Elorian lanserar Glimpse, en AI-modell som aktivt kan resonera med bilder

Bild: TechCrunch · Källa

Elorians nya AI-modell, Glimpse, förbättrar visuell resonemang genom interaktivt återbesök av bilder under analysen och överträffar GPT-6 Astra i viktiga visuella uppgifter.

Elorian, en AI-startup baserad i Palo Alto, har släppt sin första AI-modell kallad Glimpse, designad för att ta visuell förståelse bortom statisk beskrivning. Modellen lanseras som en forskningsförhandsvisning med API-åtkomst och en chatgränssnitt baserat på väntelista. Glimpse syftar till att lösa nuvarande begränsningar i hur AI-modeller bearbetar bilder.

Till skillnad från befintliga multimodala AI-system som bearbetar bilder en gång och sedan resonerar om dem textuellt, återbesöker Glimpse dynamiskt källbilder under resonemanget. Den kan beskära specifika områden, extrahera individuella videoramar eller göra mätningar mitt i analysen — med hjälp av vad Elorian kallar "visuellt klotterutrymme." Denna mekanism liknar hur en person kan zooma in på ett foto upprepade gånger för att verifiera sina observationer.

Andrew Dai, Elorians VD och tidigare forskare vid Google DeepMind, påpekar att AI-modeller har svårt att tolka komplexa visuella symboler och ikonografi som finns i sammanhang som brädspel eller IKEA-diagram, vilket människor lätt förstår utan text. Denna skillnad inspirerade Glimpses angreppssätt.

Även om liknande interaktiv bildbearbetning introducerades av OpenAI i deras 2025 o-serie modeller, hävdar Elorian att de byggt Glimpse från grunden kring denna förmåga och tränat den effektivt på hundratals GPU:er med en avsevärt mindre modellstorlek jämfört med ledande system.

När det gäller kostnad tar Glimpse ut 0,60 dollar per miljon tokens input och 3 dollar per miljon tokens output, vilket gör den mer prisvärd än vissa mellanmodeller men dyrare än lätta alternativ.

Elorians utvärderingar visar att Glimpse presterar bättre än GPT-6 Astra på vetenskapliga diagramresonemang och korta videobildtexter, samtidigt som den är konkurrenskraftig på andra visuella resonemangsuppgifter.

Företaget, som klivit fram ur stealth för sex månader sedan efter att ha samlat in 55 miljoner dollar till en värdering på 300 miljoner dollar, har investerare som Nvidia och Googles chefsforskare Jeff Dean. Initialt planerar Elorian att fokusera på branscher med mycket videodata såsom robotik, vetenskaplig forskning, media och kreativa sektorer.

Framåt sikt planerar Elorian att utveckla Glimpse från visuell förståelse till handling, genom att bygga modeller som inte bara ser utan också fattar beslut och kontrollerar fysiska agenter som robotar. VD:n föreställer sig att skapa "världens bästa modell för visuell resonemang" nästa år för att leda inom alla visuella resonemangsbenchmarkar.