Glimpse của Elorian đặt cược vào khả năng suy luận ưu tiên hình ảnh để cạnh tranh về giá với các mô hình AI lớn hơn

Elorian ra mắt Glimpse vào ngày 16 tháng 10, tuyên bố rằng khả năng suy luận bằng hình ảnh của mô hình có thể cạnh tranh với các mô hình AI lớn hơn chỉ với một phần nhỏ chi phí.
Theo TechCrunch, mô hình ban đầu là bản xem trước dành cho nghiên cứu, bao gồm quyền truy cập API cho nhà phát triển và danh sách chờ cho giao diện trò chuyện. Với các công ty đang cân nhắc thử công nghệ này, câu hỏi thực tế là liệu Glimpse có thể đạt hiệu suất tương tự trong các tình huống thực tế hay không.
Lời quảng bá về không gian nháp thị giác
Khác với các mô hình chủ yếu phân tích hình ảnh trước rồi đưa ra kết luận bằng văn bản, Glimpse có thể quay lại bằng chứng trực quan, quan sát kỹ hơn các chi tiết, kiểm tra từng khung hình video và chạy mọi đoạn mã. Công ty gọi đây là “không gian nháp thị giác”.
Andrew Dai, CEO của Elorian và cựu nhà nghiên cứu tại Google DeepMind, kể rằng ông từng yêu cầu mô hình AI của mình xác định người chiến thắng trong trò chơi bàn cờ mà ông chơi. AI không thể giải mã ý nghĩa của các ký hiệu khác nhau trong trò chơi, trong khi con người có thể dễ dàng hiểu được.
Con người có thể nhìn vào sơ đồ lắp ráp của Ikea không có chữ và lắp ráp đồ nội thất Ikea, phải không? Vậy tại sao các mô hình AI lại không thể?
— Andrew Dai, phát biểu với TechCrunch
Ý tưởng này đã từng được áp dụng. OpenAI ra mắt cơ chế suy luận cắt và phóng to vào năm 2025. Bài nghiên cứu CharTool, được cập nhật vào tháng 8 năm 2026, kết hợp việc cắt ảnh với các phép tính dựa trên mã. Trong trường hợp của Elorian, mô hình nền tảng có trọng số mở được sử dụng, cùng với chỉ vài trăm GPU trong quá trình triển khai.
Những con số Elorian công bố và những con số họ không nhấn mạnh
Glimpse có giá 0,60 USD cho mỗi triệu token đầu vào và 3 USD cho mỗi triệu token đầu ra, được cho là thấp hơn 94% so với mức giá của Astra. Trước đây, Elorian đã huy động được 55 triệu USD với mức định giá 300 triệu USD; các nhà đầu tư bao gồm Nvidia và nhà khoa học trưởng của Google, Jeff Dean.
Theo báo cáo của Elorian, Glimpse vượt trội hơn GPT-6 Astra ở một số khía cạnh, bao gồm CharXiv-R (92,90 so với 92,10), tạo chú thích video dạng ngắn, đếm đối tượng với từ vựng mở và hiểu các sự kiện có thao tác. Ngoài ra, hai hệ thống cho kết quả giống hệt nhau trong suy luận không gian nhập thể.
Elorian Glimpse và GPT-6 Astra: So sánh đầy đủ trên 12 bài kiểm chuẩn AI
Tuy nhiên, Glimpse có kết quả kém hơn Astra trong việc tạo chú thích cho video có mật độ thông tin cao, suy luận thời gian chi tiết và đếm sản phẩm trong ảnh. Hơn nữa, ở bài kiểm chuẩn HSS của Elorian về khả năng hiểu cảnh, Glimpse đạt 46,36 điểm, trong khi Astra đạt 53,6 điểm. Mức cơ sở của con người là 93,1%. So sánh giữa Glimpse và Astra vẫn chưa được xác minh độc lập.
Những điểm yếu thực sự của các mô hình hiện nay
Nghiên cứu độc lập cho thấy vì sao độ chính xác lại quan trọng. RoboVista, do Berkeley, Princeton và Google DeepMind thực hiện, phát hiện rằng mô hình mạnh nhất của họ chỉ trả lời đúng 56,5% trong số 474 câu hỏi liên quan đến robot.
Trong khi đó, InspecSafe-V1 thu thập 5.013 trường hợp kiểm tra từ 41 robot tại 2.239 địa điểm. Nghiên cứu nêu bật các thách thức trong thực tế, bao gồm ánh sáng chói, vật cản che khuất và nhiễu cảm biến. Một nghiên cứu riêng về biểu đồ cũng xác định khả năng nhận thức thị giác chi tiết là điểm yếu dai dẳng.
Thị trường rộng lớn, nếu độ chính xác được duy trì
Liên đoàn Robot học Quốc tế báo cáo rằng có khoảng 5 triệu robot công nghiệp đang hoạt động trên toàn thế giới vào năm 2025, tăng 9% so với năm trước. Hơn 600.000 robot mới đã được lắp đặt, cho thấy nhu cầu ngày càng tăng đối với những cỗ máy có thể hiểu và phản ứng với môi trường xung quanh.
Nhu cầu đó cũng đang thúc đẩy đầu tư vào việc huấn luyện robot. Theo Cryptopolitan đưa tin, LG đang sử dụng các công cụ của Nvidia để thu thập 100.000 giờ dữ liệu huấn luyện robot trước cuối năm 2026, trước buổi trình diễn robot hình người dự kiến vào đầu năm 2027. Dù dự án không liên quan đến Elorian, nó cho thấy khả năng hiểu hình ảnh ngày càng quan trọng như thế nào trong lĩnh vực robot.
Elorian hy vọng cuối cùng sẽ vượt ra ngoài suy luận thị giác để điều khiển robot trực tiếp, một khả năng mà Glimpse hiện chưa có. Trước mắt, việc thuyết phục doanh nghiệp áp dụng mô hình sẽ phụ thuộc vào độ chính xác và an toàn khi mô hình hoạt động trong điều kiện thực tế, mức độ dễ dàng tích hợp với các hệ thống hiện có và khả năng duy trì chi phí cạnh tranh. Chỉ có điểm số kiểm chuẩn cao sẽ không đủ.
Nếu bạn đang đọc những dòng này, bạn đã đi trước một bước. Hãy tiếp tục dẫn đầu cùng bản tin của chúng tôi.