Elorian выпустила первую ИИ-модель Glimpse, которая анализирует изображения, многократно возвращаясь к первоисточнику
Стартап Elorian из Пало-Альто, привлёкший 55 миллионов долларов в посевном раунде, в пятницу представил первую модель Glimpse. При анализе изображений и видео она может увеличивать фрагмент кадра или запускать код, а не опираться на единственное текстовое описание.
Стартап в области искусственного интеллекта Elorian из Пало-Альто (Калифорния) в пятницу выпустил свою первую модель Glimpse. Об этом эксклюзивно сообщает технологическое издание TechCrunch. Ещё до выхода продукта компания привлекла 55 миллионов долларов в посевном раунде при оценке в 300 миллионов долларов. Пока модель доступна как исследовательская предварительная версия: разработчики могут работать с ней через API (программный интерфейс), а чат-интерфейс доступен только по списку ожидания. Поэтому сейчас о ней можно судить лишь по таблице результатов и основному тезису компании.
Чем модель отличается
В Elorian считают, что современные модели, несмотря на мастерство в работе с языком и кодом, по-настоящему не видят. Большинство мультимодальных моделей, работающих и с текстом, и с изображениями, смотрят на картинку один раз, превращают её в токены и дальше рассуждают в текстовом виде — как будто описывают фотографию по памяти. Glimpse в процессе рассуждения возвращается к оригиналу: может вырезать область изображения, выбрать определённые кадры видео или запустить код, чтобы измерить или сравнить увиденное. Компания называет этот механизм «визуальным черновиком».
Гендиректор Elorian Эндрю Дай (Andrew Dai), бывший исследователь Google DeepMind, рассказывает, что заметил проблему после вечера настольных игр. В прошлом году он сфотографировал только что оконченную с друзьями партию и спросил одну из ведущих моделей, кто побеждает, но ответа не получил. По его словам, человеку легко понять символы игры, а модели не могут догадаться об их значении.
Подход не совсем новый: OpenAI в 2025 году добавила в модели серии o обрезку и увеличение в ходе рассуждения. Отличие Elorian в том, что она построила всю модель вокруг этой идеи и сделала это недорого. Компания сообщает, что небольшая команда обучила Glimpse на нескольких сотнях GPU, а сама модель заметно меньше ведущих систем, с которыми её сравнивали.
Цена и результаты
Glimpse стоит 0,60 доллара за миллион входных токенов и 3 доллара за миллион выходных. Это дешевле моделей среднего уровня, таких как Sonnet и Sol, но дороже лёгких моделей Haiku и Luna. По данным собственных тестов Elorian, модель превосходит даже GPT-6 Astra в анализе научных графиков и создании подписей к коротким видео, а в остальных задачах визуального рассуждения показывает конкурентные результаты.
Дальнейшие планы
Elorian вышла из режима секретности шесть месяцев назад: раунд совместно возглавили Striker Venture Partners, Menlo Ventures и Altimeter Capital, участвовали также Nvidia и главный научный сотрудник Google Джефф Дин (Jeff Dean). Первые целевые клиенты — компании с большими объёмами видео: робототехнические фирмы, научные лаборатории, медийные и креативные компании. В долгосрочной перспективе компания хочет перейти от «видения» к действию: строить модель сцены, выбирать по ней действие и напрямую управлять роботами. В следующем году, по словам Дая, компания намерена создать «лучшую в мире модель визуального рассуждения».
