إلوريان، شركة التقنية الذكية في بالو ألتو التي جمعت 55 مليون دولار من الجولة الأولية بقيمة تقديرية تبلغ 300 مليون دولار قبل إطلاق المنتج، أصدرت أول نموذج لها يوم الجمعة، حسب ما علمته TechCrunch بشكل حصري.
النموذج، Glimpse، يتم إطلاقه كمقدمة بحثية مع إمكانية الوصول إلى API، وواجهة الدردشة متاحة فقط لقائمة الانتظار، لذا في الوقت الحالي يُظهر جدول النتائج ورسالة تخرج. ما هي رسالة التخرج؟ نماذج الذكاء الاصطناعي اليوم، رغم مهاراتها في اللغة والكود، لا تزال غير قادرة على الرؤية حقًا.
معظم النماذج متعددة الوسائط تنظر إلى الصورة مرة واحدة، ثم تحولها إلى كلمات، ثم تفكر فيها بالكتابة — مثل وصف صورة من الذاكرة. يستمر “جلبس” في العودة إلى المصدر. أثناء التفكير، يمكنه تحديد منطقة معينة، أخذ إطارات محددة من فيديو، أو تشغيل كود لقياس أو مقارنة ما يرى، وهو آلية يسميها إلوريان “مساحة التشويه البصري”. تخيل شخصًا يضغط على الشاشة لتمكين التكبير على صورة الهاتف للتحقق من ما كان يعتقد أنه رأى.
بالنسبة لأندرو داي، الباحث السابق في جوجل ديب ميد ورئيس شركة إيلوريان، كان أحد الأدلة الواضحةที่สุด على أن الذكاء الاصطناعي لا يزال غير قادر على الرؤية الحقيقية، خلال ليلة الألعاب.
العام الماضي، التقط صورة لللعبة اللوحية التي أنهىها للتو مع أصدقائه، وسأل عارضة أزياء عن من فاز. لم يستطع الإجابة. قال لـ TechCrunch: “كل لعبة لوحية لها لغتها البصرية الخاصة بها، وعلاماتها الرمزية الخاصة بها أيضًا. بالنسبة للشخص البالغ، من السهل جدًا فهم ما يحدث بمجرد نص قليل، لكن هؤلاء العارضات لا يستطعن استنتاج معنى الرموز”.
"يمكن للبشر أن ينظروا إلى الرسوم التوضيحية لـ IKEA دون أي نص، وأن يجمعوا أثاث IKEA، أليس كذلك؟ فلماذا لا يمكن للنماذج الذكية ذلك؟" قال.
النهج ليس جديدًا تمامًا — فقد أضافت شركة OpenAI خاصية التكبير والتصغير أثناء التفكير إلى نماذجها من سلسلة o في عام 2025 — لكن عرض إيلوريان يقول إنها بنت النموذج بأكمله حول هذه الخاصية، وبتكلفة منخفضة. وتقول الشركة إن فريقًا صغيرًا تدرب على نظام Glimpse باستخدام مئات من وحدات GPU، وأن النموذج أصغر بكثير من أنظمة Frontier التي قامت مقارنته بها.
تكلفة النظرة تبلغ 0.60 دولار لكل مليون توكين، و3 دولارات لكل مليون توكين — وهي أقل من النماذج المتوسطة المستوى مثل Sonnet وSol، لكنها أغلى من النماذج الخفيفة مثل Haiku وLuna.
لكن وفقًا لتقييمات إلوريان، فإن Glimpse تتفوق حتى على GPT-6 Astra في استدلال الجداول العلمية وتعليقات الفيديو القصيرة، وتحقق نتائج تنافسية في المهام الأخرى للاستدلال البصري.
خرج إلوريان من الخفاء قبل ستة أشهر بمشروع مالي مدعوم من شركات مثل Striker Venture Partners وMenlo Ventures وAltimeter Capital، مع مشاركة من شركة Nvidia والعالم الرئيسي في جوجل جيف دين.
الأهداف الأولية هي الشركات التي تمتلك الكثير من الفيديوهات: شركات الروبوتات، المختبرات العلمية، وسائل الإعلام والشركات الإبداعية. على المدى الطويل، يريد إلوريان التحول من النظر إلى العمل الفعلي. وهذا يعني بناء نموذج للصورة باستخدامه لاختيار الإجراءات، بما في ذلك التحكم المباشر في الروبوتات. قال داي في العام القادم إن الشركة تهدف إلى بناء “أفضل نموذج للتفكير البصري في العالم”， وهو نموذج يحقق الفوز في كل اختبار للتفكير البصري.