Elorian lanseeraa Glimpse-mallin, joka pystyy aktiivisesti järkeilemään kuvien avulla

Kuva: TechCrunch · Lähde

Elorian uusi tekoälymalli Glimpse tekee visuaalisesta päättelystä kehittyneempää käymällä kuvia läpi interaktiivisesti analyysin aikana ja päihittää GPT-6 Astra -mallin keskeisissä visuaalisissa tehtävissä.

Palo Altossa toimiva tekoälystart-up Elorian on julkaissut ensimmäisen tekoälymallinsa nimeltä Glimpse, joka on suunniteltu kehittämään visuaalisen ymmärryksen kykyjä staattisten kuvausten yli. Malli julkaistiin tutkimusversiona, johon saa API-käyttöoikeuden ja joka tarjoaa chat-käyttöliittymän jonotuslistalla. Glimpse tavoittelee nykyisten tekoälymallien kuvankäsittelyn rajoitusten ylittämistä.

Toisin kuin nykyiset multimodaaliset tekoälymallit, jotka käsittelevät kuvat vain kerran ja perustavat päättelynsä siihen tekstuaalisesti, Glimpse palaa dynaamisesti lähdekuviin päättelyn aikana. Se voi rajata tiettyjä alueita, erotella yksittäisiä videokehyskohtia tai tehdä mittauksia analyysin keskellä käyttäen Elorianin kutsumaa "visuaalista luonnostilaa". Tämä mekanismi muistuttaa ihmisen tapaa kerrata kuvan tarkastelua zoomaamalla varmistaakseen havaintonsa.

Elorianin toimitusjohtaja Andrew Dai, entinen Google DeepMindin tutkija, huomauttaa, että tekoälymallit kamppailevat monimutkaisten visuaalisten symbolien ja ikonografian tulkinnassa, joita esiintyy esimerkiksi lautapeleissä tai IKEA:n kaavioissa, joita ihmiset ymmärtävät helposti ilman tekstiä. Tämä aukko inspiroi Glimpse-mallin lähestymistapaa.

Vaikka samanlaista interaktiivista kuvankäsittelyä esitteli OpenAI omissa vuonna 2025 julkaistuissa o-sarjan malleissaan, Elorian väittää rakentaneensa Glimpsen alusta alkaen tämän kyvykkyyden ympärille, kouluttaen sitä tehokkaasti sadoilla GPU:illa ja käyttäen huomattavasti pienempää mallikokoa verrattuna johtaviin järjestelmiin.

Hinta-asetelmassa Glimpse veloittaa 0,60 dollaria miljoonasta syötetystä tokenista ja 3 dollaria miljoonasta tuotetusta tokenista, mikä tekee siitä edullisemman kuin jotkut keskiluokan mallit, mutta kalliimman kuin kevyemmät vaihtoehdot.

Elorianin arvioiden mukaan Glimpse päihittää GPT-6 Astra -mallin tieteellisten kaavioiden päättelyssä ja lyhyiden videoiden tekstityksissä, pysyen kilpailukykyisenä muissa visuaalisen päättelyn tehtävissä.

Yritys, joka paljasti toimintansa kuusi kuukautta sitten 55 miljoonan dollarin rahoituskierroksella ja 300 miljoonan dollarin arvostuksella, on saanut sijoittajikseen muun muassa Nvidian ja Googlen johtavan tutkijan Jeff Deanin. Alussa Elorian keskittyy aloihin, joissa on runsaasti videodataa, kuten robotiikkaan, tieteelliseen tutkimukseen, mediaan ja luoviin aloihin.

Tulevaisuudessa Elorian tavoittelee Glimpsen kehittämistä visuaalisesta ymmärryksestä kohti toimintaa, rakentamalla malleja, jotka eivät ainoastaan näe, vaan myös päättävät ja ohjaavat fyysisiä toimijoita kuten robotteja. Toimitusjohtaja näkee tavoitteena luoda "maailman paras visuaalisen päättelyn malli" jo ensi vuonna, johtamaan kaikkia visuaalisen päättelyn mittareita.