La startup Elorian a présenté Glimpse, un modèle d'intelligence artificielle qui réobserve une image ou une vidéo plusieurs fois pendant son raisonnement, au lieu de l'analyser une seule fois et de la décrire avec des mots, selon un communiqué officiel de l'entreprise.
Le modèle est disponible depuis le 16 octobre via une interface API et un chat avec liste d'attente, ce que l'entreprise définit comme un aperçu de recherche.
Fonctionnement du modèle
La plupart des systèmes multimodaux convertissent une image en unités de texte, appelées jetons, puis raisonnent uniquement avec ce texte, sans revenir à la source originale. Glimpse fait l'inverse.
Pendant le processus de réponse, le modèle peut recadrer une zone spécifique d'une image, examiner des images ponctuelles d'une vidéo à une vitesse supérieure ou exécuter du code pour mesurer et comparer ce qu'il observe. Elorian appelle ce mécanisme « espace de travail visuel ».
Andrew Dai, fondateur d'Elorian et ancien chercheur chez Google DeepMind, a expliqué que les modèles actuels gèrent raisonnablement bien les mathématiques, la programmation et la physique, mais que la compréhension visuelle est restée en retard par rapport à ces autres capacités.
Selon les tests internes de l'entreprise, Glimpse surpasse le modèle GPT-6 Astra d'OpenAI dans l'analyse de graphiques scientifiques, le comptage d'objets et la description de vidéos courtes, et reste au même niveau dans les tâches de raisonnement appliquées aux robots.
Le prix face aux grandes technologies
Glimpse coûte 0,60 USD par million d'unités de texte traitées en entrée et 3 USD par million généré en sortie, selon les tarifs publiés par Elorian.
Ce chiffre représente un coût 94 % inférieur à celui de GPT-6 Astra et 85 % inférieur à celui de Claude Opus 5,5, le modèle d'Anthropic, selon le détail des prix diffusé par l'entreprise.
Elorian a affirmé avoir entraîné Glimpse avec une petite équipe et seulement quelques centaines de puces spécialisées en intelligence artificielle, à partir d'un modèle de base open source, bien en dessous du budget de calcul géré par Google, OpenAI ou Anthropic pour leurs systèmes les plus avancés.
L'entreprise, basée à Palo Alto, en Californie, a levé un tour de table de 55 millions de dollars avec une valorisation de 300 millions de dollars en avril de cette année, avant le lancement de tout produit, selon Bloomberg à cette date.
À qui s'adresse la technologie
Elorian a indiqué que ses premiers clients cibles sont les entreprises de robotique, les laboratoires scientifiques, les médias et les studios de jeux vidéo, des secteurs qui manipulent de grands volumes d'images et de vidéos.
L'entreprise a décrit Glimpse comme une première étape dans un plan plus large incluant la reconstruction de scènes et le contrôle direct de robots, des capacités qu'elle qualifie de travail en cours.
Dai a déclaré que l'objectif de l'entreprise pour l'année prochaine est de construire le modèle de raisonnement visuel le plus avancé du marché, avec les meilleures performances à chaque test comparatif disponible dans cette catégorie.