Elorian представила Glimpse, ШІ-модель, яка міркує над зображеннями

Elorian, ШІ-стартап із Пало-Альто, випустив свою першу модель Glimpse у п'ятницю, 16 жовтня 2026 року. Модель доступна як дослідницький попередній перегляд через API, тоді як її чат-інтерфейс відкритий лише для людей зі списку очікування.

Компанія стверджує, що сучасні ШІ-моделі, як би добре вони не працювали з текстом і кодом, досі погано справляються з по-справжньому баченням. Більшість мультимодальних систем обробляють зображення один раз, перетворюють його на токени і далі міркують лише текстом. Glimpse створено так, щоб під час роботи над завданням вона неодноразово поверталася до вихідного візуального матеріалу.

Візуальний робочий простір

Elorian називає цей механізм «візуальним робочим простором». Під час міркування Glimpse може обрізати й збільшувати частину зображення, витягувати вибрані кадри з відео або виконувати код, щоб виміряти й порівняти побачене. Ідея має прецедент: у 2025 році OpenAI надала моделям серії o можливість обрізати й збільшувати зображення під час міркувань. Elorian каже, що її відмінність полягає в тому, що вона побудувала всю модель навколо цього прийому і зробила це дешево.

Генеральний директор Ендрю Dai, колишній дослідник Google DeepMind, частково пов'язує проєкт із вечором настільних ігор минулого року, коли передова модель не змогла визначити за фотографією столу, хто виграє. Він каже, що ігри спираються на власні символи, які дорослі легко розуміють, але моделі не можуть інтерпретувати. «Люди можуть подивитися на схеми IKEA без жодного тексту і зібрати меблі IKEA», — сказав Dai.

За словами Elorian, невелика команда навчила Glimpse на кількох сотнях GPU, і модель значно менша за передові системи, з якими її порівнюють. Власні оцінки компанії показують, що вона перевершує GPT-6 Astra у міркуванні над науковими діаграмами та описі коротких відео, а на інших бенчмарках візуального міркування демонструє конкурентні результати. Ці результати ще не перевірені незалежно.

Ціна, інвестори та амбіції

Glimpse коштує 0,60 долара за мільйон вхідних токенів і 3 долари за мільйон вихідних, що нижче за моделі середнього рівня на кшталт Sonnet і Sol, але вище за легкі варіанти на кшталт Haiku і Luna. Elorian вийшла з режиму прихованості шість місяців тому, залучивши раунд посіву в розмірі 55 мільйонів доларів за оцінки 300 мільйонів доларів ще до випуску будь-якого продукту. Раунд очолили Striker Venture Partners, Menlo Ventures і Altimeter Capital, а також взяли участь Nvidia та головний науковець Google Джефф Дін.

Ранніми клієнтами, ймовірно, стануть організації з великими відеоархівами, зокрема компанії робототехніки, наукові лабораторії, медіа та креативні студії. Згодом Elorian хоче, щоб її моделі перейшли від сприйняття до дій: будували уявлення про сцену і використовували його для вибору дій, зокрема для прямого керування роботами. Dai сказав, що мета на наступний рік — модель, яка очолить кожен бенчмарк візуального міркування.