Elorian lança Glimpse, modelo que raciocina visualmente com recortes e código
Elorian apresenta Glimpse, modelo multimodal que recorta imagens e executa código durante o raciocínio, com preço de US$0,60 por milhão de tokens de…
Resumo rápido
- Elorian lançou Glimpse, modelo multimodal que recorta imagens e roda código ao raciocinar.
- A empresa afirma que o modelo supera o GPT-6 Astra em gráficos científicos e legendas de vídeo.
- Glimpse custa US$0,60 por milhão de tokens de entrada e US$3 por milhão de saída.
Entenda o contexto
Elorian é uma startup de inteligência artificial que desenvolve modelos multimodais. O conceito de "visual scratch space" permite que o modelo interaja com a imagem durante o raciocínio, recortando e analisando partes específicas, algo ainda raro em IA.
Elorian, startup de IA fundada em Palo Alto, divulgou nesta sexta‑feira seu primeiro modelo multimodal, Glimpse, em pré‑visualização de pesquisa com acesso via API e lista de espera para chat.
Raciocínio visual dinâmico
Ao contrário de modelos que analisam a imagem apenas uma vez, Glimpse pode, durante o processo de raciocínio, recortar regiões, extrair quadros de vídeos ou executar código para medir e comparar o que está observando. O mecanismo, chamado pela empresa de “visual scratch space”, funciona como o gesto de pinçar a tela do celular para ampliar detalhes.
Desempenho e preço
Segundo avaliações internas da própria Elorian, Glimpse supera o modelo GPT-6 Astra em tarefas de interpretação de gráficos científicos e legendagem de vídeos curtos, apresentando resultados competitivos em outros testes de raciocínio visual. O custo anunciado é de US$0,60 por milhão de tokens de entrada e US$3 por milhão de tokens de saída, posicionando‑se entre modelos de médio e leve porte.
A empresa destaca que o modelo foi treinado por uma equipe pequena usando algumas centenas de GPUs, sendo menor que os sistemas de ponta contra os quais foi comparado.
Financiamento e planos futuros
Elorian saiu do stealth há seis meses após levantar US$55 milhões em rodada seed, co‑liderada por Striker Venture Partners, Menlo Ventures e Altimeter Capital, com participação da Nvidia e do cientista‑chefe do Google, Jeff Dean. Os primeiros alvos de mercado são empresas que lidam com grande volume de vídeo, como robótica, laboratórios científicos, mídia e produção criativa.
Para o próximo ano, o CEO Andrew Dai indica que a meta é construir “o melhor modelo de raciocínio visual do mundo” e avançar para que o modelo escolha ações em cenas, inclusive controlando robôs.
Para saber mais sobre outras iniciativas de IA, veja OpenAI lança prova virtual de roupas e favoritos no ChatGPT e Pesquisadores usam modelo GPT-6 Astra para dirigir Toyota Corolla.
Referências
- Reportagem consultada: TechCrunch — IA
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
