Elorian lança Glimpse, modelo de IA que raciocina visualmente
A startup Elorian apresenta Glimpse, um modelo que analisa imagens em tempo real e oferece preços competitivos.
Em resumo
- Elorian lançou Glimpse, modelo que raciocina visualmente usando "visual scratch space"
- Glimpse custa US$ 0,60 por milhão de tokens de entrada e US$ 3 por milhão de saída, sendo mais barato que modelos medianos
- A empresa afirma que Glimpse supera GPT‑6 Astra em raciocínio de gráficos científicos e legendas de vídeo curtas
A startup de IA Elorian, de Palo Alto, lançou nesta sexta‑feira seu primeiro modelo, Glimpse, que promete raciocinar diretamente sobre imagens em vez de apenas descrevê‑las.
O modelo chega como pré‑visualização de pesquisa, com acesso via API e interface de chat, e introduz o que a empresa chama de “visual scratch space”, um mecanismo que permite ao sistema recortar regiões, extrair quadros de vídeo ou executar código enquanto processa a imagem.
Segundo o CEO Andrew Dai, ex‑pesquisador do Google DeepMind, a limitação dos modelos atuais ficou clara quando ele fotografou um jogo de tabuleiro e perguntou a um modelo avançado quem estava ganhando – a IA não respondeu. “Por que os modelos de IA não conseguem ver como humanos?” ele questionou.
Elorian afirma que treinou Glimpse com algumas centenas de GPUs, resultando em um modelo menor que os sistemas de ponta que ele comparou. O custo anunciado é de US$ 0,60 por milhão de tokens de entrada e US$ 3 por milhão de tokens de saída, mais barato que modelos medianos como Sonnet e Sol, mas acima de opções leves como Haiku e Luna. Em avaliações internas, Glimpse superou o GPT‑6 Astra em raciocínio de gráficos científicos e legendas de vídeos curtos, mantendo desempenho competitivo em outras tarefas de visão.
““Por que os modelos de IA não conseguem ver como humanos?” ele questionou.”
A empresa saiu do modo stealth há seis meses, com rodada de financiamento liderada por Striker Venture Partners, Menlo Ventures e Altimeter Capital, e participação da Nvidia e do cientista‑chefe do Google, Jeff Dean. Os primeiros clientes-alvo são empresas que lidam com grande volume de vídeo – firmas de robótica, laboratórios científicos, mídia e companhias criativas. A longo prazo, a Elorian pretende evoluir de “ver” para “fazer”, construindo modelos que possam escolher ações e até controlar robôs, com a meta de criar “o melhor modelo de raciocínio visual do mundo” no próximo ano.
O que observar
- Lançamento da API de Glimpse para desenvolvedores
- Meta de ser o melhor modelo de raciocínio visual até 2027
- Foco inicial em setores com grande uso de vídeo
- Estratégia de manter o modelo pequeno e de baixo custo
Perguntas frequentes
O que é o "visual scratch space" do Glimpse?
É um mecanismo que permite ao modelo recortar regiões da imagem, extrair quadros de vídeo ou executar código durante o raciocínio, voltando ao conteúdo visual original.
Quais setores a Elorian pretende atender inicialmente?
Empresas que trabalham com grande volume de vídeo, como firmas de robótica, laboratórios científicos, mídia e companhias criativas.