Megjelent az Elorian első, képi következtetésre épülő Glimpse modellje

Újabb pillantás a részletekre

Az Elorian szerint modellje következtetés közben képrészleteket vizsgálhat, videószakaszokat nézhet újra és kódot használhat. Az API egymillió bemeneti tokenenként 0,60, kimeneti tokenenként 3 dollárba kerül. Bejelentés

A TechCrunch kutatási előzetesként ír a kiadásról. Eredeti cikk

Erős, de nem mindenütt vezető

Az Elorian CharXiv-R-eredménye 92,90; az Astráé 92,10, az Opus 5.5-é 93,40. A Glimpse maximális következtetési szinten futott; az Astra és az Opus ugyanígy, de Code Interpreterrel. Ezek gyártói tesztek. Eredménytábla

A CharXiv felépítése segít értelmezni az összevetést. Készítői 2323 tudományos diagramot gyűjtöttek össze, és külön mérik az egyes elemek leolvasását, illetve több képi elem együttes értelmezését. Az anyagot emberi szakértők válogatták és ellenőrizték. A jó eredmény tehát a dokumentumelemzés szempontjából releváns bizonyíték, de ebből még nem következik általános vizuális megértés. CharXiv-adattár

A jelenet megértése külön feladat

A Scale és az Elorian október 7-i Humanity’s Sixth Sense kutatása a jelenetekből kikövetkeztethető időbeli, térbeli, társas és elvont összefüggéseket vizsgálja. Az emberi résztvevők 93,1 százalékot értek el, a legerősebb vizsgált modell, a GPT-6 Astra, maximális következtetési ráfordítással is csak 53,6 százalékot. A képek dinamikus vizsgálatát lehetővé tevő eszközök csökkentették, de nem tüntették el a különbséget. Ezért robotikai vagy videós munkafolyamatoknál a jelenetértelmezést külön is mérni kell; a diagramteszt eredménye erre nem ad választ. HSS-kutatás

Maga az alapötlet is rendelkezik előzménnyel: az OpenAI 2025 áprilisában már bemutatta a következtetés közbeni képkivágást, nagyítást és forgatást. Akkor érzékelési hibákra és fölösleges eszközhívásokra is felhívta a figyelmet. A Glimpse üzleti próbája így az lesz, javítja-e saját megvalósítása a pontosságot és a teljes munkafolyamat költségét az ügyfelek tényleges képi feladatain. Képi következtetés az OpenAI-nál