Elorian Rilis Glimpse, Model AI yang Menalar Langsung dari Gambar
CIANJUR.CO - Startup kecerdasan buatan Elorian merilis model pertamanya, Glimpse, pada Jumat. Perusahaan yang berbasis di Palo Alto itu memperkenalkan model tersebut sebagai pratinjau riset, setelah sebelumnya menghimpun pendanaan awal sebesar 55 juta dolar AS dengan valuasi 300 juta dolar AS, bahkan sebelum meluncurkan produk. TechCrunch AI memperoleh informasi eksklusif mengenai peluncuran tersebut.
Glimpse saat ini tersedia melalui akses API. Antarmuka percakapan atau chat masih menggunakan sistem daftar tunggu, sehingga pengguna belum bisa langsung mengaksesnya lewat layanan tersebut. Untuk tahap awal, Elorian menyajikan hasil evaluasi model dan gagasan utama yang mendasari pengembangannya: model AI masa kini masih memiliki keterbatasan dalam memahami apa yang mereka lihat, meskipun mampu menangani bahasa dan kode.
Perbedaan yang ditawarkan Glimpse terletak pada cara model memeriksa materi visual ketika menyusun jawaban. Banyak model multimodal memproses gambar satu kali, mengubahnya menjadi token, lalu melanjutkan penalaran melalui teks. Cara itu, menurut penjelasan Elorian, menyerupai seseorang yang menggambarkan foto berdasarkan ingatan setelah hanya melihatnya sekilas.
Glimpse dirancang untuk kembali memeriksa sumber visual selama proses berpikir. Model dapat memperbesar atau memotong bagian tertentu dari gambar, mengambil bingkai khusus dari video, serta menjalankan kode untuk mengukur atau membandingkan objek yang dilihat. Elorian menyebut mekanisme tersebut sebagai “visual scratch space”. Gambaran sederhananya seperti seseorang memperbesar foto di ponsel untuk memastikan kembali detail yang sebelumnya terlihat.
Baca juga: Jev Jadi Model AI dengan Adopsi Tercepat di Vercel
Gagasan itu berkaitan dengan pengalaman Andrew Dai, CEO Elorian sekaligus mantan peneliti Google DeepMind. Dai menceritakan kepada TechCrunch bahwa salah satu tanda keterbatasan AI muncul saat malam permainan bersama teman-temannya. Tahun lalu, setelah mereka menyelesaikan sebuah permainan papan, ia memotret papan tersebut dan bertanya kepada model AI terdepan siapa yang sedang unggul. Model itu tidak mampu menjawab.
Menurut Dai, permainan papan memiliki bahasa visual, ikonografi, dan simbol masing-masing. Seseorang dewasa dapat memahami situasi permainan dengan sedikit atau tanpa keterangan tertulis, tetapi model AI belum tentu mampu menangkap arti simbol-simbol tersebut secara intuitif. Ia juga membandingkannya dengan diagram IKEA yang tidak memuat teks: manusia dapat melihat diagram itu dan merakit furnitur, sementara kemampuan serupa masih menjadi tantangan bagi model AI.
Pendekatan memperbesar atau memotong gambar saat penalaran bukan sepenuhnya baru. OpenAI telah menambahkan kemampuan crop-and-zoom ke model seri o pada 2025. Namun, menurut Elorian, Glimpse dibangun dengan mekanisme pemeriksaan visual sebagai bagian utama rancangan model, bukan sekadar kemampuan tambahan. Perusahaan juga menyatakan pelatihannya dilakukan oleh tim kecil dengan beberapa ratus GPU, sementara ukuran Glimpse jauh lebih kecil dibandingkan sistem terdepan yang menjadi pembanding dalam evaluasi.
Baca juga: Mark Wahlberg Terbuka pada AI di Film, Asal Cerita Tetap Utama
Elorian menetapkan harga Glimpse sebesar 0,60 dolar AS untuk setiap satu juta token masukan dan 3 dolar AS untuk setiap satu juta token keluaran. Berdasarkan perbandingan yang disampaikan perusahaan, tarif itu lebih rendah daripada model kelas menengah seperti Sonnet dan Sol, tetapi masih lebih tinggi daripada model ringan seperti Haiku dan Luna.
Dalam evaluasi Elorian, Glimpse mengungguli GPT-6 Astra untuk penalaran terhadap bagan ilmiah dan pembuatan keterangan video berdurasi pendek. Perusahaan juga melaporkan hasil yang kompetitif pada tugas penalaran visual lainnya. Klaim kinerja tersebut berasal dari evaluasi Elorian, sedangkan informasi yang tersedia belum memuat rincian angka hasil untuk setiap pengujian.
Elorian keluar dari masa stealth enam bulan sebelum laporan peluncuran ini, dengan pendanaan yang dipimpin bersama oleh Striker Venture Partners, Menlo Ventures, dan Altimeter Capital. Nvidia serta Jeff Dean, kepala ilmuwan Google, turut berpartisipasi dalam putaran tersebut.
Baca juga: Veritas Perluas Chip Antipemalsuan ke Perhiasan dan Botol Parfum
Untuk penggunaan awal, Elorian membidik perusahaan yang mengelola banyak video, termasuk perusahaan robotika, laboratorium ilmiah, serta perusahaan media dan kreatif. Arah jangka panjang yang disampaikan perusahaan adalah beranjak dari kemampuan melihat menuju tindakan. Model diharapkan dapat membangun pemahaman tentang suatu adegan, lalu memakai pemahaman itu untuk memilih tindakan, termasuk mengendalikan robot secara langsung.
Dai mengatakan Elorian menargetkan pembangunan “model penalaran visual terbaik di dunia” pada tahun depan. Sasaran yang ia sebutkan adalah memimpin pada setiap pengujian penalaran visual. Target tersebut menjadi kelanjutan dari pendekatan Glimpse yang berupaya membuat model memeriksa gambar dan video selama proses penalaran, alih-alih hanya mengandalkan representasi teks dari pengamatan awal.