Elorians Glimpse zoomer ind, mens den tænker
Glimpse kan beskære billeder, hente videoframe og køre kode under ræsonnementet – adgang som research preview med API og chat.
Glimpse kigger tilbage på billedet
De fleste multimodale AI-modeller ser et billede én gang, konverterer det til tokens og ræsonnerer videre i tekst – som at beskrive et foto fra hukommelsen. Glimpse gør noget andet: midt i ræsonnementet kan den zoome ind på et område af billedet, hente bestemte frames fra en video eller køre kode til at måle og sammenligne det, den kigger på. Elorian kalder mekanismen en "visual scratch space".
Det svarer til, at et menneske knipser for at zoome ind på et telefonfoto for at dobbelttjekke, hvad man troede, man så.
- Pris for input til Glimpse
- $0,60 pr. million input-tokens
- Pris for output fra Glimpse
- $3 pr. million output-tokens
- Seed-runde før produktlancering
- $55 millioner
Brætspil afslørede manglen
CEO Andrew Dai, tidligere forsker hos Google DeepMind, beskriver et konkret eksempel: Sidste år photographede han et færdigspillet brætspil og spurgte en frontier-model, hvem der førte. Modellen kunne ikke sige det. Brætspil har hver deres visuelle sprog, ikonografi og symboler, forklarer han – nemme for et voksent menneske, men svære for modeller at intuitivt forstå.
Samme logik gælder møbelmanualer: Mennesker kan samle møbler ud fra rene tegninger uden tekst. Det kan de fleste AI-modeller ikke.
Lille hold, lave omkostninger
Elorian hævder, at et lille team trænede Glimpse på få hundrede GPU'er, og at modellen er markant mindre end de frontier-systemer, den er benchmarket imod. Det er ikke afhængigt verificeret.
Prisen er $0,60 per million input-tokens og $3 per million output-tokens. Det er billigere end mellemniveau-modeller som Sonnet og Sol, men dyrere end letvægtsmodeller som Haiku og Luna. Glimpse lanceres som research preview med API-adgang og en chat-interface.
Elorians egne tests viser fordel
Ifølge Elorians egne evalueringer overgår Glimpse GPT-6 Astra på videnskabelig graf-reasoning og billedtekster til kort video, med konkurrencedygtige resultater på andre visuelle reasoning-opgaver. Uafhængige tests er ikke læst.
De første kunder er virksomheder med store mængder video: robotikfirmaer, videnskabelige laboratorier, medier og kreative virksomheder. På længere sigt vil Elorian gå fra se til handling – bygge en model af en scene og bruge den til at vælge en handling, herunder direkte robotstyring.
55 millioner dollar før produkt
Elorian kom ud af stealth for seks måneder siden med en seed-runde på $55 millioner til en værdisætning på $300 millioner – før selskabet havde lanceret et produkt. Runden blev co-ledet af Striker Venture Partners, Menlo Ventures og Altimeter Capital med deltagelse fra Nvidia og Googles chief scientist Jeff Dean.
Dai siger, at firmaet næste år sigter mod at bygge "verdens bedste visuelle reasoning-model", der fører på hver visuel reasoning-test.
Flere detaljer
- Glimpse lanceres som research preview med API og chat-interface
- Trænet på få hundrede GPU'er ifølge Elorian
- OpenAI tilføjede crop-and-zoom til o-serien i 2025
- Medinvestorer: Nvidia og Jeff Dean
Kilder:
TechCrunch AI →
Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.