Elorian发布首个图像推理AI模型
原文：Elorian’s first AI model wants to reason with images, not just about them
TechCrunch 独家获悉，帕洛阿尔托 AI 初创公司 Elorian 于周五发布了其首个模型。该公司在产品尚未面世前，就以 3 亿美元估值完成了 5500 万美元种子轮融资。该模型名为 Glimpse，以研究预览形式发布，提供 API 访问，聊天界面仅限候补名单，因此目前它更像是一张结果表格和一份论点。这个论点是什么？当今的 AI 模型，尽管在语言和代码方面能力出众，却仍然无法真正“看见”。大多数多模态模型只看一次图像，将其转换为 token，然后在文本中对其进行推理——就像凭记忆描述一张照片。Glimpse 则会不断回到源头。在推理过程中，它可以裁剪到某个区域、从视频中提取特定帧，或运行代码来测量或比较它所看到的内容，Elorian 将这一机制称为“视觉草稿空间”。想象一下，有人在手机照片上双指放大，以确认自己以为看到的东西。对于前 Google DeepMind 研究员、Elorian CEO Andrew Dai 来说，AI 仍然无法真正“看见”的最明显迹象之一出现在游戏之夜。去年，他拍下自己刚和朋友们玩完的一款桌游，并询问一个前沿模型谁赢了。它答不出来。桌游“每一种都有自己的视觉语言，每一种都有自己的图像符号和象征，”他告诉 TechCrunch。“对成年人来说，即使文字极少，也很容易理解发生了什么，但这些模型无法凭直觉理解这些符号的含义。”“人类可以看着没有任何文字的宜家说明书，组装宜家家具，对吧？为什么 AI 模型做不到？”他说。这种方法并非完全新颖——OpenAI 在 2025 年为其 o 系列模型在推理过程中加入了裁剪和缩放功能——但 Elorian 的卖点在于，它以低成本围绕这一能力构建了整个模型。该公司表示，一个小团队用几百块 GPU 训练了 Glimpse，而且该模型比它所对标的前沿系统小得多。Glimpse 的价格为每百万输入 token 0.60 美元、每百万输出 token 3 美元——比