رهان Elorian’s Glimpse على أن الاستدلال المعتمد على الصور أولاً يمكنه التفوق على نماذج الذكاء الاصطناعي الأكبر
- أطلقت شركة Elorian نموذج Glimpse، وهو نموذج للاستدلال البصري يعيد النظر مراراً وتكراراً في الصور ومقاطع الفيديو أثناء حل المهام.
- تقول الشركة إن Glimpse يتساوى مع GPT-6 Astra أو يتفوق عليه في عدة اختبارات قياس الأداء، بينما يكلف أقل بنسبة 94% لكل رمز.
- يبقى Glimpse مجرد معاينة بحثية، ولم يتم التحقق من نتائج اختباره بشكل مستقل بعد.
Elorian أطلقت Glimpse في 16 أكتوبر، مدعيةً أن استدلالها البصري يمكنه منافسة نماذج الذكاء الاصطناعي الأكبر حجماً بكسر من السعر.
وفقاً لتقارير TechCrunch، يُعد النموذج الأولي عرضاً بحثياً يتضمن وصولاً إلى واجهة برمجة التطبيقات للمطورين وقائمة انتظار لواجهة الدردشة الخاصة به. وفيما يتعلق بالشركات التي تفكر في تجربة هذه التقنية، تمثل التحدي الفعلي في معرفة ما إذا كان Glimpse قادراً على تقديم أداء مماثل في المواقف الواقعية.
عرض مساحة العمل المرئية
على عكس النماذج التي تحلل الصور أولاً قبل استخلاص الاستنتاجات النصية بشكل رئيسي، يمكن لـ Glimpse الرجوع إلى الأدلة البصرية، والتعمق أكثر في التفاصيل، وفحص إطارات الفيديو، وتشغيل أي أكواد برمجية. وتُطلق الشركة على هذه الميزة اسم "مساحة العمل المرئية".
شارك أندرو داي، الرئيس التنفيذي لشركة Elorian وباحث سابق في Google DeepMind، قصةً طلب فيها من نموذج الذكاء الاصطناعي الخاص به تحديد الفائز في لعبة اللوحة التي كان يلعبها. ولم يتمكن الذكاء الاصطناعي من فك رموز المعاني المختلفة للرموز المستخدمة في الألعاب، وهو أمر لا يواجه البشر أي صعوبة في فهمه.
يمكن للبشر النظر إلى مخططات شركة آيكيا (Ikea) الخالية من النصوص وتجميع الأثاث الخاص بها، أليس كذلك؟ فلماذا لا تستطيع نماذج الذكاء الاصطناعي ذلك؟
— أندرو داي، يتحدث إلى TechCrunch
تم تطبيق هذا المفهوم سابقاً. أطلقت OpenAI منطق القص والتكبير في عام 2025. جمع بحث CharTool، الذي تم تحديثه في أغسطس 2026، بين قص الصور والحسابات القائمة على الكود. وفي حالة Elorian، يُستخدم نموذج أساسي مفتوح الأوزان، مع استخدام بضع مئات من وحدات معالجة الرسومات (GPUs) فقط أثناء التنفيذ.
الأرقام التي تذكرها شركة Elorian، وتلك التي لا تركز عليها
يبلغ سعر Glimpse 0.60 دولار لكل مليون رمز إدخال و3 دولارات لكل مليون رمز إخراج، وهو ما يُعد أقل بنسبة 94% مما تفرضه Astra. سبق أن جمعت Elorian رأس مال قدره 55 مليون دولار بتقييم يبلغ 300 مليون دولار، من بين مستثمرين Nvidia وجيف دين، كبير علماء جوجل.
وفقًا لتقرير إليوريان، تفوق Glimpse على GPT-6 Astra في بعض الجوانب بما في ذلك CharXiv-R (92.90 مقابل 92.10)، وتسمية مقاطع الفيديو القصيرة، والعد المفتوح المفردات، وفهم أحداث التلاعب. بالإضافة إلى ذلك، حققت كلتا النظم نتائج متطابقة في الاستدلال المكاني المتجسد.
ومع ذلك، خسر Glimpse أمام Astra في تسمية الفيديو الكثيف، والاستدلال الزمني الدقيق، وعد الصور المنتجات. علاوة على ذلك، عندما يتعلق الأمر بـ HSS (المعيار الخاص بإليوريان المتعلق بفهم المشاهد)، كانت نتيجة Glimpse هي 46.36، بينما كانت نتيجة Astra 53.6. الأساس البشري هو 93.1%. لم يتم التحقق من مقارنة Glimpse مع Astra بشكل مستقل بعد.
حيث تفشل النماذج الحالية فعليًا
توضح الأبحاث المستقلة سبب أهمية الدقة. وجدت RoboVista، التي طورها باحثون من بيركلي وبرينستون وغوغل ديب مايند، أن أقوى نماذجها أجابت بشكل صحيح على 56.5% فقط من أسئلة الروبوتات الـ 474.
في غضون ذلك، جمعت InspecSafe-V1 5,013 حالة تفتيش من 41 روبوتاً عبر 2,239 موقعاً. تسلط الدراسة الضوء على تحديات العالم الحقيقي بما في ذلك الوهج، والاحتجاب، وضجيج المستشعرات. كما يحدد دراسة بيانية منفصلة أيضاً الإدراك البصري الدقيق كضعف مستمر.
سوق كبير، إذا استمرت الدقة
أفادت الاتحاد الدولي للروبوتات بأن حوالي 5 ملايين روبوت صناعي كانت تعمل في جميع أنحاء العالم في عام 2025، بزيادة قدرها 9% عن العام السابق. تم تركيب أكثر من 600,000 روبوت جديد، مما يبرز الحاجة المتزايدة إلى آلات يمكنها فهم البيئة المحيطة والاستجابة لها.
هذا الطلب يدفع أيضاً الاستثمار في تدريب الروبوتات. كما أفاد Cryptopolitan، تستخدم شركة إل جي أدوات إنفيديا لجمع 100,000 ساعة من بيانات تدريب الروبوتات بحلول نهاية عام 2026، وذلك قبل عرض مقرر للروبوتات البشرية في أوائل عام 2027. على الرغم من أن المشروع لا علاقة له بشركة Elorian، إلا أنه يظهر مدى أهمية الفهم البصري الذي يصبح في غاية الأهمية في مجال الروبوتات.
تأمل Elorian في الانتقال مستقبلاً من الاستدلال البصري إلى التحكم المباشر في الروبوتات، وهي قدرة لا تقدمها Glimpse حالياً. وفي الوقت الراهن، سيُحدّد مدى دقة وأمان أداء النموذج في الظروف الواقعية، وسهولة دمجه مع الأنظمة القائمة، ومدى بقاء تكاليفه تنافسية، نجاح إقناع الشركات بتبنّي هذا النموذج. ولن تكون النتائج القوية في الاختبارات المعيارية كافية وحدها.
أذكى العقول في عالم العملات الرقمية يقرأون بالفعل نشرتنا الإخبارية. هل تريد الانضمام؟ انضم إليهم.
الأسئلة الشائعة
ما هو Glimpse الخاص بشركة Elorian، وكيف يقوم بالاستدلال على الصور؟
يُعدّ Glimpse نموذجاً للاستدلال البصري، حيث يمكنه أثناء عملية الاستدلال تقريب النظر إلى منطقة معينة، أو استخراج إطارات من فيديو، أو تشغيل شفرة برمجية لقياس ما يراه. وتسميه شركة Elorian "مساحة عمل مسودة بصرية" (visual scratch space)، بدلاً من تحويل الصورة إلى نص مرة واحدة ثم الاستدلال بناءً على الذاكرة.
كم تبلغ تكلفة Glimpse، وكيف تم تمويل شركة Elorian؟
سعر Glimpse هو 0.60 دولار لكل مليون رمز إدخال، و3.00 دولارات لكل مليون رمز إخراج. وقد جمعت Elorian جولة تمويل أولية بقيمة 55 مليون دولار عند تقييم قدره 300 مليون دولار، قادت الجولة كل من Striker Venture Partners وMenlo Ventures وAltimeter Capital، بمشاركة Nvidia وجيف دين.
كيف تتعامل نماذج الذكاء الاصطناعي الحالية مع مهام الروبوتات والمهام البصرية؟
تُظهر الاختبارات المستقلة وجود فجوات كبيرة: في معيار RoboVista الذي يحتوي على 474 سؤالاً من إعداد خبراء الروبوتات، حقق أفضل نموذج مُقيَّم نسبة 56.5% فقط، وفي معيار Elorian لفهم المشاهد HSS، وصل النموذج الأعلى تصنيفاً، GPT-6 Astra، إلى 53.6% مقابل خط أساس بشري يبلغ 93.1%.
إبيام واياس
إبيام واياس يغطي أخبار العملات الرقمية منذ عام 2019. درس علوم الحاسوب في الجامعة المفتوحة الوطنية في نيجيريا. وقد ظهرت أعماله على منصات أخبار رقمية متنوعة، بما في ذلك Coinfomania و Crypto News Australia و AltcoinBuzz. وباعتماده على خلفيته في علوم الحاسوب، يركز الآن على أخبار العملات الرقمية والروبوتات وإطالة العمر.
