Glimpse는 2026년 10월 16일 팔로알토 스타트업 Elorian이 공개한 첫 모델로, 연구 프리뷰 형태로 API가 열렸고 채팅 인터페이스는 대기자 명단만 받고 있다. TechCrunch가 이날 단독으로 전했다. 회사의 주장은 단호하다. 오늘날의 모델은 글을 읽고 코드를 짜지만, 이미지를 진정으로 보지는 못한다는 것이다.
대부분의 멀티모달 모델은 이미지를 한 번 보고 토큰으로 바꾼 뒤, 말로 기억에 의존해 추론한다. 사진을 한 번 보고 눈을 감은 채 설명하는 것과 비슷하다. 전 Google DeepMind 연구원이자 Elorian CEO인 Andrew Dai는 보드게임을 즐긴 어느 밤의 일을 들려준다. 방금 끝낸 게임판을 찍어 프런티어 모델에게 누가 이기고 있는지 물었지만 답을 듣지 못했다. 보드게임마다 고유한 시각 언어와 도상이 있어 어른은 한눈에 알아채지만, 모델은 기호의 의미를 직감하지 못한다. 글자 없는 이케아 설명서만 보고 가구를 조립하는 인간과 대조적이다.
추론 중간에 원본으로 돌아간다
Glimpse에는 '시각적 스크래치 공간'이 있다. 추론 도중에도 이미지의 한 영역을 잘라 확대하거나, 영상에서 특정 프레임을 뽑거나, 코드를 실행해 대상을 측정하고 비교할 수 있다. 첫인상만으로 계속 추측하는 방식이 아니다. 이 접근이 완전히 새로운 것은 아니다. OpenAI는 2025년 o 시리즈에 추론 중 자르기와 확대를 넣었다. Elorian의 차이는 모델 전체를 이 메커니즘 중심으로 설계했다는 점, 그리고 훈련 비용이 낮다는 점이다. 소규모 팀이 GPU 수백 대로 훈련했고, 모델은 벤치마크 상대인 프런티어 시스템보다 훨씬 작다.
성적표와 가격표는 모두 신중히 봐야 한다
가격은 입력 100만 토큰당 0.60달러, 출력 3달러로 Sonnet, Sol 같은 중급 모델보다 싸고 Haiku, Luna 같은 경량 모델보다는 비싸다. 회사 자체 평가에서는 과학 차트 추론과 짧은 영상 설명에서 GPT-6 Astra를 앞섰고, 다른 시각 추론 과제에서도 경쟁력 있는 결과를 냈다고 한다. 다만 수치는 전부 회사 자체 평가이고, 접근이 연구 프리뷰와 대기자 명단으로 제한돼 외부에서 아직 재현할 수 없다. 지금의 성적표는 결론이 아니라 검증이 필요한 주장이다.
첫 고객은 영상을 대량으로 쌓아 둔 회사들
Elorian은 6개월 전 스텔스에서 나올 당시 제품도 없이 3억 달러 가치평가로 5,500만 달러의 시드 투자를 유치했다. Striker Venture Partners, Menlo Ventures, Altimeter Capital이 공동 주도했고 NVIDIA와 Google 수석과학자 Jeff Dean도 참여했다. Glimpse가 먼저 겨냥하는 고객은 로봇 기업, 과학 연구소, 미디어, 창작 회사처럼 영상 보유량이 많은 곳이다. 장기적으로는 '보는 것'에서 '행동하는 것'으로 나아가 장면 모델을 세워 행동을 고르고 로봇을 직접 제어하는 것까지 노리며, 내년에 세계 최고의 시각 추론 모델을 만들겠다는 목표도 내걸었다. 그러나 그것은 성과가 아닌 포부다. 시각 모델 경쟁의 승부처는 이미지 속 내용을 알아맞히는 능력에서, 확신이 없을 때 다시 보러 돌아갈 줄 아는 능력으로 옮겨 가고 있다.
