Elorian Glimpse API：视觉推理中转首选，输入 0.63 美元/百万 tokens
A new decoy counting benchmark exposes a gap between seeing and reasoning. Elorian’s Glimpse tries to bridge it by thinking with images.
Full article body is primarily in Chinese for SEO depth; key points above are localized. Use the language switcher and deep links for global navigation.
Elorian Glimpse API：视觉推理中转首选，输入 0.63 美元/百万 tokens
Elorian Glimpse API 是 Elorian 推出的视觉推理模型，通过中转平台接入后，可直接用于图像与视频的复杂推理任务。它适合需要精确跟踪物体运动、空间关系或物理变化的开发者，例如机器人规划、科学图表分析或视频监控。接入方式简单，只需将模型标识符替换为 elorian/glimpse，通过标准 OpenAI 兼容接口调用即可。相比传统视觉模型，它的核心优势在于推理过程中可自主运行代码与网页搜索，逐步验证视觉证据，而非直接回答。
开发者决策时，应优先考虑场景边界：若任务仅需简单物体识别，OpenAI 或 Grok API 的多模态接口已足够；若需要跨帧跟踪或长视频分析，Glimpse 的缓存机制与 22 万上下文窗口能显著降低重复查询成本。当前通过第三方中转平台接入的定价为输入 0.63 美元/百万 tokens（缓存读约 0.06 美元），输出 3.15 美元/百万 tokens，比许多同类模型低 90% 以上，但具体以挂牌页面当日数据为准。
Glimpse 是什么
Glimpse 是 Elorian 的首款视觉推理模型，专为物理世界中的视觉理解与复杂推理设计。它不像传统多模态模型那样先将图像转成文本再处理，而是直接在图像上进行“思考”：推理过程中可放大局部画面、回看关键片段，甚至调用代码验证细节。例如，判断视频中火车是否减速时，模型会追踪同一车窗在不同帧的位置变化，而非凭直觉猜测。
该模型在 DecoyCount 基准测试中达到 50.48% 准确率，是目前对比中唯一超过 50% 的模型，领先 GPT-6 Astra 的 43.17%。Elorian 强调，这种能力源于“视觉思考”——将图像生成与编辑融入推理链条。
核心优势与应用场景
Glimpse 的视觉推理能力体现在以下几方面：
- 物体跨帧跟踪：能精确比较空间位移与运动状态，适用于机器人操作或视频监控。
- 空间关系理解：解析镜像、遮挡等物理现象，远超简单图像描述。
- 自主工具调用：推理中可运行代码与搜索网页核对证据，输出仅为最终文本。
- 缓存优化：重复提示前缀自动缓存，缓存读费大幅降低。
适用场景包括：
- 机器人规划与事件识别（Glimpse 在 WGO Bench 与 ERQA 基准中与前沿模型持平或更高）。
- 科学图表分析与视频字幕生成。
- 建筑合规检查、仓库物品计数等实际工程任务。
与 Claude Code、Cursor 或 OpenAI 的多模态能力相比，Glimpse 的优势在于推理深度而非单纯生成。它适合需要高精度物理推理的垂直应用，而非通用聊天。
接入方式与使用示例
通过 GrokCode API 中转平台接入 Elorian Glimpse API 非常便捷。以下是标准调用方式：
``json { "model": "elorian/glimpse", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "What does the sign in this photo say, and does it match the caption below it?" }, { "type": "image_url", "image_url": { "url": "" } } ] } ], "stream": true, "stream_options": { "include_usage": true } } ``
你也可以使用 elorian/glimpse:low、:medium 或 :max（对应 reasoning_effort 参数）来控制思考深度。视频调用只需添加 video_url 字段，单个请求支持最多 1 个视频与 20 张图像。
注意：支持流式输出，适合长任务；响应中的 usage 字段会显示实际 token 消耗与缓存读量。请查看每条响应中的 usage.prompt_tokens_details.cached_tokens，以确认缓存效果。
定价对比与成本优化
以下是主要提供商的参考定价（单位：美元/百万 tokens，数据以 2026 年 10 月中旬挂牌页面为准，实际以平台实时为准）：
| 模型提供商 | 输入（/M） | 缓存读（/M） | 输出（/M） | 备注 |
|---|---|---|---|---|
| Elorian Glimpse (中转) | 0.63 | 0.06 | 3.15 | 缓存机制显著降低重复成本 |
| OpenRouter Elorian | 0.63 | 0.063 | 3.15 | 平台费后实际到手价 |
| GPT-6 Astra | 约 6.0 | - | 约 24.0 | 视觉推理能力较弱 |
Glimpse 的输入与缓存价格远低于 Astra 等同类模型，适合长视频或高频查询场景。实际账单由响应中的 usage 决定，建议启用流式输出并监控缓存命中率。
性能表现与基准测试
在 DecoyCount 基准中，Glimpse 单次运行即可达 50.48% 准确率，领先 GPT-6 Astra。其他评测显示其在机器人操作事件识别上与前沿模型持平，在科学图表推理与短视频描述中表现突出。模型上下文窗口达 220,000 tokens，适合长视频分析。
与其他模型对比：
- Claude Code：强于代码，但视觉推理深度不足。
- OpenAI GPT-6：通用能力强，但跨帧跟踪能力较弱。
- Grok API：xAI 生态中较强，视觉能力仍在快速迭代。
Glimpse 在小团队（数百张 GPU）驱动下，性价比突出。
风险与边界
使用 Elorian Glimpse API 时，请注意以下边界：
- 输出仅为文本，推理过程中生成的图表或代码文件不会返回。
- 推理任务耗时从几秒到数分钟不等，建议启用流式输出。
- 敏感数据建议不发送，平台可能存储用于训练。
- 定价以平台实时数据为准，缓存机制仅对重复前缀生效，首次调用可能不节省。
延伸阅读
风险与边界
Elorian Glimpse API 通过中转平台接入属于第三方服务，存在以下潜在风险：推理过程可能因长时计算导致费用超出预期、输出仅限文本（不返回中间生成物）、数据隐私需自行评估。以上内容仅供参考，非法律意见。开发者应根据自身应用场景与平台实时政策调整使用策略。
English summary
Elorian Glimpse API is Elorian's visual reasoning model, accessible via GrokCode transit for precise image and video analysis. It excels in tracking motion, spatial relationships, and physical changes, ideal for robotics, engineering checks, and video monitoring. Developers should choose it when simple recognition isn't enough and deep multi-step reasoning is required. Pricing starts at $0.63 per million input tokens (with caching at ~$0.06), making it cost-effective for longer tasks. Access via standard OpenAI-compatible endpoints with model name "elorian/glimpse". Benchmarks like DecoyCount show it outperforming GPT-6 Astra in visual reasoning. Note limitations: text-only output, variable latency, and provider data storage policies. For production use, monitor usage reports and test with your specific workloads. This model bridges the gap between seeing and true reasoning in multimodal AI.
适用于 GrokCode 倍率榜。信息仅供参考，不构成购买、投资或法律意见。