Стартап Elorian выпустил первую модель визуального рассуждения Glimpse

Пало-альто-стартап Elorian представил свою первую разработку — модель Glimpse, которая доступна в виде исследовательского превью с API-доступом. В отличие от большинства мультимодальных систем, которые конвертируют изображения в токены, Glimpse способна в процессе рассуждения возвращаться к источнику: кадрировать изображения, извлекать кадры из видео или запускать код для измерений. Обучение модели проводилось небольшой командой на нескольких сотнях графических процессоров, а ее стоимость составляет $0,60 за миллион входных токенов и $3 за миллион выходных.