Elorian lanza modelo de IA que interactúa directamente con datos visuales

Elorian, una startup de IA con sede en Palo Alto, ha lanzado su primer modelo, Glimpse, que permite la interacción directa con datos visuales. El modelo, lanzado como una versión de preproducción, ofrece acceso a la API y una interfaz de chat, actualmente disponible solo a través de una lista de espera. Glimpse permite que la IA revise el material original durante el razonamiento, lo que le permite recortar imágenes, extraer fotogramas de vídeo o ejecutar código para el análisis, una función que la empresa denomina un 'espacio de trabajo visual'. Andrew Dai, CEO de Elorian, ex investigador de Google DeepMind, destacó las limitaciones de los modelos de IA actuales en la comprensión de las señales visuales, citando ejemplos como los juegos de mesa y los diagramas de IKEA. Señaló que, si bien los humanos pueden interpretar estas visualizaciones con un mínimo de texto, los modelos de IA tienen dificultades para comprender su significado. Sin embargo, Glimpse supera a modelos como GPT-6 Astra en el razonamiento de gráficos científicos y la creación de subtítulos para vídeos cortos. La startup, que surgió de forma discreta hace seis meses, ha conseguido una ronda de financiación inicial de 55 millones de dólares a una valoración de 300 millones de dólares. Glimpse cuesta 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida, lo que lo sitúa entre los modelos de nivel medio y ligeros. El objetivo de Elorian es desarrollar el 'mejor modelo de razonamiento visual del mundo' para el próximo año, apuntando a industrias con grandes conjuntos de datos de vídeo, incluyendo la robótica y los medios.