Elorian เปิดตัว Glimpse โมเดล AI ที่ให้เหตุผลจากภาพได้

Elorian สตาร์ตอัป AI ที่ตั้งอยู่ใน Palo Alto เปิดตัวโมเดลแรกของบริษัทชื่อ Glimpse เมื่อวันศุกร์ที่ 16 ตุลาคม 2026 โมเดลนี้เปิดให้ใช้งานผ่าน API ในรูปแบบตัวอย่างสำหรับการวิจัย ส่วนอินเทอร์เฟซแชตเปิดให้เฉพาะผู้ที่อยู่ในรายชื่อรอเท่านั้น

บริษัทระบุว่า โมเดล AI ในปัจจุบันแม้จะทำงานกับข้อความและโค้ดได้ดีเพียงใด ก็ยังคงมีปัญหาในการ “มองเห็น” อย่างแท้จริง ระบบมัลติโมดัลส่วนใหญ่มักประมวลผลภาพเพียงครั้งเดียว แปลงเป็นโทเคน แล้วให้เหตุผลจากข้อความเท่านั้น Glimpse ถูกออกแบบมาให้กลับไปดูวัสดุภาพต้นฉบับซ้ำ ๆ ขณะแก้ปัญหา

พื้นที่ทำงานภาพชั่วคราว

Elorian เรียกกลไกนี้ว่า “พื้นที่ทำงานภาพชั่วคราว” (visual scratch space) ระหว่างการให้เหตุผล Glimpse สามารถครอปและซูมเข้าไปยังส่วนหนึ่งของภาพ ดึงเฟรมที่เลือกจากวิดีโอ หรือรันโค้ดเพื่อวัดและเปรียบเทียบสิ่งที่เห็นได้ แนวคิดนี้มีที่มาอยู่แล้ว เพราะ OpenAI ได้เพิ่มความสามารถในการครอปและซูมระหว่างการให้เหตุผลให้กับโมเดลชุด o ในปี 2025 อย่างไรก็ตาม Elorian บอกว่าจุดต่างของบริษัทคือการออกแบบทั้งโมเดลให้รองรับเทคนิคนี้ตั้งแต่ต้น และทำได้ในต้นทุนที่ต่ำ

Andrew Dai ซีอีโอของบริษัทซึ่งเคยทำงานวิจัยที่ Google DeepMind เล่าว่า โครงการนี้มีจุดเริ่มต้นส่วนหนึ่งมาจากคืนเล่นเกมกระดานเมื่อปีที่แล้ว ตอนนั้นโมเดลระดับแนวหน้าตัวหนึ่งไม่สามารถบอกเขาได้จากภาพบนโต๊ะว่าใครกำลังชนะ Dai กล่าวว่าเกมมักใช้สัญลักษณ์เฉพาะของตัวเอง ซึ่งผู้ใหญ่เข้าใจได้ไม่ยาก แต่โมเดลกลับตีความไม่ได้ “มนุษย์สามารถดูแผนผังของ Ikea ที่ไม่มีข้อความ แล้วประกอบเฟอร์นิเจอร์ Ikea ได้” Dai กล่าว

ตามข้อมูลของ Elorian ทีมขนาดเล็กของบริษัทฝึก Glimpse ด้วย GPU จำนวนไม่กี่ร้อยตัว และโมเดลนี้มีขนาดเล็กกว่าระบบแนวหน้าที่นำมาเปรียบเทียบอย่างมาก ผลการประเมินภายในของบริษัทแสดงว่า Glimpse เหนือกว่า GPT-6 Astra ในการให้เหตุผลจากแผนภูมิทางวิทยาศาสตร์และการบรรยายวิดีโอแบบสั้น และทำผลได้ใกล้เคียงคู่แข่งในเบนช์มาร์กการให้เหตุผลภาพอื่น ๆ อย่างไรก็ตาม ผลลัพธ์เหล่านี้ยังไม่ได้รับการตรวจสอบจากหน่วยงานอิสระ

ราคา ผู้สนับสนุน และเป้าหมาย

Glimpse มีราคา 0.60 ดอลลาร์สหรัฐต่อหนึ่งล้านโทเคนขาเข้า และ 3 ดอลลาร์สหรัฐต่อหนึ่งล้านโทเคนขาออก ซึ่งถูกกว่าโมเดลระดับกลาง เช่น Sonnet และ Sol แต่แพงกว่าตัวเลือกน้ำหนักเบา เช่น Haiku และ Luna Elorian เปิดตัวจากโหมดลับเมื่อหกเดือนที่แล้ว หลังจากระดมทุนรอบ seed 55 ล้านดอลลาร์สหรัฐที่มูลค่า 300 ล้านดอลลาร์สหรัฐ ก่อนที่จะเปิดตัวผลิตภัณฑ์ใด ๆ Striker Venture Partners, Menlo Ventures และ Altimeter Capital เป็นผู้นำการระดมทุนรอบนี้ร่วมกัน โดยมี Nvidia และ Jeff Dean หัวหน้านักวิทยาศาสตร์ของ Google เข้าร่วมด้วย

ลูกค้ากลุ่มแรกคาดว่าจะเป็นองค์กรที่มีคลังวิดีโอขนาดใหญ่ เช่น บริษัทหุ่นยนต์ ห้องปฏิบัติการวิทยาศาสตร์ สื่อ และบริษัทสร้างสรรค์ ในระยะยาว Elorian ต้องการพัฒนาโมเดลจากการรับรู้ไปสู่การลงมือทำ โดยสร้างการแทนค่าของฉากขึ้นมาแล้วใช้เลือกการกระทำ รวมถึงควบคุมหุ่นยนต์โดยตรง Dai กล่าวว่าเป้าหมายของปีหน้าคือการสร้างโมเดลที่ขึ้นอันดับหนึ่งในทุกเบนช์มาร์กการให้เหตุผลภาพ