一段 6 秒多的小鸟动画,有 0.9 秒看不清。
Glimpse 的做法:倒回去,把这 0.9 秒加密到每秒约 14 帧重看,确认镜头没剪、两只鸟谁先进窗。
Elorian 刚发布的视觉思考模型,边推理边回画面查细节。院子里的小狗视频丢给它,每只编号,出画再回来也不重算。
官方演示还有这几个👇
🧠 看不清就回去再看
先每秒 8 帧过一遍全片,只在决定答案的短区间加密重看;放大局部、追踪特征的过程都摆在"视觉草稿空间"里,你能看到它在查哪儿。
🤖 给机器人当规划大脑
一句"把奶油奶酪放进碗,再把碗放到柜顶",它拆步骤、盯着相机判断第一步做完没,再交给 π0.5 去执行。这次规划花了 0.035 美元,同任务 GPT-6 Astra 是 0.249 美元。
🎬 机器人训练视频自动标注
给海绵、记号笔、剪刀画框命名,把拿起、放下切成 6 个带时间戳的事件,一段录像直接变训练数据。
📊 视频细节漏得最少
2 分 46 秒的哈瓦那街头舞蹈,14 个检查点:Glimpse 覆盖 14 项,GPT-6 Sol 12 项,Gemini 3.8 Flash 11 项。
🧩 迷宫 20 道全解出
找不同 53 处差异,纠正一次坐标顺序后 53/53。不过它能自己写代码辅助,对比的两家没开工具。
💰 价格是真便宜
每百万 token 输入 0.60 美元、输出 3 美元,单价比 GPT-6 Astra 低 94%。
说人话就是:以前 AI 看视频像扫一眼就答,Glimpse 是会倒回去盯着细节看的那种。短板也很明显,"球会落在哪"这类物理预测,随机 12 题只对了 5 道。
聊天界面可以免费试,开发者也能在 OpenRouter 上直接调用。
视频是 Andrew Dai 的发布介绍(中文字幕版),完整解读放评论区了👇 http://t.cn/AXlrYxa1
发布于 美国
