أطلقت Elorian نموذج Glimpse في 16 أكتوبر، مدعيةً أن قدراته على الاستدلال البصري تضاهي قدرات نماذج ذكاء اصطناعي أكبر، مقابل جزء بسيط من تكلفتها.

وفقًا لموقع TechCrunch، فإن النموذج الأولي هو إصدار تجريبي لأغراض البحث، يتيح الوصول إلى واجهة برمجة التطبيقات للمطورين، ويتضمن قائمة انتظار لواجهة الدردشة. أما الشركات التي تفكر في تجربة هذه التقنية، فيتمثل التحدي الفعلي أمامها في معرفة ما إذا كان Glimpse قادرًا على تقديم أداء مماثل في ظروف الاستخدام الواقعية.

رهان مساحة المسودات البصرية

على عكس النماذج التي تحلل الصور أولًا قبل استخلاص استنتاجاتها، وتعتمد أساسًا على النص، يستطيع Glimpse الرجوع إلى الأدلة البصرية، والتدقيق في التفاصيل، وفحص إطارات الفيديو، وتشغيل أي أكواد. وتطلق الشركة على ذلك اسم «مساحة المسودات البصرية».

شارك أندرو داي، الرئيس التنفيذي لشركة Elorian والباحث السابق في Google DeepMind، قصةً عن طلبه من نموذج الذكاء الاصطناعي تحديد الفائز في لعبة لوحية لعبها. لم يتمكن الذكاء الاصطناعي من فك رموز دلالات الرموز المختلفة في اللعبة، مع أن البشر يفهمونها بسهولة.

يستطيع البشر النظر إلى مخططات إيكيا الخالية من النصوص وتجميع أثاث إيكيا، أليس كذلك؟ فلماذا لا تستطيع نماذج الذكاء الاصطناعي ذلك؟

— أندرو داي، متحدثًا إلى TechCrunch

سبق تطبيق هذه الفكرة. أطلقت OpenAI تقنية الاستدلال بالقص والتكبير في عام 2025. ودمجت ورقة بحثية عن CharTool، حُدثت في أغسطس 2026، قص الصور مع الحسابات القائمة على الشيفرة. أما Elorian، فتستخدم نموذجًا أساسيًا مفتوح الأوزان، ولم تستخدم أثناء التنفيذ سوى بضع مئات من وحدات معالجة الرسوميات.

الأرقام التي تعلنها Elorian، وتلك التي لا تسلط الضوء عليها

تبلغ تكلفة Glimpse نحو 0.60 دولار لكل مليون رمز إدخال و3 دولارات لكل مليون رمز إخراج، أي أقل بنسبة 94% تقريبًا من تكلفة Astra، بحسب التقارير. وكانت Elorian قد جمعت سابقًا تمويلًا قدره 55 مليون دولار، بتقييم بلغ 300 مليون دولار، ومن بين مستثمريها Nvidia وكبير علماء Google جيف دين.

بحسب تقرير Elorian، تفوق Glimpse على GPT-6 Astra في بعض الجوانب، بما فيها CharXiv-R (92.90 مقابل 92.10)، ووصف مقاطع الفيديو القصيرة، والعدّ باستخدام مفردات مفتوحة، وفهم أحداث التلاعب. كما حقق النظامان نتائج متطابقة في الاستدلال المكاني المتجسد.

Elorian Glimpse مقابل GPT-6 Astra: مقارنة شاملة عبر 12 معيارًا للذكاء الاصطناعي

لكن Glimpse جاء أداؤه دون Astra في وصف مقاطع الفيديو الكثيفة، والاستدلال الزمني الدقيق، وعدّ المنتجات في الصور. وإضافة إلى ذلك، في معيار HSS (معيار Elorian المتعلق بفهم المشاهد)، حصل Glimpse على 46.36، بينما حصل Astra على 53.6. أما خط الأساس البشري فيبلغ 93.1%. ولم تُتحقق بعد بصورة مستقلة من المقارنة بين Glimpse وAstra.

أوجه القصور الفعلية في نماذج اليوم

تُظهر أبحاث مستقلة أهمية الدقة. فقد وجدت دراسة RoboVista، التي أعدتها جامعات بيركلي وبرينستون وGoogle DeepMind، أن أقوى نموذج لديها أجاب إجابة صحيحة عن 56.5% فقط من أصل 474 سؤالًا متعلقًا بالروبوتات.

وفي الوقت نفسه، جمعت InspecSafe-V1 عدد 5,013 حالة فحص من 41 روبوتًا عبر 2,239 موقعًا. وتسلط الدراسة الضوء على تحديات العالم الحقيقي، ومنها الوهج وحجب الرؤية وضوضاء المستشعرات. كما تحدد دراسة منفصلة للمخططات الإدراك البصري الدقيق بوصفه نقطة ضعف مستمرة.

سوق ضخم، إذا ثبتت دقة الأداء

أفاد الاتحاد الدولي للروبوتات بأن نحو 5 ملايين روبوت صناعي كانت تعمل حول العالم في عام 2025، بزيادة قدرها 9% عن العام السابق. كما تم تركيب أكثر من 600,000 روبوت جديد، ما يسلط الضوء على الحاجة المتزايدة إلى آلات تستطيع فهم ما يحيط بها والاستجابة له.

وتدفع هذه الحاجة أيضًا إلى الاستثمار في تدريب الروبوتات. فبحسب ما أفادت به Cryptopolitan، تستخدم LG أدوات Nvidia لجمع 100,000 ساعة من بيانات تدريب الروبوتات بحلول نهاية عام 2026، استعدادًا لعرض توضيحي لروبوت بشري الشكل مخطط له في مطلع عام 2027. ورغم أن المشروع لا يرتبط بـElorian، فإنه يوضح مدى تزايد أهمية الفهم البصري في مجال الروبوتات.

تأمل Elorian في نهاية المطاف تجاوز الاستدلال البصري إلى التحكم المباشر في الروبوتات، وهي قدرة لا يوفرها Glimpse بعد. وفي الوقت الراهن، سيعتمد إقناع الشركات باعتماد النموذج على مدى دقته وسلامته في ظروف العالم الحقيقي، وسهولة دمجه في الأنظمة الحالية، واستمرار تنافسية تكلفته. ولن تكفي النتائج القوية في المعايير وحدها.

إذا كنت تقرأ هذا، فأنت متقدم بالفعل. حافظ على تقدمك من خلال نشرتنا الإخبارية.