Elorian lanserer Glimpse, en AI-modell som kan resonnere aktivt med bilder

Bilde: TechCrunch · Kilde

Elorians nye AI-modell, Glimpse, forbedrer visuell resonnering ved interaktivt å gå tilbake til bilder under analyse, og overgår GPT-6 Astra på viktige visuelle oppgaver.

Elorian, en AI-startup basert i Palo Alto, har lansert sin første AI-modell kalt Glimpse, designet for å utvide evnen til visuell forståelse utover statisk beskrivelse. Lansert som en forskningsforhåndsvisning med API-tilgang og en ventelistebasert chattegrensesnitt, har Glimpse som mål å håndtere dagens begrensninger i hvordan AI-modeller behandler bilder.

I motsetning til eksisterende multimodale AI som prosesserer bilder én gang og deretter resonerer om dem tekstlig, gjenbesøker Glimpse dynamisk kildebildene under resonnementet. Den kan beskjære spesifikke områder, hente ut individuelle videorammer eller gjøre målinger midt i analysen — ved bruk av det Elorian kaller et "visuelt kladderom." Denne mekanismen minner om hvordan en person kanskje zoomer inn på et bilde gjentatte ganger for å verifisere sine observasjoner.

Andrew Dai, Elorians administrerende direktør og tidligere forsker ved Google DeepMind, påpeker at AI-modeller sliter med å tolke komplekse visuelle symboler og ikonografi som finnes i sammenhenger som brettspill eller IKEA-diagrammer, noe mennesker lett forstår uten tekst. Dette gapet inspirerte Glimpses tilnærming.

Selv om lignende interaktiv bildebehandling ble introdusert av OpenAI i deres 2025 o-serie modeller, hevder Elorian at de har bygget Glimpse fra bunnen av rundt denne evnen, og trent den effektivt på hundrevis av GPU-er med en betydelig mindre modellstørrelse sammenlignet med ledende systemer.

Når det gjelder pris, tar Glimpse $0,60 per million tokens input og $3 per million tokens output, noe som gjør den billigere enn noen mellomstore modeller, men dyrere enn lette alternativer.

Elorians evalueringer indikerer at Glimpse overgår GPT-6 Astra på vitenskapelig diagramresonnering og kortformet videoteksting, samtidig som den er konkurransedyktig på andre visuelle resonneringsoppgaver.

Selskapet, som kom frem fra stealth for seks måneder siden etter å ha samlet inn 55 millioner dollar til en verdivurdering på 300 millioner dollar, har investorer som Nvidia og Googles sjefsforsker Jeff Dean. Innledningsvis planlegger Elorian å fokusere på bransjer rike på videodata som robotikk, vitenskapelig forskning, media og kreative sektorer.

Fremover ønsker Elorian å utvikle Glimpse fra visuell forståelse til handling, ved å bygge modeller som ikke bare ser, men også beslutter og kontrollerer fysiske agenter som roboter. Administrerende direktør ser for seg å skape "verdens beste modell for visuell resonnering" innen neste år for å lede på alle visuelle resonneringsbenchmarker.