Elorians erstes KI-Modell will mit Bildern reasoning, nicht nur darüber
techcrunch ·
Elorian, ein in Palo Alto ansässiges KI-Startup, hat sein erstes Modell namens Glimpse veröffentlicht, das darauf ausgelegt ist, mit Bildern zu reasoning (zu schlussfolgern), anstatt sie lediglich zu beschreiben. Im Gegensatz zu herkömmlichen multimodalen Modellen, die visuelle Daten in Tokens für textbasierte Analysen umwandeln, nutzt Glimpse einen „visuellen Notizblock“, um während des Schlussfolgerungsprozesses aktiv zu zoomen, zuzuschneiden und mit visuellen Daten zu interagieren. Dieser Ansatz behebt Einschränkungen aktueller KI-Fähigkeiten, wie etwa die Unfähigkeit, Symbole in Brettspielen oder IKEA-Anleitungen ohne textliche Hinweise intuitiv zu verstehen. Das Modell wurde von einem kleinen Team auf einigen hundert GPUs trainiert, was zu einem System führt, das erheblich kleiner und günstiger ist als führende Konkurrenten wie GPT-6 Astra. Obwohl es teurer ist als leichtgewichtige Modelle, übertrifft Glimpse Berichten zufolge größere Systeme bei Aufgaben zur Analyse wissenschaftlicher Diagramme und zur Videobeschreibung. Elorian richtet sich zunächst an Branchen mit hohem Videoeinsatz, darunter Robotik und wissenschaftliche Labore, und plant langfristig, sich hin zu einer handlungsorientierten visuellen Steuerung zu entwickeln. Das Unternehmen wurde gegründet, nachdem es 55 Millionen US-Dollar an Seed-Finanzierung zu einer Bewertung von 300 Millionen US-Dollar eingesammelt hatte, unterstützt von Investoren unter anderem Nvidia und Jeff Dean, dem Chefwissenschaftler von Google.
techcrunch