Elorian ilk AI modelini təqdim edib, o sadəcə şəkillər barədə yox, onlarla məntiq yürüdür

Palo Altoda yerləşən AI-startap Elorian məhsullarını təqdim etməmişdən əvvəl 55 milyon dollar investisiya toplayıb, şirkətin dəyəri 300 milyon dollar olub. Cümə günü şirkət ilk modelini buraxıb, TechCrunch xüsusi xəbər alıb.

Model Glimpse elmi araşdırma baxışı üçün təqdim olunur. API-yə girişi var, chat interfeysi yalnız növbəylə mümkündür. Hazırda bu, nəticələr cədvəli və bir nəzəriyyədən ibarətdir. Nəzəriyyə budur ki, bu günkü AI modelləri dil və kod qabiliyyətinə baxmayaraq, əslində görmür.

Çoxlu modal modellər şəkilə bir dəfə baxır, onu tokenlərə çevirir və sonra mətndə məntiq yürüdür — yəni fotoşəkili yaddaşdan təsvir etməyə oxşar. Glimpse isə mənbəyə yenidən-qaytarır. Məntiq yürüdərkən o, şəkilin müəyyən zonasını böyüdə, videodan xüsusi kadrlar çəkə və baxdığı işi ölçmək və ya müqayisə etmək üçün kod işə sala bilir. Elorian buna "vizual skretç speysi" deyir. Bu, telefonda şəkilə iki barmaqla yaxınlaşmağa bənzəyir ki, görmək istədiyini dəqiqləşdirmək mümkün olsun.

Keçmiş Google DeepMind tədqiqatçısı və Elorian-in CEO-su Endryu Day üçün AI-nın həqiqətən görmədiyinin açıq işarələrindən biri oyun gecəsində baş verib.

Ötən il o, dostları ilə bitirdiyi masa oyununu fotoşəkil edib və qabaqcıl modeldən kiminsə qalib olduğunu soruşub. Model cavab verə bilməyib. Masa oyunlarının hər birinin öz vizual dili, ikonoqrafiyası, simvolları var, o, TechCrunch-a bildirib. Yetkin insan üçün minimal mətnlə nə baş verdiyini anlamaq asandır, amma modellər simvolların mənasını sezə bilmirlər.

“İnsanlar mətn olmadan IKEA diaqramlarına baxıb mebel qura bilər, deyilmi? Niyə AI modelləri bunu edə bilmir?” – deyə Day bildirib.

Bu yanaşma tamamilə yeni deyil – OpenAI 2025-ci ildə o-seriya modellərinə kəsmə və yaxınlaşdırma funksiyasını əlavə edib. Amma Elorian bu funksiyanı bütöv modelin əsasında qurub və bunu ucuz həyata keçirir. Şirkətin dediyinə görə, kiçik komanda Glimpse modelini bir neçə yüz GPU ilə öyrədib. Model isə ən qabaqcıl sistemlərdən xeyli daha kiçikdir.

Glimpsenin qiyməti milyon token başına giriş üçün 0,60 dollar, çıxış üçün 3 dollardır – bu, "Sonnet" və "Sol" kimi orta səviyyəli modellərdən ucuz, "Haiku" və "Luna" kimi yüngül modellərdən isə baha qiymətlidir.

Elorian-in qiymətləndirməsinə görə, Glimpse elmi qrafiklərin təhlili və qısa video başlıqlarında GPT-6 Astra-dan üstün nəticə göstərir. Digər vizual məntiq tapşırıqlarında rəqabətədavamlıdır.

Elorian altı ay əvvəl gizlilikdən çıxıb və Striker Venture Partners, Menlo Ventures və Altimeter Capital tərəfindən birgə idarə olunan investisiya yatırımı alıb. Nvidia və Google-in baş alim Jeff Deanın iştirakı olub.

Əsas hədəflər çoxlu video məlumatı olan şirkətlərdir: robotika firmaları, elmi laboratoriyalar, media və yaradıcı şirkətlər. Uzunmüddətli məqsəd isə görməkdən əməli həyata keçirməyə keçməkdir. Bu, səhnənin modelini qurmaqla hərəkət seçmək və robotları birbaşa idarə etmək deməkdir. Gələn il Day şirkətin "dünyanın ən yaxşı vizual məntiq modelini" yaratmağı planlaşdırır, hər vizual məntiq testini qabaqlayacaq.