Большинство мультимодальных моделей обманывают пользователя безобидным образом: они смотрят на фото один раз, превращают его в набор токенов и дальше рассуждают по памяти, как человек, который взглянул на фотографию мельком и пытается описать её по памяти спустя час. Glimpse от стартапа Elorian устроен иначе. Он может на полпути рассуждения вернуться к изображению, приблизить нужный участок, выдернуть конкретные кадры из видео или прогнать код, чтобы что-то измерить или сравнить. Elorian называет это «визуальным черновиком»: модель щурится и зумит, а не полагается на единожды составленное впечатление.
Идею подсказал личный провал. Генеральный директор Elorian Эндрю Дай, бывший исследователь Google DeepMind, как-то сфотографировал настольную игру, в которую только что доиграл с друзьями, и спросил у топовой модели, кто побеждает. Та не смогла ответить. У каждой настольной игры своя визуальная грамматика: значки, фишки, цветовые коды, и для человека это интуитивно понятно без единого слова инструкции. А модель застряла. Та же логика работает с инструкциями IKEA: взрослый человек без подсказок соберёт шкаф по картинкам, а алгоритм до сих пор путается в символах.
Здесь нет технологии с нуля: OpenAI уже добавляла функцию приближения во время рассуждений в свои o-модели в 2025 году. Но Elorian построил вокруг этого принципа всю архитектуру, и сделал это неожиданно бюджетно: небольшая команда обучила модель на паре сотен видеокарт, что в разы меньше ресурсов фронтирных лабораторий. При этом по собственным тестам компании Glimpse обходит GPT-6 Astra в чтении научных графиков и описании коротких видео, стоя в деньгах дешевле, чем модели среднего уровня вроде Claude Sonnet.
Первые клиенты, компании с горами видеоданных: робототехнические фирмы, научные лаборатории, медиа. Но стратегия амбициознее: от «видеть» перейти к «действовать», строя модель сцены и принимая решения на её основе, вплоть до прямого управления роботами уже в следующем году. Если получится, зрение станет не отдельной функцией, а фундаментом для физических действий машины, и именно здесь сходится с темой следующей новости.
Нужен агент под ваши процессы? Разработка AI-агентов под ключ: от аудита до запуска за 3-6 недель.
