Palo Alto merkezli yapay zekâ girişimi Elorian, ürün çıkarmadan önce 300 milyon dolar değerlemeyle 55 milyon dolarlık tohum yatırım alan şirket, ilk modelini Cuma günü yayınladı. Haberi TechCrunch özel olarak öğrendi.
Model Glimpse, araştırma önizlemesi olarak kullanıma sunuldu. API erişimi ve sohbet arayüzü bekleme listesine alındı, bu yüzden şimdilik bir sonuç tablosu ve bir tez olarak duruyor. Tez şu: Bugünün yapay zekâ modelleri dil ve kodda ne kadar yetenekli olursa olsun, gerçekten göremiyor.
Çoğu çok modlu model bir görsele bir kez bakar, onu tokenlara çevirir ve sonra metin üzerinden akıl yürütür; yani bir fotoğrafı hafızadan anlatır gibi. Glimpse kaynağa geri dönmeye devam ediyor. Akıl yürütme sırasında bir bölgeyi kırpabiliyor, bir videodan belirli kareleri çekebiliyor ya da gördüğü şeyi ölçmek ve karşılaştırmak için kod çalıştırabiliyor. Elorian buna "görsel taslak alanı" diyor. Birinin telefonundaki fotoğrafa iki kez bakmak için parmağını sıkıştırıp yakınlaştırması gibi.
Elorian CEO'su ve eski Google DeepMind araştırmacısı Andrew Dai için yapay zekânın hâlâ gerçekten göremediğinin en net işaretlerinden biri oyun gecesinde ortaya çıktı.
Geçen yıl arkadaşlarıyla bitirdiği bir masa oyununu fotoğraflayıp önde olanın kim olduğunu önde gelen bir modele sordu. Model söyleyemedi. Dai TechCrunch'a şunları söyledi: "Masa oyunlarının her birinin kendine özgü görsel dili, kendine özgü ikonografisi, sembolleri var. Yetişkin birine için metin olmadan neler olup bittiğini anlamak oldukça kolay, ama bu modeller sembollerin ne anlama geldiğini sezgisel olarak kavrayamıyor."
"İnsanlar metin olmadan IKEA şemalarına bakıp IKEA mobilyasını kurabiliyor, değil mi? Peki yapay zekâ modelleri neden yapamıyor?" diye ekledi.
Yaklaşım tamamen yeni değil; OpenAI 2025'te o-serisi modellerine akıl yürütme sırasında kırpma ve yakınlaştırma ekledi. Elorian'ın iddiası ise bunun etrafında tüm modeli ucuzca inşa etmesi. Şirket, Glimpse'i birkaç yüz GPU üzerinde küçük bir ekiple eğittiğini ve modelin kıyaslandığı önde gelen sistemlerden önemli ölçüde daha küçük olduğunu belirtiyor.
Glimpse'in fiyatı giriş için her milyon token başına 0,60 dolar, çıkış için her milyon token başına 3 dolar. Bu fiyat Sonnet ve Sol gibi orta seviye modellere göre daha ucuz, Haiku ve Luna gibi hafif modellere göre daha pahalı.
Elorian'ın değerlendirmelerine göre Glimpse, bilimsel grafik akıl yürütme ve kısa form video altyazılama alanında GPT-6 Astra'yı bile geride bırakıyor ve diğer görsel akıl yürütme görevlerinde rekabetçi sonuçlar veriyor.
Elorian altı ay önce gizlilikten çıktı. Turu Striker Venture Partners, Menlo Ventures ve Altimeter Capital ortak liderliğinde gerçekleşti; Nvidia ve Google baş bilim insanı Jeff Dean de katıldı.
İlk hedefler çok sayıda video üzerinde çalışan şirketler: robotik firmaları, bilimsel laboratuvarlar, medya ve yaratıcı şirketler. Uzun vadede Elorian görmekten yapmaya geçmek istiyor. Bu, bir sahnenin modelini oluşturup bunu bir eylem seçmek için kullanmak, robotları doğrudan kontrol etmek dâhil olmak üzere anlamına geliyor. Dai'ye göre şirket gelecek yıl "dünyanın en iyi görsel akıl yürütme modeli"ni inşa etmeyi hedefliyor; bu model her görsel akıl yürütme testinde lider olacak.
