Elorians Glimpse setzt auf bildbasiertes Reasoning, um größere KI-Modelle zu unterbieten
- Elorian hat Glimpse vorgestellt, ein visuelles Reasoning-Modell, das bei der Lösung von Aufgaben wiederholt Bilder und Videos betrachtet.
- Das Unternehmen gibt an, dass Glimpse auf mehreren Benchmarks mit GPT-6 Astra mithält oder dieses übertrifft, dabei jedoch 94 % weniger pro Token kostet.
- Glimpse ist weiterhin eine Forschungsvorschau, und seine Benchmark-Ergebnisse wurden noch nicht unabhängig überprüft.
Elorian hat Glimpse eingeführt am 16. Oktober und behauptet, dass seine visuelle Denkweise im Vergleich zu größeren KI-Modellen zu einem Bruchteil des Preises mithalten kann.
Laut TechCrunch ist das erste Modell eine Forschungspreview, die Entwickler-API-Zugriff und eine Warteliste für die Chat-Oberfläche umfasst. Für Unternehmen, die diese Technologie ausprobieren möchten, stellt sich die eigentliche Herausforderung darin, ob Glimpse in realen Situationen eine ähnliche Leistung erbringen kann.
Die Pitch der visuellen Arbeitsfläche
Im Gegensatz zu Modellen, die Bilder zuerst analysieren und daraus hauptsächlich textbasierte Schlussfolgerungen ziehen, kann Glimpse auf visuelle Beweise zurückgreifen, Details genauer untersuchen, Videoframes prüfen und beliebigen Code ausführen. Das Unternehmen bezeichnet dies als seinen „visuellen Scratch Space“.
Andrew Dai, CEO von Elorian und ehemaliger Forscher bei Google DeepMind, erzählte eine Geschichte, in der er sein KI-Modell aufforderte, den Gewinner eines Brettspiels zu bestimmen. Die KI konnte die Bedeutungen der verschiedenen Spiel-Symbole nicht entschlüsseln, was für Menschen kein Problem darstellt.
Können Menschen Ikea-Anleitungen ohne Text lesen und daraus Möbel zusammenbauen? Warum können es KI-Modelle nicht?
— Andrew Dai, im Gespräch mit TechCrunch
Das Konzept wurde bereits zuvor angewendet. OpenAI führte 2025 die Crop-and-Zoom-Logik ein. Das im August 2026 aktualisierte Forschungs paper zu CharTool kombinierte das Zuschneiden von Bildern mit codebasierten Berechnungen. Im Fall von Elorian kommt ein Open-Weights-Basismodell zum Einsatz, und während der Implementierung wurden nur wenige hundert GPUs benötigt.
Zahlen, die Elorian berichtet, und solche, die sie nicht hervorheben
Die Preisgestaltung von Glimpse liegt bei 0,60 US-Dollar pro Million eingegebener Tokens und bei 3 US-Dollar pro Million ausgegebener Tokens – reportedly um 94 % günstiger als bei Astra. Elorian hatte zuvor Kapital in Höhe von 55 Millionen US-Dollar bei einer Bewertung von 300 Millionen US-Dollar eingesammelt, wobei Investoren unter anderem Nvidia und Jeff Dean, der Chief Scientist von Google, beteiligt waren.
Laut Elorians Bericht hat Glimpse GPT-6 Astra in einigen Bereichen übertroffen, darunter CharXiv-R (92,90 gegenüber 92,10), das Captioning von Kurzvideos, das Zählen mit offenem Vokabular und das Verständnis von Manipulationsereignissen. Beide Systeme erzielten zudem identische Ergebnisse im räumlichen Schlussfolgern in verkörperten Szenarien.
Allerdings hat Glimpse bei der dichten Videobeschreibung, der feinkörnigen zeitlichen Analyse und dem Zählen von Produktbildern gegen Astra verloren. Zudem liegt die Punktzahl von Glimpse beim HSS (Elorians Benchmark zur Szenenverständnis) bei 46,36, während Astra 53,6 erreicht. Die menschliche Basislinie liegt bei 93,1 %. Der Vergleich zwischen Glimpse und Astra wurde noch nicht unabhängig überprüft.
Wo heutige Modelle tatsächlich versagen
Unabhängige Forschungsergebnisse zeigen, warum Genauigkeit wichtig ist. RoboVista, eine Zusammenarbeit von Berkeley, Princeton und Google DeepMind, stellte fest, dass sein stärkstes Modell lediglich 56,5 % der 474 roboterbezogenen Fragen korrekt beantwortete.
Inzwischen sammelte InspecSafe-V1 5.013 Inspektionsdatenpunkte von 41 Robotern an 2.239 Standorten. Die Forschung hebt reale Herausforderungen hervor, darunter Blendung, Okklusion und Sensorrauschen. Eine separate Diagrammstudie identifiziert ebenfalls die feinkörnige visuelle Wahrnehmung als persistente Schwäche.
Ein großer Markt, wenn die Genauigkeit stimmt
Der International Federation of Robotics berichtete, dass im Jahr 2025 weltweit rund 5 Millionen Industrieroboter im Einsatz waren – ein Anstieg von 9 % gegenüber dem Vorjahr. Mehr als 600.000 neue Roboter wurden installiert, was den wachsenden Bedarf an Maschinen unterstreicht, die ihre Umgebung verstehen und darauf reagieren können.
Diese Nachfrage treibt auch Investitionen in das Training von Robotern voran. Wie Cryptopolitan berichtete, nutzt LG die Tools von Nvidia, um bis Ende 2026 100.000 Stunden Trainingsdaten für Roboter zu sammeln, noch vor einer geplanten humanoiden Demonstration Anfang 2027. Obwohl das Projekt keine Verbindung zu Elorian hat, zeigt es, wie wichtig visuelles Verständnis in der Robotik zunehmend wird.
Elorian hofft, die visuelle Schlussfolgerung schließlich durch eine direkte Robotersteuerung zu ersetzen – eine Fähigkeit, die Glimpse noch nicht bietet. Bis dahin wird es für Unternehmen entscheidend sein, wie genau und sicher das Modell unter realen Bedingungen performt, wie einfach es sich in bestehende Systeme integrieren lässt und ob seine Kosten wettbewerbsfähig bleiben. Starke Benchmark-Ergebnisse allein werden dafür nicht ausreichen.
Lesen Sie nicht nur Krypto-Nachrichten. Verstehen Sie sie. Abonnieren Sie unseren Newsletter. Es ist kostenlos.
Häufig gestellte Fragen
Was ist Elorians Glimpse und wie schließt es von Bildern?
Glimpse ist ein visuelles Schlussfolgerungsmodell, das während des Denkprozesses in einen Bereich hereinzoomen, Frames aus einem Video extrahieren oder Code ausführen kann, um zu messen, was es sieht. Diese Schleife bezeichnet Elorian als „visuellen Notizblock“, anstatt ein Bild einmalig in Text umzuwandeln und anschließend aus dem Gedächtnis zu schlussfolgern.
Wie viel kostet Glimpse und wie wurde Elorian finanziert?
Glimpse kostet 0,60 US-Dollar pro Million Input-Token und 3,00 US-Dollar pro Million Output-Token. Elorian sammelte eine Seed-Finanzierungsrunde in Höhe von 55 Millionen US-Dollar bei einer Bewertung von 300 Millionen US-Dollar, angeführt von Striker Venture Partners, Menlo Ventures und Altimeter Capital, mit Beteiligung von Nvidia und Jeff Dean.
Wie gut bewältigen aktuelle KI-Modelle Aufgaben im Bereich Robotik und visuelle Verarbeitung?
Unabhängige Tests zeigen große Lücken: Auf der RoboVista-Benchmark mit 474 Experten-Roboterfragen erzielte das beste bewertete Modell nur 56,5 %, und auf Elorians HSS-Szenenverständnis-Benchmark erreichte das Top-Modell GPT-6 Astra 53,6 % im Vergleich zu einer menschlichen Basislinie von 93,1 %.
Ibiam Wayas
Ibiam Wayas berichtet seit 2019 über Krypto-Nachrichten. Er studierte Informatik an der National Open University of Nigeria. Seine Arbeiten erschienen in verschiedenen Krypto-Nachrichtenplattformen, darunter Coinfomania, Crypto News Australia und AltcoinBuzz. Aufgrund seines Hintergrunds in der Informatik konzentriert er sich nun auf Nachrichten zu Kryptowährungen, Robotik und Langlebigkeit.
