Elorian, görsellerle akıl yürüten ilk yapay zekâ modeli Glimpse'i yayımladı

Palo Alto merkezli yapay zekâ girişimi Elorian, ilk modeli Glimpse'i cuma günü yayımladı. TechCrunch'ın edindiği bilgiye göre şirket, daha önce herhangi bir ürün çıkarmadan 300 milyon dolar değerleme üzerinden 55 milyon dolarlık tohum yatırımı toplamıştı.

Glimpse, araştırma önizlemesi olarak API erişimiyle kullanıma açıldı; sohbet arayüzü ise şimdilik yalnızca bekleme listesindekilere sunulacak. Elorian'ın açıklamasına göre model, akıl yürütme sırasında görsele geri dönüp bölgeyi kırpabiliyor, videodan belirli kareleri çekebiliyor ya da ölçüm ve karşılaştırma için kod çalıştırabiliyor.

Glimpse diğer modellerden nasıl ayrılıyor?

Çoğu çok modlu model bir görsele yalnızca bir kez bakar, onu token'lara dönüştürür ve ardından metin üzerinden akıl yürütür; tıpkı bir fotoğrafı hafızadan anlatmak gibi. Glimpse ise akıl yürütme sırasında kaynak görsele tekrar tekrar dönüyor. Elorian bu mekanizmaya "görsel karalama alanı" adını veriyor. Şirketin CEO'su ve eski Google DeepMind araştırmacısı Andrew Dai, bunu telefon fotoğrafını iki parmakla yakınlaştırıp gördüğünü doğrulamaya benzetiyor.

Dai, yapay zekânın hâlâ gerçekten göremediğinin en net işaretlerinden birini geçen yıl bir oyun gecesinde yaşadı. Arkadaşlarıyla bitirdiği bir kutu oyununun fotoğrafını çekip önde gelen bir modele kimin kazandığını sordu; model yanıt veremedi. Dai'ye göre kutu oyunlarının "her birinin kendi görsel dili, kendi ikonografisi, sembolleri" var ve modeller bu sembollerin ne anlama geldiğini sezemiyor. "İnsanlar metinsiz IKEA şemalarına bakıp mobilyayı kurabiliyor, değil mi? Peki yapay zekâ modelleri neden kuramıyor?" diye ekledi.

Ne kadar küçük ve ne kadara mal oluyor?

Yaklaşım tamamen yeni değil; OpenAI 2025'te akıl yürütme sırasında kırpma ve yakınlaştırma özelliğini o-serisi modellerine eklemişti. Elorian'ın iddiası ise tüm modeli bu yaklaşımın etrafında ve ucuza kurmuş olması. Şirkete göre küçük bir ekip, Glimpse'i birkaç yüz GPU üzerinde eğitti ve model, karşılaştırıldığı öncü sistemlerden belirgin biçimde daha küçük.

Modelin fiyatlandırması milyon giriş token'ı başına 0,60 dolar, milyon çıkış token'ı başına 3 dolar. Bu, Sonnet ve Sol gibi orta segment modellerden daha ucuz; Haiku ve Luna gibi hafif modellerden ise daha pahalı.

Kimler için geliştirildi?

Elorian'ın değerlendirmelerine göre Glimpse, bilimsel grafik akıl yürütme ve kısa video altyazılama görevlerinde GPT-6 Astra'yı geride bırakıyor; diğer görsel akıl yürütme testlerinde de rekabetçi sonuçlar alıyor.

Şirketin ilk hedef kitlesi, çok fazla video verisi barındıran şirketler: robotik firmaları, bilimsel laboratuvarlar ile medya ve kreatif şirketler. Uzun vadede Elorian görselden eyleme geçmeyi planlıyor. Bu, bir sahnenin modelini kurup bu modeli bir eylem seçmek için kullanmak, yani doğrudan robot kontrolü anlamına geliyor.

Neden önemli?

Birden fazla öncü modelin aynı görsel görevlerde zorlanması, görsel akıl yürütmenin hâlâ çözülmemiş bir alan olduğunu gösteriyor. Glimpse'in küçük bir ekiple ve sınırlı sayıda GPU ile eğitildiği iddiası doğrulanırsa, bu tür yeteneklerin yalnızca devasa bütçelerle elde edilebileceği varsayımı sorgulanabilir. Türkiye'deki kullanıcılar ve geliştiriciler için modelin ne zaman ve hangi ülkelerde kullanıma açılacağı henüz açıklanmadı; şu an yalnızca API üzerinden erişilebiliyor.

Dai, gelecek yıl için hedeflerinin "dünyanın en iyi görsel akıl yürütme modelini" kurmak olduğunu ve her görsel akıl yürütme testinde lider olmak istediklerini söyledi. Glimpse'in sohbet arayüzünün bekleme listesinden çıkıp genel kullanıma ne zaman açılacağı ise henüz bilinmiyor.