Elorian käivitab Glimpse'i, aktiivse järeldusvõimega pildianalüüsi tehisintellekti mudeli

Pilt: TechCrunch · Allikas

Eloriani uus tehisintellekti mudel Glimpse viib visuaalse mõtlemise uuele tasemele, võimaldades interaktiivselt pilte analüüsi käigus uuesti vaadata ja saavutades paremaid tulemusi kui GPT-6 Astra peamistes visuaalsetes ülesannetes.

Elorian, Palo Alto tehisintellekti idufirma, on välja andnud oma esimese tehisintellekti mudeli nimega Glimpse, mis on loodud parandama visuaalse mõistmise võimekust kaugemale staatilisest kirjeldusest. Uuenduslik mudel on esitatud teadusuuringute eelvaatena koos API ligipääsu ja ootenimekirja-põhise vestlusliidesega ning selle eesmärk on lahendada praeguseid piiranguid, kuidas tehisintellekti mudelid pilte töötlevad.

Erinevalt olemasolevatest multimodaalsetest tehisintellektidest, mis töötlevad pilte ühe korra ja seejärel loogiliselt tekstiliselt mõtlevad, pöördub Glimpse dünaamiliselt tagasi allikapiltide juurde analüüsi käigus. See suudab lõigata konkreetseid alasid välja, võtta üksikuid videofraame või mõõtmisi teha keskel - kasutades Eloriani nimetatud "visuaalset visanduspinda". See mehhanism sarnaneb sellele, kuidas inimene võib pilti mitu korda sisse suumida, et oma tähelepanekuid kontrollida.

Eloriani tegevjuht ja endine Google DeepMindi teadlane Andrew Dai rõhutab, et tehisintellektil on raske tõlgendada keerukaid visuaalseid sümboleid ja ikoonograafiat, nagu neid leidub lauamängudes või IKEA joonistes, mida inimesed hõlpsasti mõistavad ka ilma tekstita. See puudujääk inspireeris Glimpse'i lähenemist.

Kuigi sarnaseid interaktiivseid pilditöötlusvõimeid tutvustas OpenAI 2025. aasta o-seeria mudelites, väidab Elorian, et on üles ehitanud Glimpse'i puhtalt selle võimekuse ümber ning treeninud seda efektiivselt sadadel GPU-del, kasutades oluliselt väiksemat mudelisuurust võrreldes juhtivate süsteemidega.

Kulu seisukohalt maksab Glimpse 0,60 dollarit miljoni sisestatud tokeni eest ja 3 dollarit miljoni väljundtokeni eest, muutes selle taskukohasemaks kui mõned keskklassi mudelid, kuid kallimaks kui kerged alternatiivid.

Eloriani testid näitavad, et Glimpse ületab GPT-6 Astra võimeid teaduslike graafikute mõistmisel ja lühivideo pealkirjastamisel ning jääb konkurentsivõimeliseks teistel visuaalse mõtlemise ülesannetel.

Ettevõte, mis astus avalikkuse ette kuus kuud tagasi pärast 55 miljoni dollari kaasamist 300 miljoni dollarilise väärtuse juures, loetleb investorite seas selliseid nimetusi nagu Nvidia ja Google peateadlane Jeff Dean. Alguses keskendub Elorian valdkondadele, mis on rikkad videodatas nagu robootika, teadusuuringud, meedia ja loomingulised sektorid.

Vaadates tulevikku, plaanib Elorian arendada Glimpse'i visuaalsest mõistmisest tegutsemisvõimeks, luues mudeleid, mis mitte ainult ei näe, vaid ka otsustavad ja juhivad füüsilisi agente nagu robotid. Tegevjuht näeb ette, et järgmisel aastal luuakse "maailma parim visuaalse mõtlemise mudel", mis juhib kõiki visuaalse mõtlemise võrdlustabeleid.