Elorian запускает Glimpse — модель ИИ для активного рассуждения с изображениями

Image: TechCrunch · Source

Новая модель ИИ Glimpse от Elorian улучшает визуальное рассуждение, интерактивно возвращаясь к изображениям во время анализа, превосходя GPT-6 Astra в ключевых визуальных задачах.

Elorian, стартап в области ИИ из Пало-Альто, выпустил свою первую модель ИИ под названием Glimpse, созданную для расширения возможностей визуального понимания за пределы статического описания. Запущенная в виде исследовательского превью с доступом через API и чатом по системе ожидания, Glimpse призвана решать существующие ограничения в обработке изображений моделями ИИ.

В отличие от существующих мультимодальных моделей ИИ, которые обрабатывают изображение один раз и затем выводят рассуждения на основе текста, Glimpse динамически возвращается к исходным визуальным данным во время рассуждения. Она может вырезать конкретные регионы, извлекать отдельные кадры видео или выполнять измерения в процессе анализа — используя то, что Elorian называет «визуальным рабочим пространством» (visual scratch space). Этот механизм похож на то, как человек может многократно приближать фото для проверки своих наблюдений.

Эндрю Дай, генеральный директор Elorian и бывший исследователь Google DeepMind, отмечает, что моделям ИИ сложно интерпретировать сложные визуальные символы и иконографику, встречающиеся, например, в настольных играх или инструкциях IKEA, которые люди легко понимают без текста. Этот разрыв вдохновил концепцию Glimpse.

Хотя подобная интерактивная обработка изображений была представлена OpenAI в моделях серии o в 2025 году, Elorian утверждает, что построил Glimpse с нуля, ориентируясь именно на эту возможность, обучая его эффективно на сотнях GPU при значительно меньшем размере модели по сравнению с ведущими системами.

Что касается стоимости, за Glimpse взимается плата 0,60 доллара за миллион входных токенов и 3 доллара за миллион выходных токенов, что делает её более доступной, чем некоторые модели среднего уровня, но дороже лёгких альтернатив.

Оценки Elorian показывают, что Glimpse превосходит GPT-6 Astra в анализе научных графиков и кратких видеозаголовков, оставаясь конкурентоспособной в других задачах визуального рассуждения.

Компания, которая вышла из стадии «стелс» шесть месяцев назад после привлечения 55 миллионов долларов при оценке в 300 миллионов долларов, имеет среди инвесторов таких, как Nvidia и главный научный сотрудник Google Джефф Дин. Изначально Elorian планирует сосредоточиться на отраслях с большим объёмом видео данных, таких как робототехника, научные исследования, медиа и креативные сферы.

Взгляды в будущее предполагают, что Elorian намерена развивать Glimpse от визуального понимания к действиям, создавая модели, которые не только видят, но и принимают решения и управляют физическими агентами, такими как роботы. Генеральный директор видит цель создать "лучший в мире модель визуального рассуждения" к следующему году, чтобы лидировать во всех эталонных тестах визуального рассуждения.