Elorian ने Glimpse लॉन्च किया, एक AI मॉडल जो तस्वीरों के सहारे तर्क करता है

पालो ऑल्टो स्थित AI स्टार्टअप Elorian ने शुक्रवार, 16 अक्टूबर 2026 को अपना पहला मॉडल Glimpse जारी किया। यह मॉडल API के जरिए रिसर्च प्रीव्यू के रूप में उपलब्ध है, जबकि इसका चैट इंटरफ़ेस केवल वेटलिस्ट में शामिल लोगों के लिए खुला है।

कंपनी का तर्क है कि मौजूदा AI मॉडल टेक्स्ट और कोड में चाहे कितने भी सक्षम हों, वास्तव में "देखने" में अब भी संघर्ष करते हैं। अधिकांश मल्टीमोडल सिस्टम किसी तस्वीर को एक बार प्रोसेस करते हैं, उसे टोकन में बदलते हैं और फिर केवल टेक्स्ट के आधार पर तर्क करते हैं। Glimpse को किसी समस्या पर काम करते समय मूल दृश्य सामग्री पर बार-बार लौटने के लिए डिज़ाइन किया गया है।

एक विज़ुअल स्क्रैच स्पेस

Elorian इस तंत्र को "विज़ुअल स्क्रैच स्पेस" कहता है। तर्क के दौरान Glimpse किसी तस्वीर के हिस्से को क्रॉप और ज़ूम कर सकता है, वीडियो से चुने हुए फ्रेम निकाल सकता है, या जो वह देखता है उसे मापने और तुलना करने के लिए कोड चला सकता है। इस विचार की एक पूर्व मिसाल भी है: OpenAI ने 2025 में अपने o-सीरीज़ मॉडलों को तर्क के दौरान क्रॉप और ज़ूम की क्षमता दी थी। Elorian का कहना है कि उसका अंतर इस बात में है कि उसने पूरे मॉडल को इसी तकनीक के इर्द-गिर्द बनाया है, और वह भी कम लागत में।

मुख्य कार्यकारी अधिकारी Andrew Dai, जो पहले Google DeepMind में शोधकर्ता थे, इस प्रोजेक्ट की शुरुआत का एक हिस्सा पिछले साल की एक बोर्ड गेम नाइट से जोड़ते हैं, जब एक फ्रंटियर मॉडल मेज़ की तस्वीर से यह नहीं बता पाया कि कौन जीत रहा है। उनका कहना है कि खेलों में अपने खास प्रतीक होते हैं, जिन्हें वयस्क आसानी से समझ लेते हैं, लेकिन मॉडल उनकी व्याख्या नहीं कर पाते। Dai ने कहा, "इंसान बिना किसी टेक्स्ट के Ikea के डायग्राम देखकर Ikea का फर्नीचर जोड़ सकते हैं।"

Elorian के अनुसार, एक छोटी टीम ने कुछ सौ GPU पर Glimpse को प्रशिक्षित किया, और यह मॉडल उन फ्रंटियर सिस्टमों की तुलना में काफी छोटा है जिनसे इसकी तुलना की जा रही है। कंपनी की अपनी मूल्यांकन रिपोर्ट के अनुसार, यह वैज्ञानिक चार्ट के तर्क और छोटे वीडियो कैप्शनिंग में GPT-6 Astra से आगे है, और अन्य विज़ुअल रीज़निंग बेंचमार्क पर प्रतिस्पर्धी प्रदर्शन करता है। इन नतीजों की स्वतंत्र पुष्टि अभी नहीं हुई है।

कीमत, निवेशक और महत्वाकांक्षाएँ

Glimpse की कीमत प्रति मिलियन इनपुट टोकन $0.60 और प्रति मिलियन आउटपुट टोकन $3 है। यह Sonnet और Sol जैसे मध्य-स्तर के मॉडलों से कम, लेकिन Haiku और Luna जैसे हल्के विकल्पों से अधिक है। Elorian ने कोई उत्पाद लॉन्च करने से पहले, छह महीने पहले स्टealth से बाहर आकर $300 मिलियन के मूल्यांकन पर $55 मिलियन का सीड राउंड जुटाया था। इस राउंड का नेतृत्व Striker Venture Partners, Menlo Ventures और Altimeter Capital ने संयुक्त रूप से किया, और इसमें Nvidia तथा Google के मुख्य वैज्ञानिक Jeff Dean भी शामिल हुए।

शुरुआती ग्राहकों में वे संगठन होने की उम्मीद है जिनके पास बड़े वीडियो आर्काइव हैं, जैसे रोबोटिक्स कंपनियाँ, वैज्ञानिक प्रयोगशालाएँ, मीडिया संस्थान और रचनात्मक फर्में। समय के साथ Elorian चाहता है कि उसके मॉडल धारणा से आगे बढ़कर कार्रवाई तक पहुँचें, यानी किसी दृश्य का प्रतिनिधित्व बनाएँ और उसके आधार पर कार्य चुनें, जिसमें रोबोट को सीधे नियंत्रित करना भी शामिल है। Dai ने कहा कि अगले साल का लक्ष्य ऐसा मॉडल है जो हर विज़ुअल रीज़निंग बेंचमार्क में सबसे आगे हो।