Qu'est-ce que Glimpse ? Le modèle de pensée visuelle d'Elorian, expliqué

Elorian a lancé Glimpse le 16 octobre 2026 — son premier modèle, et un système multimodal d'un genre nouveau. Plutôt que de tokeniser une image une seule fois et de raisonner à partir de ce seul instantané, Glimpse est un modèle de « pensée visuelle » capable de revenir à l'image ou à la vidéo en cours de réflexion, de recadrer une zone ou de rejouer un court extrait avant de répondre. Ce guide explique ce qu'est Glimpse, ses performances sur les benchmarks face aux modèles de pointe, son coût et sa place dans l'écosystème.

Qu'est-ce que Glimpse ?

Glimpse est un modèle de raisonnement visuel multimodal développé par Elorian, conçu pour comprendre et raisonner sur le monde physique à partir de ce qu'il observe. Plutôt que de convertir d'abord une image en texte, il raisonne directement sur les images et les vidéos — ce qui lui permet de repérer de petits détails dans des scènes denses, de suivre des événements sur plusieurs images et d'ancrer ses réponses dans ce qui est réellement à l'écran (Elorian, OpenRouter).

L'idée centrale vient du co-fondateur et PDG Andrew Dai : lorsqu'un modèle n'est pas sûr de ce que montre une image, il devrait regarder à nouveau plutôt que de raisonner à partir d'une première impression dégradée. Dai a passé 12 ans chez Google, où il a dirigé le domaine des données Gemini, avant de fonder Elorian (Dealroom).

Elorian propose Glimpse en préversion de recherche avec un accès API et une interface de chat. Sur OpenRouter, il dispose d'une fenêtre de contexte de 262 000 tokens, accepte du texte, des images et des vidéos, retourne du texte et prend en charge l'appel d'outils et les sorties structurées.

Comment fonctionne concrètement la « pensée visuelle »

La plupart des modèles vision-langage lisent une image en tokens une seule fois et ne revisitent jamais les pixels. Glimpse est conçu autour d'une inspection répétée — ce que TechCrunch a décrit comme un « espace de travail visuel » (« visual scratch space ») (rapporté via WOWTALE).

En pratique, au fil de son raisonnement, Glimpse peut :

• Zoomer sur une zone pour vérifier un détail dont il n'est pas sûr.
• Revenir à un moment précis d'une vidéo et le revoir.
• Rejouer un court intervalle à une cadence d'images plus élevée — par exemple, passer d'environ 8 fps à 14 fps sur la seconde ambiguë qui détermine si un plan est un panoramique ou une coupe.
• Suivre une caractéristique dans le temps pour évaluer le mouvement, comme suivre le bord d'une fenêtre pour déterminer si un train décélère.

Selon Elorian, Glimpse est également entraîné de bout en bout en tant qu'agent : il peut écrire du code, transformer des images, regarder des vidéos et créer des sous-agents qui échangent du texte, des artefacts visuels et des représentations internes pour résoudre un problème commun.

Benchmarks de Glimpse face à GPT-6 Astra, Opus 5.5 et Gemini 3.8 Flash

Elorian publie un tableau de benchmarks comparant Glimpse (à l'effort de réflexion maximal) à GPT-6 Astra, GPT-6.1 Sol, Claude Opus 5.5 et Gemini 3.8 Flash. Ces résultats sont communiqués par l'entreprise elle-même, il convient donc de les considérer comme l'évaluation propre d'Elorian plutôt que comme des chiffres vérifiés de manière indépendante.

Selon Elorian, Glimpse surpasse Astra sur quatre évaluations — raisonnement sur des graphiques scientifiques, comptage en vocabulaire ouvert, sous-titrage de vidéos courtes et compréhension d'événements de manipulation — et l'égale sur le raisonnement incarné (embodied reasoning). Quelques chiffres sélectionnés dans le tableau d'Elorian :

Le tableau montre également les points faibles de Glimpse. D'après les propres chiffres d'Elorian, il est devancé par Astra sur BabyVision (perception fine), HSS (compréhension de scènes), DREAM-1K (sous-titrage dense), TOMATO (raisonnement temporel), Video-MME v2 et CountQA (comptage de produits). Elorian reconnaît ouvertement que Glimpse est un modèle nettement plus petit que les systèmes auxquels il se compare, ce qui rend la lecture attentive de ce mélange de victoires et de défaites particulièrement instructive.

Une démonstration très partagée : Glimpse a résolu 5 labyrinthes sur 5 de difficulté croissante, tandis que Gemini 3.8 Flash n'en a résolu qu'1 sur 5 (rapporté par TestingCatalog). Il s'agit d'un résultat de démonstration, et non d'un benchmark standardisé.

Combien coûte Glimpse ?

Glimpse est tarifé à 0,60 $ par million de tokens en entrée et 3,00 $ par million de tokens en sortie (OpenRouter). Elorian indique que c'est :

• 94 % moins cher que GPT-6 Astra
• 85 % moins cher que Claude Opus 5.5
• 70 % moins cher que GPT-6.1 Sol
• 20 % moins cher que le tarif d'introduction de Gemini 3.8 Flash

L'écart pratique peut être plus important par tâche en raison du fonctionnement de Glimpse. Dans l'exemple de planification robotique d'Elorian, Glimpse a planifié une tâche vision-langage-action pour 0,035 $ tandis que GPT-6 Astra a coûté 0,249 $ pour le même épisode. Elorian note que la ré-inspection dense consomme davantage de tokens et indique que l'efficacité des tokens est sa prochaine priorité.

Comment il a été construit et financé

Elorian indique qu'une petite équipe a entraîné Glimpse sur seulement quelques centaines de GPU en affinant (post-training) un modèle de base à poids ouverts — bien en deçà des budgets de calcul que les laboratoires de pointe consacrent à leurs systèmes multimodaux phares (Startup Fortune).

La société a levé un tour de table d'amorçage (seed round) de 55 M$ à une valorisation de 300 M$ avant même de livrer un produit, avec notamment Nvidia et Jeff Dean, directeur scientifique de Google, parmi les participants (Dealroom).

Où se positionne Glimpse

Elorian cible les cas d'usage liés au monde physique et aux médias : robotique (étiquetage de données synthétiques et planification de haut niveau), analyse de vidéos de chantiers et d'usines, sous-titrage dense de vidéos pour les archives médias, et comptage précis sur les sites de travail (OpenRouter). L'argument est que pour les charges de travail visuelles à grande échelle, les modèles généralistes de pointe sont souvent soit insuffisamment précis, soit trop coûteux — et qu'un spécialiste moins cher qui continue de regarder peut combler ce manque.

La question ouverte, soulevée même par des observateurs favorables, est de savoir si des modèles spécialisés pour des capacités spécifiques constituent la bonne forme à long terme, ou si les modèles généralistes de pointe finiront par absorber ces compétences. Pour l'instant, Glimpse est un pari concret sur l'idée que le raisonnement visuel mérite un modèle conçu autour de lui.

Mettez le raisonnement visuel au service de votre propre stack d'agents

Glimpse rappelle que l'unité utile n'est pas un seul modèle géant — c'est le bon modèle intégré dans un vrai flux de travail. Eigent est une application de bureau Cowork open source et locale : une équipe d'agents IA multi-agents que vous pouvez connecter à vos propres outils et données, en combinant les modèles selon les tâches pour lesquelles ils sont les plus performants. Si votre travail implique l'analyse de vidéos, de documents ou de tableaux de bord, découvrez comment un flux de travail multi-agents le gère dans one-person-company AI agents, puis téléchargez Eigent pour construire le vôtre.