Стартап из Пало-Альто Elorian представил свою первую модель Glimpse, которая доступна в формате исследовательского превью. В отличие от большинства мультимодальных моделей, преобразующих изображение в текст, Glimpse в процессе рассуждения может повторно обращаться к исходным данным: кадрировать области, извлекать фрагменты видео или запускать код для измерений. Этот механизм разработчики называют «визуальным черновиком» (visual scratch space). По утверждению Elorian, модель была обучена небольшой командой на нескольких сотнях GPU и значительно компактнее крупных систем. Согласно внутренним оценкам компании, Glimpse превосходит GPT-6 Astra в задачах анализа научных графиков и описания коротких видео, показывая конкурентные результаты в других тестах. Стоимость использования модели составляет $0,60 за миллион входных токенов и $3 за миллион выходных. В будущем компания планирует развивать модель для управления роботами.
Стартап Elorian представил мультимодальную модель Glimpse
Компания Elorian выпустила свою первую модель Glimpse, предназначенную для глубокого визуального анализа изображений и видео с помощью механизма «визуального черновика».



