Elorian stellt Glimpse vor, ein KI-Modell, das Bilder während des Denkprozesses erneut untersucht

Elorian, ein Palo-Alto-KI-Startup, gegründet vom ehemaligen Google-DeepMind-Forscher Andrew Dai, stellte am 16. Oktober 2026 sein erstes Modell vor. Glimpse ist jetzt als Forschungsvorschau mit API-Zugang verfügbar; eine Chat-Oberfläche bleibt nur über eine Warteliste zugänglich.

Die meisten multimodalen KI-Modelle betrachten ein Bild einmal, wandeln das Gesehene in textähnliche Token um und argumentieren dann vollständig in diesem Textraum weiter — was bedeutet, dass feine visuelle Details, die es nicht in die erste Umwandlung geschafft haben, für den Rest der Aufgabe einfach verschwinden. Glimpse hingegen kehrt während des Denkprozesses wiederholt zum Originalbild zurück: Es kann bestimmte Bereiche zuschneiden, einzelne Videoframes herausziehen oder Code ausführen, um zu messen oder zu vergleichen, was es betrachtet. Elorian nennt dies einen „visuellen Schmierzettel“. Die zugrunde liegende Idee ist nicht ganz neu — OpenAI fügte seinen o-Serie-Modellen 2025 eine Zuschneide- und Zoomfunktion hinzu — aber Elorian hat Glimpse von Grund auf um diese Technik herum aufgebaut, statt sie an eine bestehende Architektur anzuhängen.

Das Modell wurde von einem kleinen Team auf einigen hundert GPUs trainiert und ist wesentlich kleiner als die Frontier-Systeme, mit denen es verglichen wird, was sich in seiner Preisgestaltung zeigt: 0,60 US-Dollar pro Million Eingabe-Token und 3 US-Dollar pro Million Ausgabe-Token, womit es über leichtgewichtigen, aber unter Mittelklasse-Modellen positioniert ist. Laut Elorians eigenen Benchmarks übertrifft Glimpse GPT-6 Astra beim Lesen wissenschaftlicher Diagramme und bei der Kurzvideo-Beschriftung und ist bei anderen visuellen Denkaufgaben wettbewerbsfähig — Zahlen, die als unternehmenseigene Ergebnisse eine unabhängige Überprüfung verdienen, bevor sie als gesichert gelten.

Elorian verließ vor sechs Monaten den Stealth-Modus und sammelte vor der Produkteinführung eine Seed-Runde von 55 Millionen US-Dollar bei einer Bewertung von 300 Millionen US-Dollar ein, angeführt von Striker Venture Partners, Menlo Ventures und Altimeter Capital, mit Beteiligung von Nvidia und Googles Chefwissenschaftler Jeff Dean — ein bemerkenswertes Vertrauenssignal von Personen mit direktem Einblick in die Frontier-KI-Forschung. Dai argumentiert, dass aktuelle Modelle trotz starker Sprach- und Programmierfähigkeiten weiterhin mit Aufgaben kämpfen, die Menschen trivial finden, wie das Lesen von Symbolen auf einem Brettspiel oder das Zusammenbauen von Möbeln aus einem Diagramm ohne begleitenden Text.

Elorian zielt zunächst auf Robotikfirmen, wissenschaftliche Labore und Medienunternehmen ab, die mit großen Videomengen arbeiten, und sagt, dass sein längerfristiges Ziel darin besteht, von passiver Wahrnehmung zur Steuerung physischer Systeme wie Robotern überzugehen, mit dem Ziel, innerhalb eines Jahres das zu bauen, was es als das beste visuelle Denkmodell auf dem Gebiet bezeichnet, wie zuerst von TechCrunch berichtet.