Elorian、画像を見ながら推論するAIモデル「Glimpse」を発表

パロアルトを拠点とするAIスタートアップElorianは2026年10月16日（金曜日）、初のモデル「Glimpse」を公開した。同モデルはAPIを通じて研究プレビューとして提供されるが、チャットインターフェースは待機リストに登録した人のみに開放されている。

同社は、現在のAIモデルはテキストやコードの扱いには優れているものの、本当の意味で「見る」ことにはまだ苦労していると主張する。多くのマルチモーダルシステムは画像を一度処理してトークンに変換し、その後はテキストだけで推論を行う。Glimpseは、問題に取り組む過程で元の視覚情報に繰り返し戻るよう設計されている。

視覚的な作業領域

Elorianはこの仕組みを「視覚的スクラッチスペース」と呼ぶ。推論中、Glimpseは画像の一部を切り抜いて拡大したり、動画から選んだフレームを抽出したり、コードを実行して見たものを測定・比較したりできる。この発想には先例もあり、OpenAIは2025年にoシリーズのモデルに推論中の切り抜き・拡大機能を持たせていた。Elorianの違いは、この技法をモデル全体の設計の中心に据え、しかも低コストで実現した点にあるという。

最高経営責任者のAndrew Dai氏は、元Google DeepMindの研究者である。このプロジェクトは昨年のボードゲームの夜に一部端を発しており、当時、最先端モデルはテーブルの写真からどちらが勝っているのかを判断できなかったという。Dai氏によれば、ゲームは大人なら容易に理解できる独自の記号に依存しているが、モデルはそれを読み解けないという。「人間は文字のないIKEAの図面を見て家具を組み立てられます」とDai氏は語った。

Elorianによると、小規模なチームが数百基のGPUでGlimpseを学習させたという。比較対象となる最先端システムと比べてモデルははるかに小さい。同社独自の評価では、科学グラフの推論と短い動画のキャプション生成でGPT-6 Astraを上回り、その他の視覚推論ベンチマークでも競争力のある結果を示したとしている。ただし、これらの結果はまだ第三者による検証を受けていない。

価格、出資者、今後の展望

Glimpseの価格は入力100万トークンあたり0.60ドル、出力100万トークンあたり3ドルで、SonnetやSolといった中位モデルより安く、HaikuやLunaといった軽量モデルよりは高い。Elorianは製品を出荷する前に、3億ドルの評価額で5,500万ドルのシードラウンドを調達し、6か月前にステルス状態から姿を現した。Striker Venture Partners、Menlo Ventures、Altimeter Capitalが共同主導し、NvidiaやGoogleの主任科学者Jeff Dean氏も出資に加わった。

初期の顧客としては、大規模な動画アーカイブを持つ組織が想定されており、ロボティクス企業、科学研究所、メディア企業、クリエイティブ企業などが含まれる。Elorianは将来的に、モデルを知覚から行動へと進化させたいと考えている。シーンの表現を構築し、それを使ってロボットを直接制御することを含め、行動を選択できるようにする計画だ。Dai氏は来年の目標として、あらゆる視覚推論ベンチマークでトップに立つモデルの実現を挙げた。