Первая модель ИИ от Elorian хочет рассуждать с помощью изображений, а не только о них
techcrunch ·
Elorian, стартап по искусственному интеллекту из Пало-Альто, выпустил свою первую модель Glimpse, предназначенную для рассуждений с использованием изображений, а не просто их описания. В отличие от традиционных мультимодальных моделей, которые преобразуют визуальные данные в токены для текстового анализа, Glimpse использует «визуальное рабочее пространство» для активного приближения, кадрирования и взаимодействия с визуальной информацией в процессе рассуждения. Этот подход решает ограничения текущих возможностей ИИ, такие как неспособность интуитивно понимать символы настольных игр или диаграммы IKEA без текстовых подсказок. Модель была обучена небольшой командой на нескольких сотнях GPU, что позволило создать систему, которая существенно меньше и дешевле конкурентов уровня frontier, таких как GPT-6 Astra. Несмотря на то что Glimpse дороже легких моделей, она, по сообщениям, превосходит более крупные системы в задачах анализа научных графиков и создания подписей к видео. Elorian изначально ориентирована на отрасли с интенсивным использованием видеоданных, включая робототехнику и научные лаборатории, планируя в будущем перейти к визуальному управлению действиями. Компания была основана после привлечения $55 млнseed-финансирования при оценке в $300 млн, при поддержке инвесторов, включая Nvidia и главного ученого Google Джефа Дина.
techcrunch