Elorian が Glimpse を発表　推論中に画像や動画を見直すビジョンモデル

發生什麼事

Elorian は Glimpse を、視覚で考えるモデルと位置づけています。答える前に推論の中で画面を扱い、たとえばある特徴を追ってその変化を見たり、画像の一角を拡大したり、短い動画をスローにして細かく見たりします。マルチモーダルなツールを自分で呼び出したり、問題を複数のサブエージェントに振り分けたりすることもできます（Elorian ブログ）。

Elorian が公開した比較表では、Glimpse と Astra は一長一短です。ロボット操作のイベント、オープン語彙での計数、短い動画のキャプション、科学的なグラフの 4 項目では Glimpse が上回り、身体性を伴う空間推論は同点、密な動画キャプションと時間的推論では下回りました（Elorian ブログ）。