Elorian ra mắt Glimpse, mô hình AI suy luận bằng hình ảnh

Elorian, startup AI có trụ sở tại Palo Alto, đã phát hành mô hình đầu tiên của mình, Glimpse, vào thứ Sáu ngày 16 tháng 10 năm 2026. Mô hình hiện có sẵn dưới dạng bản xem trước nghiên cứu qua API, trong khi giao diện trò chuyện chỉ mở cho những người nằm trong danh sách chờ.

Công ty cho rằng các mô hình AI hiện nay, dù làm tốt với văn bản và mã lập trình, vẫn gặp khó khăn trong việc thực sự "nhìn". Phần lớn hệ thống đa phương thức xử lý một hình ảnh một lần, chuyển thành token rồi chỉ suy luận bằng văn bản. Glimpse được thiết kế để liên tục quay lại tài liệu hình ảnh gốc khi giải quyết một bài toán.

Không gian nháp hình ảnh

Elorian gọi cơ chế này là "không gian nháp hình ảnh". Trong quá trình suy luận, Glimpse có thể cắt và phóng to một phần hình ảnh, trích xuất các khung hình được chọn từ video, hoặc chạy mã để đo lường và so sánh những gì nó nhìn thấy. Ý tưởng này đã có tiền lệ: OpenAI đã trang bị cho các mô hình dòng o khả năng cắt và phóng to trong quá trình suy luận vào năm 2025. Elorian cho biết điểm khác biệt của họ là xây dựng toàn bộ mô hình xoay quanh kỹ thuật này, đồng thời thực hiện với chi phí thấp.

Giám đốc điều hành Andrew Dai, cựu nhà nghiên cứu của Google DeepMind, kể rằng dự án này một phần bắt nguồn từ một đêm chơi board game năm ngoái, khi một mô hình tiên tiến không thể cho anh biết ai đang thắng qua bức ảnh chụp bàn chơi. Ông cho rằng các trò chơi dựa vào những ký hiệu riêng mà người lớn dễ dàng nắm bắt nhưng mô hình lại không diễn giải được. "Con người có thể nhìn vào sơ đồ của Ikea, không có chữ, và lắp ráp đồ nội thất Ikea," Dai nói.

Theo Elorian, một nhóm nhỏ đã huấn luyện Glimpse trên vài trăm GPU, và mô hình này nhỏ hơn đáng kể so với các hệ thống tiên tiến mà nó được so sánh. Các đánh giá nội bộ của công ty cho thấy Glimpse vượt GPT-6 Astra trong việc suy luận trên biểu đồ khoa học và chú thích video ngắn, đồng thời có kết quả cạnh tranh trên các bộ đánh giá suy luận hình ảnh khác. Những kết quả này chưa được xác minh độc lập.

Giá, nhà đầu tư và tham vọng

Glimpse có giá 0,60 USD cho mỗi triệu token đầu vào và 3 USD cho mỗi triệu token đầu ra, thấp hơn các mô hình tầm trung như Sonnet và Sol nhưng cao hơn các lựa chọn nhẹ như Haiku và Luna. Elorian xuất hiện công khai sau sáu tháng hoạt động bí mật, sau khi huy động vòng vốn hạt giống 55 triệu USD với định giá 300 triệu USD trước khi ra mắt bất kỳ sản phẩm nào. Striker Venture Partners, Menlo Ventures và Altimeter Capital đồng dẫn dắt vòng gọi vốn, với sự tham gia của Nvidia và Jeff Dean, nhà khoa học trưởng của Google.

Các khách hàng đầu tiên dự kiến là những tổ chức sở hữu kho video lớn, bao gồm công ty robot, phòng thí nghiệm khoa học, hãng truyền thông và doanh nghiệp sáng tạo. Về lâu dài, Elorian muốn các mô hình của mình chuyển từ nhận thức sang hành động, xây dựng biểu diễn của một cảnh và dùng nó để lựa chọn hành động, bao gồm điều khiển robot trực tiếp. Dai cho biết mục tiêu của năm tới là một mô hình dẫn đầu mọi bộ đánh giá suy luận hình ảnh.