Elorian’s Glimpse scommette sul ragionamento image-first per battere i modelli AI più grandi
- Elorian ha lanciato Glimpse, un modello di ragionamento visivo che rivede ripetutamente immagini e video mentre risolve i compiti.
- L'azienda afferma che Glimpse eguaglia o supera GPT-6 Astra su diversi benchmark, con costi inferiori del 94% per token.
- Glimpse rimane una preview di ricerca e i suoi risultati sui benchmark non sono ancora stati verificati indipendentemente.
Elorian ha lanciato Glimpse il 16 ottobre, sostenendo che il suo ragionamento visivo può competere con modelli AI più grandi per una frazione del prezzo.
Secondo TechCrunch, il modello iniziale è una preview di ricerca che include l'accesso alle API per gli sviluppatori e una lista d'attesa per la sua interfaccia chat. Per le aziende che stanno valutando questa tecnologia, una sfida concreta è capire se Glimpse è in grado di offrire prestazioni simili in scenari reali.
La proposta del "spazio di lavoro visivo"
A differenza dei modelli che analizzano prima le immagini per trarre conclusioni prevalentemente testuali, Glimpse può tornare alle prove visive, esaminare i dettagli, ispezionare i fotogrammi video ed eseguire qualsiasi codice. L'azienda definisce questa funzionalità come il suo "spazio di lavoro visivo".
Andrew Dai, CEO di Elorian ed ex ricercatore presso Google DeepMind, ha raccontato un episodio in cui ha chiesto al suo modello AI di determinare il vincitore nella partita a scacchi che stava giocando. L'AI non è riuscita a decodificare il significato dei diversi simboli di gioco, che per gli esseri umani sono invece privi di ambiguità.
Gli esseri umani riescono a guardare i diagrammi Ikea, senza testo, e ad assemblare i mobili Ikea, giusto? Perché non dovrebbero riuscirci anche i modelli di AI?
— Andrew Dai, che parla con TechCrunch
Il concetto è stato già applicato in precedenza. OpenAI ha lanciato la logica di ritaglio e zoom nel 2025. Il documento di ricerca CharTool, aggiornato ad agosto 2026, combina il ritaglio delle immagini con calcoli basati su codice. Nel caso di Elorian, viene utilizzato un modello base open-weights, insieme a poche centinaia di GPU durante l'implementazione.
I numeri riportati da Elorian e quelli che preferisce non enfatizzare
I prezzi di Glimpse sono di $0,60 per ogni milione di token in input e $3 per ogni milione di token in output, segnalati come il 94% inferiori rispetto a quanto richiede Astra. Elorian ha precedentemente raccolto capitali per un totale di 55 milioni di dollari, con una valutazione di 300 milioni di dollari, tra gli investitori figurano Nvidia e Jeff Dean, chief scientist di Google.
Secondo il rapporto di Elorian, Glimpse ha superato GPT-6 Astra in alcuni aspetti, tra cui CharXiv-R (92,90 contro 92,10), la didascalia dei video brevi, il conteggio open-vocabulary e la comprensione degli eventi di manipolazione. Inoltre, entrambi i sistemi hanno ottenuto risultati identici nel ragionamento spaziale incarnato.
Tuttavia, Glimpse è risultato inferiore ad Astra nella didascalia video densa, nel ragionamento temporale fine-grained e nel conteggio delle immagini di prodotto. Inoltre, per quanto riguarda l'HSS (il benchmark di Elorian relativo alla comprensione delle scene), il punteggio di Glimpse è 46,36, mentre quello di Astra è 53,6. La baseline umana è del 93,1%. Il confronto tra Glimpse e Astra non è stato ancora verificato indipendentemente.
Dove i modelli attuali falliscono effettivamente
Ricerche indipendenti mostrano perché l'accuratezza sia importante. RoboVista, progetto congiunto di Berkeley, Princeton e Google DeepMind, ha rilevato che il suo modello più potente ha risposto correttamente solo al 56,5% delle 474 domande relative ai robot.
Nel frattempo, InspecSafe-V1 ha raccolto 5.013 ispezioni da 41 robot distribuiti su 2.239 siti. La ricerca evidenzia le sfide del mondo reale, inclusi abbagliamento, occlusione e rumore dei sensori. Uno studio separato sulla grafica identifica inoltre la percezione visiva fine-grained come una debolezza persistente.
Un grande mercato, se l'accuratezza si conferma
La Federation Internationala della Robotica ha segnalato che nel 2025 erano operativi in tutto il mondo circa 5 milioni di robot industriali, con un aumento del 9% rispetto all'anno precedente. Sono stati installati oltre 600.000 nuovi robot, a testimonianza della crescente necessità di macchine in grado di comprendere e rispondere al proprio ambiente.
Questa domanda sta anche guidando gli investimenti nella formazione dei robot. Come riportato da Cryptopolitan, LG sta utilizzando gli strumenti di Nvidia per raccogliere 100.000 ore di dati di addestramento per i robot entro la fine del 2026, in vista di una dimostrazione pianificata di un robot umanoide all'inizio del 2027. Sebbene il progetto non abbia alcuna connessione con Elorian, dimostra quanto la comprensione visiva stia diventando sempre più importante nella robotica.
Elorian spera di superare in futuro il ragionamento visivo per arrivare al controllo diretto dei robot, una capacità che Glimpse non offre ancora. Per ora, convincere le aziende ad adottare il modello dipenderà dall'accuratezza e dalla sicurezza con cui opera nelle condizioni reali, dalla facilità di integrazione con i sistemi esistenti e dal mantenimento di costi competitivi. Punteggi elevati nei benchmark da soli non saranno sufficienti.
Se stai leggendo questo, sei già avanti. Resta così con la nostra newsletter.
Domande frequenti
Cos'è Glimpse di Elorian e come ragiona sulle immagini?
Glimpse è un modello di ragionamento visivo che, durante il processo di elaborazione, può ingrandire una regione specifica, estrarre fotogrammi da un video o eseguire codice per misurare ciò che vede: un ciclo che Elorian definisce "spazio di lavoro visivo", anziché convertire l'immagine in testo una volta sola e ragionare a memoria.
Quanto costa Glimpse e come è stato finanziato Elorian?
Glimpse ha un costo di 0,60 $ per milione di token in input e 3,00 $ per milione di token in output. Elorian ha raccolto 55 milioni di dollari in un round seed con una valutazione di 300 milioni di dollari, co-guidato da Striker Venture Partners, Menlo Ventures e Altimeter Capital, con la partecipazione di Nvidia e Jeff Dean.
Come gestiscono gli attuali modelli AI compiti relativi ai robot e al riconoscimento visivo?
I test indipendenti rivelano ampie lacune: sul benchmark RoboVista, composto da 474 domande per robot esperti, il modello valutato migliore ha ottenuto solo il 56,5%, mentre sul benchmark di comprensione delle scene HSS di Elorian, il modello principale, GPT-6 Astra, ha raggiunto il 53,6% contro una baseline umana del 93,1%.
Ibiam Wayas
Ibiam Wayas si occupa di notizie sul crypto dal 2019. Si è laureato in Informatica presso l'Open University of Nigeria. I suoi lavori sono apparsi su varie piattaforme di notizie crypto, tra cui Coinfomania, Crypto News Australia e AltcoinBuzz. Sfruttando il suo background in Informatica, ora si concentra su notizie relative a crypto, robotica e longevità.
