اولین مدل هوش مصنوعی الوریان می خواهد با تصاویر استدلال کند، نه فقط درباره آنها

با توجه به ارزیابی های Elorian، Glimpse حتی از GPT-6 Astra در استدلال علمی نمودار و شرح ویدیوهای کوتاه، با نتایج رقابتی در سایر وظایف استدلال بصری، بهتر عمل می کند.

آخرین روز برای صرفه جویی 200 دلاری در اجلاس بنیانگذار TechCrunch در 16 اکتبر. هم اکنون ثبت نام کنید.

باز شدن درها را در 13 اکتبر مختل کنید. کارت خود را بگیرید و با 50 درصد تخفیف یک نفر را همراه خود بیاورید. هم اکنون ثبت نام کنید.

TechCrunch به طور انحصاری دریافته است که Elorian، استارت‌آپ هوش مصنوعی Palo Alto که پیش از عرضه یک محصول، مبلغ 55 میلیون دلاری را با ارزش 300 میلیون دلاری به دست آورد، اولین مدل خود را در روز جمعه منتشر کرد.

مدل Glimpse به عنوان پیش‌نمایش تحقیقاتی با دسترسی API راه‌اندازی می‌شود و رابط چت فقط در لیست انتظار است، بنابراین در حال حاضر جدول نتایج و پایان‌نامه است. پایان نامه؟ مدل‌های هوش مصنوعی امروزی، با همه مهارت‌هایشان در زبان و کد، هنوز واقعاً نمی‌توانند ببینند.

اکثر مدل‌های چند وجهی یک بار به یک تصویر نگاه می‌کنند، آن را به نشانه تبدیل می‌کنند و سپس در مورد آن در متن استدلال می‌کنند - مانند توصیف یک عکس از حافظه. Glimpse مدام به منبع باز می گردد. در حد متوسط، می‌تواند به یک منطقه برش دهد، فریم‌های خاصی را از یک ویدیو بکشد، یا کدی را برای اندازه‌گیری یا مقایسه آنچه که به آن نگاه می‌کند اجرا کند، مکانیزمی که الوریان آن را «فضای خراش بصری» می‌نامد. به کسی فکر کنید که روی عکس تلفن زوم می کند تا آنچه را که فکر می کند دیده است بررسی کند.

برای محقق سابق گوگل دیپ مایند و مدیر عامل Elorian، اندرو دای، یکی از واضح‌ترین نشانه‌هایی که هوش مصنوعی هنوز واقعاً نمی‌توانست ببیند، در شب بازی رخ داد.

"انسان ها می توانند به نمودارهای IKEA بدون متن نگاه کنند و مبلمان IKEA را جمع آوری کنند، درست است؟ چرا مدل های هوش مصنوعی نمی توانند؟" او گفت.

این رویکرد کاملاً جدید نیست - OpenAI در سال 2025 برش و زوم را در طول استدلال به مدل‌های سری o خود اضافه کرد - اما Elorian'sگام این است که کل مدل را در اطراف آن، ارزان ساخته است. این شرکت می‌گوید یک تیم کوچک Glimpse را روی چند صد پردازنده گرافیکی آموزش داده و این مدل به طور قابل‌توجهی کوچک‌تر از سیستم‌های مرزی است.

Glimpse 0.60 دلار به ازای هر میلیون توکن و 3 دلار به ازای هر میلیون توکن خروجی هزینه دارد - ارزان تر از مدل های سطح متوسط مانند Sonnet و Sol اما گران تر از مدل های سبک وزن مانند هایکو و لونا.

اما بر اساس ارزیابی‌های Elorian، Glimpse حتی از GPT-6 Astra در استدلال علمی نمودار و شرح ویدیوهای کوتاه، با نتایج رقابتی در سایر وظایف استدلال بصری، بهتر عمل می‌کند.

الوریان شش ماه پیش با یک دور به رهبری Striker Venture Partners، Menlo Ventures و Altimeter Capital، با مشارکت Nvidia و دانشمند ارشد Google، Jeff Dean، از مخفی کاری خارج شد.

اهداف اولیه شرکت هایی هستند که روی ویدیوهای زیادی نشسته اند: شرکت های رباتیک، آزمایشگاه های علمی، رسانه ها و شرکت های خلاق. در دراز مدت، الوریان می خواهد از دیدن به انجام حرکت کند. این به معنای ساختن یک مدل از صحنه با استفاده از آن برای انتخاب یک عمل، از جمله کنترل مستقیم روبات‌ها است. دای گفت، سال آینده، این شرکت قصد دارد «بهترین مدل استدلال بصری جهان» را بسازد، مدلی که در هر آزمون استدلال بصری پیشرو باشد.

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

50% تخفیف برای پاس دوم دریافت کنید. با همراهی خود، زمینه بیشتری را در بوت کمپ موسس نهایی سال TechCrunch پوشش دهید.هم بنیانگذار یا شریک 50% تخفیف برای پاس دوم. با رهبران مقیاس و سرمایه‌گذاری ملاقات کنید، سؤال بپرسید، راه‌حل‌ها را بیابید و موارد دیگر. آخرین روز برای نجات 16 اکتبر

تسلا از رودستر اسپیس ایکس رونمایی کرد که با سبک شان اوکین پرواز و سقوط می کند.

اف بی آی کارمند OpenAI را متهم به کار گذاشتن دستگاه ضبط مخفی در اتاق کنفرانس Zack Whittaker دستگیر کرد

بامبل با یک قرارداد خرید 1.3 میلیارد دلاری موافقت می کند زیرا دوستیابی آنلاین با بازنشانی لورن فوریستال مواجه می شود.