@leaf_sanren: 天呐！号称Jev之后的新狠活！！大模型Glimpse！！ 据说主打视觉理解与推理， 能最原生理解图片和视频中元素位置和空间关系 众所不周知，GPT和Claude模型无法从底层理解视频 他们只能暴力抽帧理解内容，但是连续性上他们是瞎的。 我…
摘要
推文介绍了主打视觉理解与推理的新大模型 Glimpse，宣称能原生理解图片和视频中元素的位置与空间关系，不同于 GPT 和 Claude 依赖抽帧的方式，并期待更多实际评测。
查看缓存全文
缓存时间: 2026/10/19 03:14
天呐😮！号称Jev之后的新狠活！！大模型Glimpse！！
据说主打视觉理解与推理， 能最原生理解图片和视频中元素位置和空间关系 🤔
众所不周知，GPT和Claude模型无法从底层理解视频🤫 他们只能暴力抽帧理解内容，但是连续性上他们是瞎的。
我之前是用 Anti-Gravity 来补足这块能力， 毕竟 Gemini 底层能读懂视频。 但是，在实际使用过程中， 我发现，Gemini 去理解视频并讲出“人话”，非常受提示词和提问方式的影响。
我看到 @Saccc_c 老师很推荐 Glimpse 模型，说帮他完善了《小王子》那个游戏，我被种草了。 我也很期待有机会实际用一下，或者看到更多的评测。
希望能解答一个问题： 对于这种底层拥有理解视频能力的模型，
- 我们到底应该给它更多开放性的视觉理解任务？
- 还是更有针对性的检验性任务（像一般疑问句一样，让它去验收一个画面、测试打勾这种）？
https://x.com/Saccc_c/status/2111148336954888249/video/1…
相似文章
@Saccc_c：继 Jev 之后，我强烈建议大家密切关注这款新发布的大模型 Glimpse——它成功地……
Elorian AI 发布首个视觉思考大模型 Glimpse，主打视频/图像的空间结构与动态理解，作者实测其在游戏验收与漏洞检测中的表现显著优于 Astra，并已开放 API，可集成进 Codex 等开发流程。
@ZhenZhu200: 现在 visual thinking and reasoning 绝对是最火的方向。从之前的 JEV 到 visual JEV 再到 Glance，Google DeepMind 前研究员出来做的 Elorian 公司的最新模型。 以前我…
讨论视觉思考与推理（visual thinking and reasoning）成为热门方向，并认为 Google DeepMind 前研究员创办的 Elorian 公司发布的 Glance/Glimpse 模型有替代传统 CV 的趋势，可与端侧小模型、云端 LLM 协同完成视觉理解与推理。
@rohanpaul_ai：理解视频意味着比较不同时刻，模型在这方面正变得越来越强。来自 @ElorianAI 的 Glimpse 正在验证这一方向
ElorianAI 发布 Glimpse，其首个视觉思考模型，通过在视频中比较时间点之间的变化、回溯源帧、裁剪区域、提取帧或运行代码来进行推理（visual scratch space），在关键视觉推理基准上具备与前沿模型 Astra 竞争的性能。
@LinusEkenstam：Elorian 的首个模型 Glimpse 专为视觉思考而构建，可以就图像和视频提问，它会对所见内容进行推理……
Elorian 发布首个视觉思考模型 Glimpse，能够对图像和视频进行推理，理解动作与变化，并有望自动化机器人遥操作数据的标注流程。
@FinanceYF5: 大规模视觉推理一直卡在两个问题：模型要么能力不够，要么贵到无法落地。 Elorian 团队刚发布 Glimpse：达到 Astra 级别的视觉推理能力，成本却低了 17 倍。 团队成员包括 Jeff Dean 的前核心下属、Gemini …
Elorian 团队发布视觉推理模型 Glimpse，声称达到 Astra 级别能力但成本低 17 倍，可逐帧分析视频中的物理规律，面向制造业、机器人、游戏和内容审核等场景。