Elorian 的首个 AI 模型希望用图像进行推理，而不仅仅是关于图像

Elorian 是一家位于帕洛阿尔托的 AI 初创公司，在产品发布前以 3 亿美元估值筹集了 5500 万美元种子轮资金，现已发布其首个模型 Glimpse，作为研究预览版，提供 API 访问，聊天界面仅限等待名单。该模型挑战了当前 AI 系统能真正“看见”的观念；Glimpse 不是一次性将图像转换为 tokens 并在文本中推理，而是使用一种“视觉暂存空间”，允许在推理过程中裁剪区域、提取特定视频帧或运行代码来测量和比较视觉元素。CEO Andrew Dai 曾是 Google DeepMind 研究员，他以日常例子说明 AI 的局限性，例如无法从照片判断棋盘游戏谁领先，或根据宜家图表组装家具。虽然推理过程中裁剪和缩放的方法并非全新，但 Elorian 以低成本围绕它构建了整个模型，仅用几百个 GPU 和小团队训练。Glimpse 的定价为每百万输入 tokens 0.60 美元，每百万输出 tokens 3 美元，比中端模型便宜，但比轻量级模型贵。根据 Elorian 的评估，Glimpse 在科学图表推理和短视频字幕方面甚至优于 GPT-6 Astra，在其他视觉推理任务上也具有竞争力。初始目标客户是拥有大量视频数据的公司，如机器人公司、科学实验室和媒体公司。长期来看，Elorian 希望从“看见”转向“行动”，包括直接控制机器人，并计划明年构建“世界上最好的视觉推理模型”。

(来源：TechCrunch)