Elorian представила Glimpse — ИИ-модель, которая рассуждает, опираясь на изображения

Стартап Elorian из Пало-Альто в пятницу, 16 октября 2026 года, выпустил первую модель Glimpse. Она доступна в виде исследовательской превью через API, а чат-интерфейс открыт только для пользователей из списка ожидания.

Компания утверждает, что современные ИИ-модели, как бы ни были они сильны в работе с текстом и кодом, по-настоящему плохо видят. Большинство мультимодальных систем обрабатывает изображение один раз, превращает его в токены и дальше рассуждает только на основе текста. Glimpse же задумана так, чтобы в ходе решения задачи многократно возвращаться к исходному визуальному материалу.

Визуальная рабочая область

Elorian называет этот механизм «визуальной рабочей областью». В процессе рассуждений Glimpse может обрезать и увеличивать часть изображения, извлекать выбранные кадры из видео или запускать код, чтобы измерить и сравнить увиденное. Такой подход не нов: в 2025 году OpenAI добавила моделям серии o возможность обрезки и увеличения в ходе рассуждений. Однако, по словам Elorian, ее отличие в том, что вся модель построена вокруг этой техники, и делается это недорого.

Исполнительный директор Эндрю Дай, бывший исследователь Google DeepMind, отчасти связывает проект с вечером настольных игр в прошлом году, когда передовая модель не смогла по фотографии стола сказать ему, кто выигрывает. По его словам, в играх используются собственные символы, которые взрослые легко понимают, но модели не могут правильно интерпретировать. «Люди могут смотреть на схемы IKEA без единого слова и собирать мебель IKEA», — сказал Дай.

По данным Elorian, небольшая команда обучила Glimpse на нескольких сотнях GPU, а модель заметно меньше передовых систем, с которыми ее сравнивают. Собственные оценки компании показывают, что Glimpse опережает GPT-6 Astra в рассуждениях над научными графиками и в описании коротких видео, а на других бенчмарках визуального анализа показывает конкурентные результаты. Эти результаты пока не подтверждены независимыми проверками.

Цены, инвесторы и амбиции

Glimpse стоит 0,60 доллара за миллион входных токенов и 3 доллара за миллион выходных токенов. Это ниже, чем у моделей среднего уровня вроде Sonnet и Sol, но выше, чем у легковесных вариантов вроде Haiku и Luna. Elorian вышла из режима скрытности полгода назад, подняв 55 миллионов долларов на посевном раунде при оценке в 300 миллионов долларов, еще до выпуска какого-либо продукта. Раунд возглавили Striker Venture Partners, Menlo Ventures и Altimeter Capital, также участвовали Nvidia и главный научный сотрудник Google Джефф Дин.

Первыми клиентами, по ожиданиям, станут организации с большими видеоархивами, включая компании в сфере робототехники, научные лаборатории, медиа и креативные студии. В перспективе Elorian хочет, чтобы ее модели перешли от восприятия к действию: строили представление о сцене и использовали его для выбора действий, в том числе для прямого управления роботами. Дай сказал, что цель на следующий год — модель, которая будет лидировать во всех бенчмарках визуального анализа.