استدلال يعتمد على فحص المحتوى البصري نفسه، مع إمكانية الرجوع إلى الصور والفيديو وتحليل أجزاء أو إطارات محددة أثناء الاستدلال.
أطلقت شركة Elorian الناشئة نموذج Glimpse كنسخة بحثية مع واجهة محادثة وواجهة API، ويعود أثناء الاستدلال إلى الصور ومقاطع الفيديو لاقتصاص المناطق وتحليل الإطارات وتشغيل التعليمات البرمجية. تقول الشركة إن النموذج يتفوق في تقييماتها على GPT-6 Astra في استدلال المخططات العلمية ووصف مقاطع الفيديو القصيرة، رغم أنه أصغر وأقل تكلفة من نماذج رائدة.