Elorian’ın Glimpse modeli görsellerle akıl yürütüyor

Palo Alto merkezli yapay zekâ girişimi Elorian, ilk modeli Glimpse’ı API erişimi sunan bir araştırma önizlemesi olarak yayımladı. TechCrunch’ın özel haberine göre modelin sohbet arayüzü şimdilik yalnızca bekleme listesiyle kullanılabiliyor. Şirket, ürününü piyasaya sürmeden önce 55 milyon dolarlık tohum yatırımı aldı ve 300 milyon dolar değerlemeye ulaştı.

Elorian, Glimpse’ın akıl yürütürken görsellere yeniden başvurabildiğini söylüyor. Model görüntüdeki bölgeleri kırpabiliyor, videodan kareler çıkarabiliyor veya görsel ayrıntıları ölçmek ya da karşılaştırmak için kod çalıştırabiliyor. Şirket bu mekanizmaya “görsel karalama alanı” adını veriyor. Yaklaşım, modelin görseli ilk aşamada belirteçlere dönüştürmekle yetinmeyip gördüklerini yeniden kontrol etmesini amaçlıyor.

Elorian, küçük bir ekibin Glimpse’ı birkaç yüz GPU kullanarak eğittiğini ve modelin değerlendirmelerde karşılaştırıldığı öncü sistemlerden çok daha küçük olduğunu belirtiyor. Şirketin kendi testlerine göre Glimpse, bilimsel grafikler üzerinde akıl yürütme ve kısa videolara açıklama yazma görevlerinde GPT-6 Astra’yı geride bırakıyor; diğer görsel akıl yürütme görevlerinde de rekabetçi sonuçlar alıyor. Bu sonuçlar Elorian’ın kendi değerlendirmelerine dayanıyor.

Fiyatlandırma, girdi olarak kullanılan milyon belirteç başına 0,60 dolar, çıktı olarak kullanılan milyon belirteç başına 3 dolar. Elorian başlangıçta video içeriği çok olan robotik şirketlerini, bilim laboratuvarlarını, medya ve yaratıcı sektör şirketlerini hedefliyor. CEO Andrew Dai, şirketin gelecek yıl “dünyanın en iyi görsel akıl yürütme modelini” geliştirmeyi amaçladığını söyledi. Uzun vadede Elorian, sahneleri anlayıp robotları doğrudan kontrol etmek dâhil eylemler seçebilen modeller geliştirmek istiyor.