در دنیای امروز، مدل‌های زبانی بزرگ مهارت شگفت‌انگیزی در نوشتن و کدنویسی دارند، اما آیا واقعاً می‌توانند تصاویر را درک کنند؟ استارتاپ الوریان (Elorian) مستقر در پالو آلتو معتقد است که هنوز نه. این شرکت تازه‌وارد که پیش از عرضه محصول، ۵۵ میلیون دلار سرمایه دور اول را با ارزش‌گذاری ۳۰۰ میلیون دلار جذب کرده بود، حالا از اولین مدل خود با نام Glimpse رونمایی کرده است.
مدل Glimpse چیست؟
طبق اطلاعاتی که TechCrunch به‌طور انحصاری منتشر کرده، مدل Glimpse روز جمعه به‌صورت پیش‌نمایش پژوهشی همراه با دسترسی API و رابط چت عرضه شده است. ایده اصلی این است که مدل‌های هوش مصنوعی امروزی باید با تصاویر استدلال کنند، نه اینکه فقط درباره آن‌ها توضیح بدهند.
گلیمپ قرار است به‌جای توصیف صرف محتوای بصری، استدلال و تحلیل عمیق‌تری روی تصاویر ارائه دهد. این تفاوت، مسیر را برای کاربردهای تازه‌ای در حوزه‌های علمی، ویدیویی و تحلیلی باز می‌کند.
عملکرد بهتر از GPT-6 Astra در برخی آزمون‌ها
بر اساس ارزیابی‌های الوریان، Glimpse در دو حوزهٔ اصلی از GPT-6 Astra فراتر رفته است: استدلال درباره نمودارهای علمی و زیرنویس‌گذاری ویدیوهای کوتاه. در سایر وظایف استدلال تصویری نیز نتایج رقابتی ثبت شده است.
- سبقت از GPT-6 Astra در استدلال نمودارهای علمی
- عملکرد برتر در تولید زیرنویس ویدیوهای کوتاه
- نتایج رقابتی در سایر آزمون‌های استدلال بصری
- عرضه به‌صورت پیش‌نمایش پژوهشی با API و رابط چت
چشم‌انداز و دسترسی
الوریان با انتشار Glimpse به‌صورت پیش‌نمایش پژوهشی می‌خواهد بازخورد محققان و توسعه‌دهندگان را جمع‌آوری کند تا مدل را برای کاربردهای واقعی آماده کند. کاربران می‌توانند از طریق API یا رابط گفت‌وگو به این مدل دسترسی داشته باشند و قابلیت‌های آن را آزمایش کنند.
با توجه به سرمایه‌گذاری قابل‌توجه پیش از عرضه محصول، الوریان نشان داده که قصد دارد جایگاه خود را در رقابت هوش مصنوعی بصری تثبیت کند. باید دید Glimpse آیا می‌تواند انتظارات را برآورده کند و به یکی از گزینه‌های اصلی توسعه‌دهندگان تبدیل شود.
پرسش‌های پرتکرار
مدل Glimpse چیست؟
Glimpse اولین مدل هوش مصنوعی استارتاپ الوریان است که به‌صورت پیش‌نمایش پژوهشی با API و رابط چت منتشر شده و با تصاویر استدلال می‌کند.
عملکرد Glimpse در مقایسه با GPT-6 Astra چگونه است؟
طبق ارزیابی الوریان، Glimpse در استدلال نمودارهای علمی و زیرنویس ویدیوهای کوتاه از GPT-6 Astra بهتر عمل کرده و در سایر آزمون‌های تصویری رقابتی بوده است.
