Elorian는 팔로 알토의 AI 스타트업으로, 제품을 출시하기 전에 3억 달러의 가치로 5,500만 달러의 시드 라운드를 유치했습니다. TechCrunch가 독점적으로 알게 된 바에 따르면, 이 회사는 금요일에 첫 번째 모델을 공개했습니다.
모델인 Glimpse는 연구용 미리보기 형태로 출시되었으며 API 접근이 가능하고 채팅 인터페이스는 대기자 목록 기반으로 제공됩니다. 따라서 현재는 결과 테이블과 논문 형태로 제공됩니다. 논문이라니? 오늘날의 AI 모델들은 언어와 코드에 대한 능력은 있지만, 여전히 실제로 보는 것은 불가능합니다.
대부분의 멀티모달 모델은 이미지를 한 번만 보고 토큰으로 변환한 다음, 텍스트로서 그 이미지에 대해 추론합니다 — 마치 기억 속의 사진을 설명하는 것과 같습니다. 글림프스는 원본으로 다시 돌아가며, 중간 단계에서 특정 영역을 잘라내거나 비디오의 특정 프레임을 추출하거나, 현재 보고 있는 내용을 측정하거나 비교하기 위한 코드를 실행할 수 있습니다. 이를 에로리안은 “시각적 스크래치 공간”이라고 부릅니다. 휴대폰 사진을 확대해서 확인하는 것과 같은 행동을 생각해보세요.
전 구글 딥마인드 연구원이자 엘로리안 CEO인 앤드루 다이에게 있어, 인공지능이 여전히 제대로 볼 수 없다는 가장 명확한 신호는 게임 밤에 나타났습니다.
지난해 그는 친구들과 함께 막 끝낸 보드게임을 촬영했으며, 승자인 프론티어 모델에게 누가 이긴지 물었다. 그랬더니 모델은 말할 수 없다고 했다. 그는 TechCrunch에 “보드게임은 각각 고유한 시각적 언어와 아이콘, 상징을 가지고 있다”고 말했다. “성인에게는 최소한의 텍스트로도 무슨 일이 일어나는지 이해하기 매우 쉽지만, 이 모델들은 그 상징들이 무엇을 의미하는지 직감으로 알 수 없다.”
“인간은 텍스트가 없는 IKEA 다이어그램을 보고 IKEA 가구를 조립할 수 있죠, 그렇죠? 왜 AI 모델은 그러지 못할까요?”라고 그가 말했다.
이 접근법은 완전히 새로운 것이 아닙니다 — OpenAI는 2025년에 o 시리즈 모델에 추론 과정에서 확대 및 축소 기능을 추가했습니다 — 하지만 Elorian의 주장은 이 기능을 기반으로 전체 모델을 저비용으로 구축했다는 것입니다. 회사에 따르면 소규모 팀이 몇 백 개의 GPU를 사용하여 Glimpse를 훈련시켰으며, 이 모델은 자신들이 비교하는 선진 시스템보다 상당히 작습니다.
슬쩍한 비용은 백만 토큰당 0.60달러이고, 백만 토큰당 3달러입니다. 이는 소네트와 솔과 같은 중급 모델보다 저렴하지만, 하이쿠와 루나와 같은 경량 모델보다 비싸습니다.
하지만 에로리안의 평가에 따르면, 글림프스는 과학적 도표 추론과 짧은 형식의 비디오 캡션 작성에서 GPT-6 아스트라보다도 더 우수하며, 다른 시각적 추론 작업에서도 경쟁력 있는 결과를 보였습니다.
엘로리안은 6개월 전 은신 상태에서 스트라이커 벤처 파트너스, 멘โล 벤처스, 알티미터 캐피털이 주도하는 라운드에 참여했으며, 엔비디아와 구글의 수석 과학자 제프 딘도 참여했습니다.
초기 목표는 많은 비디오를 보유하고 있는 회사들입니다: 로봇 공학 회사, 과학 연구소, 미디어 및 창의적 기업들입니다. 장기적으로는 Elorian은 관찰하는 것에서 실제 행동으로 넘어가고자 합니다. 즉, 그 비디오를 활용하여 행동을 선택하고 직접 로봇을 제어할 수 있는 모델을 구축하는 것입니다. 내년에 Dai는 회사가 “세계 최고의 시각적 추론 모델”을 구축할 계획이라고 말했습니다. 이 모델은 모든 시각적 추론 테스트에서 최고가 되는 모델입니다.