Elorian luncurkan Glimpse, model AI yang bernalar dengan gambar

Elorian, startup AI yang berbasis di Palo Alto, merilis model pertamanya, Glimpse, pada Jumat, 16 Oktober 2026. Model ini tersedia sebagai pratinjau riset melalui API, sementara antarmuka chatnya hanya terbuka bagi orang-orang yang masuk daftar tunggu.

Perusahaan berpendapat bahwa model AI saat ini, sehebat apa pun dalam memproses teks dan kode, masih kesulitan untuk benar-benar melihat. Sebagian besar sistem multimodal memproses gambar sekali, mengubahnya menjadi token, lalu bernalar hanya dalam bentuk teks. Glimpse dirancang untuk terus kembali ke materi visual asli selama ia menyelesaikan sebuah masalah.

Ruang coret-coret visual

Elorian menyebut mekanisme ini sebagai "ruang coret-coret visual". Selama bernalar, Glimpse dapat memotong dan memperbesar bagian dari sebuah gambar, mengambil bingkai tertentu dari video, atau menjalankan kode untuk mengukur dan membandingkan apa yang dilihatnya. Gagasan ini sudah pernah ada sebelumnya: OpenAI memberi model seri o kemampuan memotong dan memperbesar selama bernalar pada 2025. Elorian mengatakan pembedanya adalah membangun seluruh model di sekitar teknik ini, dan melakukannya dengan biaya murah.

CEO Andrew Dai, mantan peneliti Google DeepMind, menelusuri proyek ini sebagian ke sebuah malam permainan papan tahun lalu, ketika sebuah model frontier tidak bisa memberitahunya siapa yang sedang unggul dari foto meja permainan. Ia mengatakan permainan bergantung pada simbol-simbolnya sendiri yang mudah dipahami orang dewasa tetapi gagal diinterpretasikan oleh model. "Manusia bisa melihat diagram Ikea, tanpa teks, dan merakit perabot Ikea," kata Dai.

Menurut Elorian, sebuah tim kecil melatih Glimpse menggunakan beberapa ratus GPU, dan model ini jauh lebih kecil dibandingkan sistem frontier yang menjadi pembandingnya. Evaluasi internal perusahaan menunjukkan Glimpse mengungguli GPT-6 Astra dalam penalaran bagan ilmiah dan captioning video berdurasi pendek, serta bersaing ketat pada tolok ukur penalaran visual lainnya. Hasil ini belum diverifikasi secara independen.

Harga, pendukung, dan ambisi

Glimpse dihargai $0,60 per satu juta token input dan $3 per satu juta token output, di bawah model kelas menengah seperti Sonnet dan Sol, tetapi di atas opsi ringan seperti Haiku dan Luna. Elorian muncul dari mode senyap enam bulan lalu setelah mengumpulkan pendanaan awal (seed round) sebesar $55 juta dengan valuasi $300 juta, sebelum merilis produk apa pun. Striker Venture Partners, Menlo Ventures, dan Altimeter Capital memimpin bersama putaran tersebut, dengan Nvidia dan kepala ilmuwan Google Jeff Dean ikut berpartisipasi.

Pelanggan awal diperkirakan adalah organisasi dengan arsip video besar, termasuk perusahaan robotika, laboratorium ilmiah, media, dan perusahaan kreatif. Dalam jangka panjang, Elorian ingin modelnya berkembang dari persepsi menuju tindakan, membangun representasi sebuah adegan dan menggunakannya untuk memilih tindakan, termasuk mengendalikan robot secara langsung. Dai mengatakan targetnya tahun depan adalah model yang memimpin setiap tolok ukur penalaran visual.