Elorian משיקה את Glimpse, מודל הראייה הראשון שלה, וטוענת שבחלק מהמשימות הוא עוקף את GPT-6 Astra
הסטארט-אפ Elorian מפאלו אלטו השיק ביום שישי את Glimpse, המודל הראשון שלו. המודל חוזר לתמונה תוך כדי חשיבה במקום לתרגם אותה לטקסט פעם אחת ולהמשיך משם. לפי מבחנים שערכה החברה עצמה, Glimpse עולה על GPT-6 Astra בהבנת גרפים מדעיים ובתיאור סרטונים קצרים, אבל עד שגורם בלתי תלוי יבדוק את הטענות, אלה נתונים של היצרנית.
חברת Elorian, סטארט-אפ AI מפאלו אלטו, השיקה ביום שישי את Glimpse, המודל הראשון שלה, כך דיווח TechCrunch בבלעדיות. החברה טוענת שבמבחנים שערכה, Glimpse עולה על GPT-6 Astra של OpenAI בשתי משימות: ניתוח גרפים מדעיים ותיאור סרטונים קצרים. במשימות אחרות של חשיבה חזותית הוא מציג תוצאות "תחרותיות". כל הנתונים האלה מגיעים מהחברה עצמה, וגוף חיצוני עוד לא בדק אותם.
מה Glimpse עושה אחרת
לפי Elorian, מודלי שפה (LLM) מובילים טובים מאוד בטקסט ובקוד, אבל עדיין לא באמת "רואים". רוב המודלים המולטימודליים, כלומר מודלים שמטפלים בכמה סוגי מידע כמו טקסט ותמונה, מסתכלים על תמונה פעם אחת וממירים אותה ל-tokens, יחידות המידע שהמודל עובד איתן. משם הם ממשיכים לחשוב בטקסט בלבד. TechCrunch משווה את זה לתיאור של תמונה מהזיכרון.
Glimpse ממשיך לחזור למקור. באמצע תהליך החשיבה הוא יכול לחתוך ולהגדיל אזור מסוים בתמונה, לשלוף פריימים ספציפיים מסרטון, או להריץ קוד כדי למדוד או להשוות את מה שהוא רואה. בחברה קוראים למנגנון הזה "visual scratch space", מעין דף טיוטה חזותי. זה דומה לאדם שמגדיל בשתי אצבעות תמונה בטלפון כדי לבדוק שוב מה ראה.
הרעיון עצמו לא חדש. ב-2025 הוסיפה OpenAI לסדרת המודלים o אפשרות לחתוך ולהגדיל תמונות במהלך החשיבה. Elorian טוענת שהחידוש שלה הוא שבנתה את כל המודל סביב היכולת הזו, ובעלות נמוכה: לדבריה, צוות קטן אימן את Glimpse על כמה מאות GPUs, והמודל קטן בהרבה מהמודלים המובילים שאליהם היא משווה אותו.
הרגע על לוח המשחק
המנכ"ל, אנדרו דאי (Andrew Dai), היה בעבר חוקר ב-Google DeepMind. הוא סיפר ל-TechCrunch שאחד הסימנים הברורים לכך ש-AI עדיין לא רואה באמת הגיע בערב משחקים. בשנה שעברה הוא צילם משחק קופסה שסיים לשחק עם חברים, ושאל מודל מוביל מי מנצח. המודל לא ידע לענות. לדבריו, לכל משחק קופסה יש "שפה חזותית משלו, איקונוגרפיה וסמלים משלו". מבוגר מבין מה קורה כמעט בלי טקסט, ואילו המודלים לא מצליחים להבין מה הסמלים אומרים. "בני אדם מסתכלים על הוראות הרכבה של איקאה, בלי טקסט, ומרכיבים רהיטים, נכון? למה מודלי AI לא יכולים?" אמר.
מחיר, זמינות ומשקיעים
בשלב זה Glimpse זמין כ-research preview, גרסת מחקר מוקדמת, עם גישה דרך API. ממשק הצ'אט פתוח רק למי שנרשם לרשימת המתנה. המחיר הוא 0.60 דולר למיליון tokens בקלט ו-3 דולרים למיליון tokens בפלט. זה זול יותר ממודלי ביניים כמו Sonnet ו-Sol, ויקר יותר ממודלים קלים כמו Haiku ו-Luna.
Elorian גייסה סבב seed של 55 מיליון דולר, לפי שווי של 300 מיליון דולר, עוד לפני שהיה לה מוצר. היא יצאה ממצב חשאי (stealth) לפני חצי שנה. את הסבב הובילו במשותף Striker Venture Partners, Menlo Ventures ו-Altimeter Capital, ובהשתתפות גם אנבידיה וג'ף דין (Jeff Dean), המדען הראשי של גוגל.
למה זה חשוב, ועם איזה סייג
הלקוחות הראשונים שהחברה מכוונת אליהם הם ארגונים עם הרבה וידאו: חברות רובוטיקה, מעבדות מדעיות, וחברות מדיה ויצירה. בטווח הארוך Elorian רוצה לעבור מראייה לפעולה. הכוונה היא לבנות מודל של הסצנה, להשתמש בו כדי לבחור פעולה, ובכלל זה לשלוט ישירות ברובוטים. דאי אמר שבשנה הבאה החברה שואפת לבנות את "מודל החשיבה החזותית הטוב בעולם", כזה שיוביל בכל מבחני החשיבה החזותית.
אם הטענות יתאמתו, המשמעות ככל הנראה היא שגם צוות קטן יכול להתחרות במודלים הגדולים בתחום מוגדר, בעלות נמוכה בהרבה. אבל כרגע, כפי שכתב TechCrunch, יש בעיקר "טבלת תוצאות ותזה". ההשוואה ל-GPT-6 Astra נשענת על מבחנים שהחברה ערכה בעצמה. כדאי לקרוא אותה כהצהרה של היצרנית עד שחוקרים בלתי תלויים, או משתמשים שיקבלו גישה, יבדקו אותה.