alphapc.ru

Новости в Мире Hi-Tech

Чем Glimpse от Elorian отличается от моделей OpenAI

Стартап Elorian выпустил ИИ-модель Glimpse, которая рассуждает с изображениями

Стартап Elorian из Palo Alto, собравший 55 миллионов долларов на начальном этапе при оценке в 300 миллионов долларов ещё до запуска продукта, в пятницу выпустил свою первую модель Glimpse. Об этом эксклюзивно узнал TechCrunch.

Модель Glimpse запускается в качестве предварительного просмотра исследований с доступом к API, а интерфейс чата — только для списка ожидания, поэтому на данный момент это таблица результатов и тезис. Тезис? Современные модели ИИ, несмотря на все свои знания языка и кода, до сих пор не могут видеть.

Большинство мультимодальных моделей смотрят на изображение один раз, преобразуют его в токены, а затем рассуждают о нем в тексте — например, описывая фотографию из памяти. Глимпс возвращается к источнику. Размышляя посередине, он может врезаться в область, вытаскивать определенные кадры из видео или запускать код для измерения или сравнения того, что он смотрит, механизм, который Элориан называет «визуальным пространством царапин». Подумайте о том, что кто-то зажимает, чтобы увеличить фотографию телефона, чтобы дважды проверить то, что, по их мнению, они видели.

Почему Эндрю Дай понял, что ИИ не видит?

Стартап Elorian выпустил ИИ-модель Glimpse, которая рассуждает с изображениями - изображение номер один
Стартап Elorian выпустил ИИ-модель Glimpse, которая рассуждает с изображениями — изображение номер один — фото из freepik.com

Для бывшего исследователя Google DeepMind и генерального директора Elorian Эндрю Дай (Andrew Dai) один из явных признаков того, что ИИ все еще не может видеть, появился в ночь игры.

В прошлом году он сфотографировал настольную игру, которую только что закончил с друзьями, и спросил модель, которая выигрывает. Этого не скажешь. «У каждой из настольных игр есть свой собственный визуальный язык, у каждой есть своя иконография, символы, — сказал он TechCrunch. — Для взрослого человека довольно легко понять, что происходит с минимальным текстом, но эти модели не могут понять, что означают символы».

«Люди могут смотреть на диаграммы Ikea без текста и собирать мебель Ikea, не так ли? Почему не могут быть модели?, — сказал он.

Чем Glimpse отличается от моделей OpenAI?

Подход не совсем новый — OpenAI добавила растениеводство и зум во время рассуждений к своим моделям серии в 2025 году, но Элориан утверждает, что он построил всю модель вокруг него, дешево. Компания говорит, что небольшая команда обучила Glimpse на нескольких сотнях графических процессоров, и что модель значительно меньше, чем пограничные системы, с которыми она сравнивается.

Glimpse стоит $0,60 за миллион токенов и $3 за миллион токенов — дешевле, чем модели среднего уровня, такие как Sonnet и Sol, но дороже, чем легкие модели, такие как Haiku и Luna.

Насколько Glimpse превосходит GPT-6 Astra?

Но, согласно оценкам Элориана, Glimpse превосходит даже GPT-6 Astra по аргументации научных диаграмм и короткометражному видео, с конкурентными результатами по другим задачам визуального мышления.

Элориан вышел из тени шесть месяцев назад с раундом, возглавляемым Striker Venture Partners, Menlo Ventures и Altimeter Capital, при участии Nvidia и главного ученого Google Джеффа Дина.

Куда Элориан хочет прийти в будущем?

Первоначальные цели — компании, сидящие на большом количестве видео: робототехнические фирмы, научные лаборатории, средства массовой информации и творческие компании. В долгосрочной перспективе Элориан хочет перейти от наблюдения к делу. Это означает создание модели сцены, использующей ее для выбора действия, включая непосредственное управление роботами. В следующем году, по словам Дай, компания намерена создать «лучшую в мире модель визуального мышления», которая лидирует в каждом тесте визуального мышления.

Вопросы и ответы

Сколько стоит использовать модель Glimpse?

Glimpse стоит 0,60 доллара за миллион токенов на входе и 3 доллара за миллион токенов на выходе. Это дешевле моделей среднего уровня вроде Sonnet и Sol, но дороже лёгких моделей типа Haiku и Luna.

Насколько хорошо Glimpse работает по сравнению с GPT-6 Astra?

По оценкам Elorian, Glimpse превосходит GPT-6 Astra в аргументации научных диаграмм и короткометражном видео, показывая конкурентные результаты в других задачах визуального мышления.

Что Elorian планирует делать дальше?

Сначала компания нацелена на фирмы с большим объёмом видео: робототехнику, научные лаборатории, медиа и творческие компании. В долгосрочной перспективе Elorian хочет перейти от наблюдения к действию, включая управление роботами, а в следующем году создать лучшую в мире модель визуального мышления.