Elorian представила Glimpse для повторного анализа изображений и видео

Стартап Elorian из Пало-Альто представил первую модель Glimpse в формате исследовательского preview с доступом по API; чат-интерфейс пока доступен только через лист ожидания. Модель может в ходе рассуждения вырезать области изображения, извлекать отдельные кадры из видео и запускать код для измерения либо сравнения визуальных объектов.

Модель возвращается к исходному изображению

Elorian противопоставляет Glimpse распространённому подходу мультимодальных систем: они обычно один раз преобразуют картинку в токены, а затем рассуждают о ней преимущественно в текстовой форме. В компании сравнивают такой процесс с описанием фотографии по памяти.

В Glimpse предусмотрено «визуальное рабочее пространство». Во время вывода модель может снова обратиться к исходным данным, приблизить нужный участок, проверить деталь на видеокадрах или выполнить вычисление. Подход должен помочь в задачах, где значение определяется графическими символами, расположением объектов или небольшими деталями сцены.

Идея повторной работы с изображением не уникальна: OpenAI добавила кадрирование и масштабирование в рассуждения моделей серии o в 2025 году. Elorian заявляет, что построила Glimpse вокруг этого механизма и обучила модель небольшой командой на нескольких сотнях GPU.

Результаты и стоимость доступа

По оценкам Elorian, Glimpse превосходит GPT-6 Astra в рассуждениях по научным графикам и создании описаний коротких видео, а на других тестах визуального рассуждения показывает конкурентные результаты. Компания также утверждает, что модель заметно меньше сопоставляемых фронтирных систем.

Тариф составляет $0,60 за миллион входных токенов и $3 за миллион выходных. Это дешевле моделей среднего класса Sonnet и Sol, но дороже облегчённых Haiku и Luna. Независимых результатов сравнений в публикации не приводится, поэтому заявленные показатели следует рассматривать как оценки разработчика.

Целевые сценарии применения

Первыми пользователями Elorian называет робототехнические компании, научные лаборатории, медиа- и креативные организации, работающие с большими массивами видео. Контекст появления Glimpse задаёт раннее финансирование Elorian до запуска продукта, где описаны раннее финансирование Elorian в $55 млн и оценка компании в $300 млн до запуска продукта.

В дальнейшем Elorian планирует перейти от визуального понимания к выбору действий в сцене, включая непосредственное управление роботами. Для бизнеса практический вывод пока заключается в необходимости проверять подобные модели на собственных изображениях, графиках и видеопотоках: заявленные преимущества имеют смысл только при измеримом качестве на конкретных рабочих данных.