팔로알토에 본사를 둔 인공지능 스타트업 Elorian은 첫 번째 모델인 Glimpse를 API와 대화형 인터페이스를 통해 이용할 수 있는 연구용 버전으로 출시했다. 이 모델은 이미지나 동영상을 한 번만 변환해 토큰으로 만든 뒤 고정된 텍스트 설명을 통해 처리하는 대신, 시각 콘텐츠 자체에 기반해 추론하는 데 초점을 맞춘다.
Elorian에 따르면 Glimpse는 사고 과정에서 시각적 원본으로 여러 차례 돌아가 이미지의 특정 부분을 자르고, 동영상에서 특정 프레임을 추출하거나, 요소를 측정하고 비교하기 위해 코드를 실행할 수 있다. 회사는 이 메커니즘을 “시각적 초안 공간”이라고 부르며, 초기 분석에서 놓칠 수 있는 세부 사항을 모델이 확인할 수 있도록 설계했다.
설명에서 반복적 검사로
Elorian의 최고경영자이자 전 Google DeepMind 연구원인 앤드루 다이는 현재 모델이 기호와 시각적 관계를 이해하지 못하는 한계가 일상적인 상황에서도 드러난다고 본다. 그는 고급 모델을 대상으로 보드게임 이미지에서 앞서 있는 플레이어가 누구인지 묻는 테스트를 했지만, 모델이 기호와 게임 규칙을 시각적으로 해석하지 못했다고 말했다. 다이는 이를 텍스트가 많지 않은 가구 조립 도면을 인간이 이해하는 능력과 비교한다.
이 아이디어가 완전히 새로운 것은 아니다. OpenAI는 2025년에 o 시리즈 모델에 추론 중 자르기와 확대 메커니즘을 추가했다. 그러나 Elorian은 Glimpse가 이 방식을 처음부터 중심에 두고 구축됐으며, 동시에 더 낮은 훈련 비용을 유지한다고 말한다. 회사에 따르면 이 모델은 소규모 팀이 수백 대의 GPU를 사용해 훈련했으며, 비교 대상이 된 선도 시스템보다 규모도 훨씬 작다.
성능과 비용
Elorian의 평가에 따르면 Glimpse는 과학 도표 추론과 짧은 동영상 설명에서 GPT-6 Astra를 앞서며, 다른 시각 추론 작업에서도 경쟁력 있는 결과를 낸다. 이러한 결과는 회사 자체 평가에서 나온 것이며, 출처는 테스트 세트나 비교 방법론에 관한 독립적인 세부 사항을 제시하지 않았다. 따라서 이 결과만으로 모든 모델에 대한 전반적인 우위를 입증하기에는 충분하지 않다.
Glimpse의 비용은 입력 토큰 100만 개당 약 0.60달러, 출력 토큰 100만 개당 3달러다. 제시된 비교에 따르면 이는 Sonnet과 Sol 같은 중간급 모델보다 저렴하지만 Haiku와 Luna 같은 경량 모델보다는 비싸다.
실무적으로 무엇이 달라지는가?
Elorian은 첫 단계에서 로봇 기업, 과학 연구소, 미디어 및 창작 기관을 비롯해 대규모 동영상 데이터를 다루는 기업을 대상으로 한다. 독립적인 테스트가 회사의 주장을 입증한다면, 이 모델의 실질적인 가치는 이미지에 대한 초기 설명에 대한 의존도를 줄이고 도표와 기호, 동영상 내 사건의 순서를 더욱 세밀하게 검사할 수 있게 하는 데 있다.
Elorian은 제품 출시 전에 3억 달러의 기업가치로 5,500만 달러 규모의 시드 라운드를 조달했으며, Striker Venture Partners, Menlo Ventures, Altimeter Capital과 Nvidia, 그리고 Google의 수석 과학자인 제프 딘이 투자에 참여했다. 장기적으로 회사는 시각 인식에서 행동으로 나아가 장면 모델을 구축하고 이를 사용해 로봇을 직접 제어하는 것을 포함한 행동을 선택하고자 한다고 말한다. 또한 다이는 회사가 내년에 “세계 최고의 시각 추론 모델”을 구축하는 것을 목표로 한다고 밝혔다. 이는 세부 결과와 테스트가 아직 완전히 공개되지 않은 상태에서 나온 야심 찬 목표다.