Elorian открыла превью Glimpse - ИИ для фото и видео

Подробно

Как Glimpse «снова смотрит» на изображение во время рассуждения?

По описанию разработчика, Glimpse нужна для рассуждений о физическом мире по изображениям и видео. Она следит за объектами, когда те движутся или меняется ракурс, разбирает, как предметы расположены друг относительно друга и как они устроены, ищет причины и следствия.

По словам Elorian, Glimpse не ограничивается однократным переводом изображения в токены: по ходу рассуждения она возвращается к визуальным данным, уточняет свои внутренние визуальные представления, увеличивает выбранные области, пересматривает отрезки видео с большей частотой кадров и следит за признаками во времени. Ту часть этой работы, которую видит пользователь, Elorian называет visual scratch space - «визуальным черновиком».

Glimpse внимательно рассматривает визуальные данные, ставит под сомнение первое впечатление и возвращается к свидетельствам перед ответом.

Модель обучили сквозным образом пользоваться мультимодальными инструментами: писать код, преобразовывать изображения и просматривать видео. Компания также заявляет, что Glimpse может запускать субагентов и координировать их работу. Субагенты обмениваются текстом, визуальными артефактами и внутренними представлениями.

В записанных трассах работы модели есть, например, повторный просмотр поезда, который замедляется между 2,2 и 5,13 секунды. В другом примере, с видео птиц, Glimpse сначала смотрела ролик примерно при 8 кадрах в секунду, а затем перепроверила интервал 4,3-5,2 секунды примерно при 14 кадрах в секунду. Так она отличила панорамирование камеры от монтажной склейки. Автор разбора для видеоспециалистов Дмитрий Угнивенко считает эту перепроверку 0,9-секундного фрагмента самой интересной частью релиза - интереснее, чем таблица бенчмарков.

Не все иллюстрации в публикации Elorian показывают ответы Glimpse. Пример с падающей шиной - это проверенный эталонный ответ без симуляции. В примере с железнодорожной стрелкой показаны исходное видео и эталонный ответ, а не трасса модели. Пример с плоскогубцами - эталонный подсчёт.

Чем подход Glimpse отличается от моделей OpenAI?

Сама идея не новая. 16 апреля 2025 года OpenAI представила модели o3 и o4-mini: они в ходе рассуждения могут обрезать, увеличивать, поворачивать и преобразовывать изображения. Журналист TechCrunch Адитья Мехта обращает на это внимание. Отличие, по версии Elorian, в другом: вся модель построена вокруг такого механизма, и она дешевле.

Гендиректор Elorian Эндрю Дай объясняет задачу на бытовых примерах:

У каждой настольной игры свой визуальный язык, иконография и символы. Взрослый легко поймёт, что происходит, при минимуме текста, а модели не могут интуитивно распознать смысл символов.

Люди могут собрать мебель по схемам Ikea без текста. Почему модели ИИ не могут?

В интервью Fast Company Дай описал ставку компании так: «Мы делаем ставку на визуальные представления для пространственных задач, навигации и других подобных проблем».

Сколько стоит Glimpse и где её попробовать?

Glimpse доступна через API и интерактивный чат Elorian. Чат на официальной странице предлагают попробовать бесплатно, но размер бесплатного лимита не указан. Тариф API - $0,60 за 1 млн входных токенов без кэширования и $3 за 1 млн выходных. Это цена токенов, а не подписка и не полная стоимость выполненной задачи.

У OpenAI стандартная цена GPT-6 Astra - $10 за 1 млн входных и $50 за 1 млн выходных токенов. По тарифам Glimpse дешевле на 94% в обеих категориях. Но это номинальная цена токена, а не стоимость одной и той же задачи: модели могут тратить разное число входных, выходных и reasoning-токенов и по-разному часто вызывать инструменты. По оценке TechCrunch, Glimpse дешевле моделей среднего класса вроде Sonnet и Sol, но дороже лёгких вроде Haiku и Luna.

Модель есть и у сторонних платформ. Vercel AI Gateway указывает контекстное окно 220 000 токенов, до 4096 выходных токенов и цену чтения кэша $0,06 за 1 млн токенов. В основной публикации Elorian этих данных нет. Together AI предлагает Glimpse как выделенное развёртывание: на вход модель принимает текст, изображения и видео, на выходе даёт текст. Компании могут запросить у Elorian объёмный доступ, оценку на своих данных и помощь с развёртыванием, но публичных корпоративных тарифов нет.

Первые целевые клиенты, по данным TechCrunch, - компании с большими архивами видео: робототехнические фирмы, научные лаборатории, медиакомпании и творческие индустрии.

Действительно ли Glimpse лучше GPT-6 Astra в бенчмарках?

Только в отдельных тестах. В таблице Elorian 12 бенчмарков, и Glimpse обошла GPT-6 Astra в четырёх:

• WGO Bench - 42,70 против 39,42;
• CharXiv-R - 92,90 против 92,10;
• UGC-VideoCap - 82,66 против 80,32;
• FSC-147 - 83,36 против 82,02.

На ERQA у обеих моделей одинаковые 83,75. В шести тестах Glimpse уступила: BabyVision - 95,36 против 97,68, HSS - 46,36 против 53,6, DREAM-1K - 76,04 против 79,05, TOMATO - 93,60 против 96,02, Video-MME v2 - 56,68 против 64,06, CountQA - 82,66 против 86,42. Для E.T. Bench результата Astra нет. Итог: четыре победы, одна ничья, шесть поражений.

По словам Elorian, модели, если не оговорено иное, запускались с максимальным reasoning effort и родными агентскими инструментами. Конкуренты работали с Code Interpreter, а Gemini 3.8 Flash на видео - с Video Agent. На видеотестах GPT-6.1 Sol и Opus 5.5 в основном работали в режиме high, а не max: результатов max не было. Строка HSS отчасти взята из статьи о бенчмарке.

Все результаты и сравнения подготовила и опубликовала сама Elorian, независимого воспроизведения пока нет. Это отмечает и разбор FourWeekMBA.

Есть и демонстрация в робототехнике. На одной задаче LIBERO Glimpse и GPT-6 Astra управляли одной и той же политикой робота π0.5 от Physical Intelligence, и обе модели задачу выполнили. По расчёту Elorian, планирование одного эпизода обошлось в $0,035 для Glimpse и $0,249 для Astra. Это один демонстрационный эпизод разработчика, а не систематический тест цены, задержки или надёжности.

Кто стоит за Elorian и сколько стартап привлёк?

Elorian основана в 2025 году. Сооснователи - Эндрю Дай (Andrew Dai, CEO), Иньфэй Ян (Yinfei Yang, Chief Multimodal Architect) и Сет Нил (Seth Neel, Member of Technical Staff). Должность Chief Reasoning Architect занимает Дастин Тран (Dustin Tran).

Из скрытого режима компания вышла 9 апреля 2026 года, получив $55 млн посевного финансирования при оценке $300 млн. Встречающаяся в пересказах оценка около $3 млрд не подтверждается: Bloomberg, TechCrunch и Forbes называют $300 млн. Раунд совместно возглавили Striker Venture Partners, Menlo Ventures и Altimeter Capital. Участвовали Nvidia, 49 Palms и исследователи ИИ, в том числе Джефф Дин. По данным Bloomberg, деньги привлекали двумя траншами: первый - при оценке $120 млн, второй - при $300 млн. Тогда у стартапа ещё не было выручки.

В июле 2026 года Forbes включил Elorian в список Next Billion-Dollar Startups - это список кандидатов в будущие «единороги», а не компаний, уже оцениваемых в $1 млрд. В разговоре с TechCrunch Дай рассказывает, что выбрал стратегических партнёров, включая Nvidia и Menlo Ventures, а не предложения с более высокой оценкой.

Elorian утверждает, что Glimpse дообучила небольшая команда на нескольких сотнях GPU. Основой стала модель с открытыми весами, но какая именно - компания не называет. Число параметров и точный объём вычислений тоже не раскрыты.

Доступна ли Glimpse в России?

В официальных материалах Elorian ничего не сказано о доступности в России, о российских способах оплаты или о региональных ограничениях. Поэтому утверждать, что сервис работает для пользователей из России, нельзя. Подтверждён только облачный доступ через API и чат. Выпущены ли открытые веса самой Glimpse, неизвестно: то, что её дообучали на открытой модели, ещё не значит, что веса Glimpse открыты.

Какие ограничения есть у Glimpse?

Elorian признаёт, что внимательный повторный анализ требует больше времени и токенов. Повысить токенную эффективность компания называет одной из ближайших задач. Прямую выдачу действий робота, калиброванную реконструкцию сцены и непосредственное управление роботами разработчик относит к будущей работе.

Glimpse - ранний шаг: калиброванная реконструкция и управление роботами ещё впереди.

Технического отчёта или model card по Glimpse нет. Не раскрыты архитектура, обучающие данные и энергозатраты. В публикации нет оценки безопасности, систематической проверки галлюцинаций и проверки работы на других языках, кроме английского.

Предел подхода показывает и бенчмарк Humanity's Sixth Sense (HSS), который Scale AI и Elorian опубликовали в начале октября препринтом на arXiv. В нём 522 открытые задачи по 288 изображениям и 234 видео общей длиной 17,6 часа. Люди решают 93,1% задач, GPT-6 Astra - 53,6%, лучшая агентская конфигурация - 59,3%. По выводам авторов, агентские инструменты улучшали результат, но ошибок при переводе 2D-изображения в 3D-пространство почти не стало меньше. Это исследование не независимое: среди авторов есть сама Elorian, а рецензирование препринта не подтверждено. Кроме того, у Opus 5.5 в строке HSS таблицы Glimpse указано 49,81, а в препринте - 44,6, и полностью это расхождение не объяснено.

Планы компании амбициозны. По словам Дая, в следующем году Elorian хочет создать лучшую в мире модель визуального рассуждения, лидирующую во всех профильных тестах. Пока это заявленная цель, а не достигнутый результат.