนนรวมเดียว
Conclusion
Glimpse เป็นตัวอย่างที่น่าสนใจของการให้เหตุผลเชิงภาพที่กลับไปทบทวนหลักฐาน แทนการพึ่งการมองครั้งแรก จุดแข็งเฉพาะด้านในเหตุการณ์หุ่นยนต์ การตีความแผนภูมิ และการนับ ผสานกับอัตราโทเคนที่โฆษณาต่ำ การตรวจสอบอิสระ ประสิทธิภาพการให้เหตุผล และความพร้อมเชิงโปรดักชันยังเป็นประเด็นที่ต้องพิจารณา ใช้ชุดทดสอบเชิงภาพที่เป็นตัวแทนเพื่อเปรียบเทียบคุณภาพคำตอบและต้นทุนปลายทางก่อนการปรับใช้