Elorian เปิดตัว Glimpse โมเดล AI ที่ย้อนดูภาพระหว่างการให้เหตุผล

Elorian เปิดตัว ‘Glimpse’ โมเดล AI รุ่นแรกที่กลับไปตรวจดูบางส่วนของภาพและเฟรมวิดีโอระหว่างการให้เหตุผล ในรูปแบบพรีวิวสำหรับงานวิจัย โดยบริษัทระบุว่าการประเมินภายในทำได้ดีกว่า GPT-6 Astra ในการให้เหตุผลจากกราฟวิทยาศาสตร์และการเขียนคำบรรยายวิดีโอสั้น

TechCrunch รายงานเมื่อวันที่ 17 ตุลาคมว่า Glimpse เปิดให้เข้าถึงผ่าน API ในรูปแบบพรีวิวสำหรับงานวิจัย ส่วนอินเทอร์เฟซแบบสนทนารับสมัครผ่านรายชื่อรอใช้งาน

ระหว่างให้เหตุผล Glimpse สามารถขยายดูบริเวณเฉพาะของภาพ หรือเลือกเฟรมที่ต้องการจากวิดีโอได้ นอกจากนี้ยังเรียกใช้โค้ดเพื่อวัดหรือเปรียบเทียบวัตถุได้ด้วย Elorian เรียกแนวทางนี้ว่า ‘พื้นที่ร่างภาพ’ (visual scratch space)

Elorian อธิบายว่า โมเดลมัลติโมดัลแบบเดิมมักอ่านภาพเพียงครั้งเดียวแล้วแปลงเป็นข้อความก่อนเริ่มให้เหตุผล ส่วน Glimpse จะกลับไปตรวจดูข้อมูลภาพต้นฉบับในจุดที่จำเป็นระหว่างดำเนินการ

บริษัทระบุว่าผลประเมินภายในแสดงให้เห็นว่า Glimpse ทำได้ดีกว่า GPT-6 Astra ในงานให้เหตุผลจากกราฟวิทยาศาสตร์และการเขียนคำบรรยายวิดีโอสั้น อีกทั้งให้ผลที่แข่งขันได้ในงานให้เหตุผลจากภาพด้านอื่น อย่างไรก็ตาม บทความของ TechCrunch ไม่ได้ระบุคะแนนแยกตามงานหรือวิธีประเมิน

Elorian กล่าวว่า ทีมขนาดเล็กใช้ GPU หลายร้อยตัวฝึก Glimpse และโมเดลมีขนาดเล็กกว่าโมเดลระดับแนวหน้าที่นำมาเปรียบเทียบ ค่าบริการอยู่ที่ 0.60 ดอลลาร์ (ประมาณ 20 บาท) ต่อโทเค็นขาเข้า 1 ล้านโทเค็น และ 3 ดอลลาร์ (ประมาณ 100 บาท) ต่อโทเค็นขาออก 1 ล้านโทเค็น TechCrunch รายงานว่าราคานี้สูงกว่าโมเดลน้ำหนักเบา แต่ต่ำกว่าโมเดลระดับกลาง

Elorian มุ่งให้บริษัทหุ่นยนต์ ห้องปฏิบัติการวิทยาศาสตร์ และบริษัทสื่อกับงานสร้างสรรค์ที่ใช้ข้อมูลวิดีโอจำนวนมากเป็นลูกค้ากลุ่มแรก TechCrunch รายงานว่าบริษัทกำลังผลักดันแนวทางต่อยอดระยะยาว เพื่อให้โมเดลเข้าใจฉาก เลือกการกระทำ และควบคุมหุ่นยนต์ได้โดยตรง

แอนดรูว์ ได (Andrew Dai) ประธานเจ้าหน้าที่บริหารของ Elorian กล่าวกับ TechCrunch ว่า “เป้าหมายของเราคือการสร้างโมเดลให้เหตุผลจากภาพที่ดีที่สุดในโลกภายในปีหน้า”