El primer modelo de IA de Elorian quiere razonar con imágenes, no solo sobre ellas
techcrunch ·
Elorian, una startup de inteligencia artificial con sede en Palo Alto, ha lanzado su primer modelo, Glimpse, diseñado para razonar con imágenes en lugar de simplemente describirlas. A diferencia de los modelos multimodales tradicionales que convierten las imágenes en tokens para un análisis basado en texto, Glimpse utiliza un 'espacio de trabajo visual' para hacer zoom, recortar e interactuar activamente con los datos visuales durante el proceso de razonamiento. Este enfoque aborda limitaciones en las capacidades actuales de la IA, como la incapacidad de comprender intuitivamente símbolos de juegos de mesa o diagramas de IKEA sin pistas textuales. El modelo fue entrenado por un equipo pequeño utilizando unas pocas cientos de GPUs, lo que resultó en un sistema sustancialmente más pequeño y económico que los competidores de vanguardia como GPT-6 Astra. Aunque es más costoso que los modelos ligeros, Glimpse reportedly supera a sistemas más grandes en tareas de razonamiento con gráficos científicos y subtítulos de video. Elorian apunta inicialmente a industrias con un alto uso de video, como la robótica y los laboratorios científicos, mientras planea evolucionar hacia un control visual orientado a la acción en el futuro. La compañía se lanzó después de recaudar $55 millones en financiación semilla con una valoración de $300 millones, respaldada por inversores que incluyen a Nvidia y al científico jefe de Google, Jeff Dean.
techcrunch