Le premier modèle d'IA d'Elorian veut raisonner avec les images, pas seulement à leur sujet
techcrunch ·
Elorian, une startup d'intelligence artificielle basée à Palo Alto, a lancé son premier modèle, Glimpse, conçu pour raisonner avec les images plutôt que de se contenter de les décrire. Contrairement aux modèles multimodaux traditionnels qui convertissent les visuels en jetons pour une analyse textuelle, Glimpse utilise un « espace de travail visuel » pour zoomer, recadrer et interagir activement avec les données visuelles pendant le processus de raisonnement. Cette approche répond aux limites des capacités actuelles de l'IA, telles que l'incapacité à comprendre intuitivement les symboles de jeux de plateau ou les diagrammes IKEA sans indices textuels. Le modèle a été entraîné par une petite équipe sur quelques centaines de GPU, ce qui donne un système nettement plus petit et moins coûteux que les concurrents de pointe comme GPT-6 Astra. Bien que plus onéreux que les modèles légers, Glimpse surperforme reportedly les systèmes plus volumineux dans les tâches de raisonnement sur les graphiques scientifiques et la légendisation de vidéos. Elorian cible initialement les secteurs fortement consommateurs de vidéo, notamment la robotique et les laboratoires scientifiques, tout en prévoyant d'évoluer vers un contrôle visuel orienté vers l'action à l'avenir. L'entreprise a fait son lancement après avoir levé 55 millions de dollars en financement initial, évaluée à 300 millions de dollars, avec le soutien d'investisseurs tels que Nvidia et Jeff Dean, scientifique en chef chez Google.
techcrunch