استارتاپ الوریان (Elorian) از مدل هوش مصنوعی Glimpse رونمایی کرده است؛ مدلی که به‌جای تکیه صرف بر توصیف متنی تصاویر، می‌تواند مستقیماً با داده‌های بصری استدلال کند. این شرکت مدعی است Glimpse در برخی وظایف، حتی از مدل‌های پیشرفته‌ای مانند GPT-6 نیز عملکرد بهتری دارد.
این مدل در قالب پیش‌نمایش پژوهشی و از طریق API و رابط گفت‌وگومحور در دسترس قرار گرفته است. الوریان همچنین در دور تأمین مالی اولیه خود ۵۵ میلیون دلار سرمایه جذب کرده و ارزش آن به ۳۰۰ میلیون دلار رسیده است.
بسیاری از مدل‌های چندوجهی، تصاویر را به توکن تبدیل می‌کنند و سپس با تکیه بر این نمایش، درباره محتوای آن‌ها استدلال می‌کنند. اما Glimpse می‌تواند هنگام تحلیل، بارها به تصویر اصلی بازگردد، بخش‌های مختلف آن را برش دهد، فریم‌های ویدئویی را استخراج کند و حتی برای اندازه‌گیری و مقایسه عناصر بصری کد اجرا کند.
الوریان این روش را «فضای چرک‌نویس بصری» می‌نامد؛ رویکردی که به مدل اجازه می‌دهد مانند انسان، جزئیات تصویر را مرحله‌به‌مرحله بررسی کند.
به گفته الوریان، Glimpse در تحلیل نمودارهای علمی و تولید توضیحات کوتاه برای ویدئوها، در برخی ارزیابی‌ها از مدل GPT-6 Astra نیز بهتر عمل کرده است. این شرکت می‌گوید مدل با تیمی کوچک و استفاده از چند صد پردازنده گرافیکی آموزش داده شده و در مقایسه با مدل‌های پیشرفته، اندازه کوچک‌تری دارد.
هزینه استفاده از این مدل برای هر یک میلیون توکن ورودی ۰٫۶۰ دلار و برای هر یک میلیون توکن خروجی ۳ دلار اعلام شده است.
الوریان در حال حاضر شرکت‌های رباتیک، آزمایشگاه‌های علمی، رسانه‌ها و کسب‌وکارهای خلاق را از مشتریان بالقوه خود می‌داند. هدف بلندمدت این استارتاپ نیز توسعه قابلیت‌های مدل برای درک محیط و انتخاب اقدامات مناسب، از جمله کنترل مستقیم ربات‌ها، عنوان شده است.
کد خبر ۲۱۲۰۰۵۰۷۲۶.۰۲۶
منبع: تک کرانچ
