Lançamentos

Elorian lança Glimpse e expõe falhas de visão em modelos de fronteira

Startup fundada por ex-pesquisador do DeepMind lança o benchmark DecoyCount e afirma que modelo próprio superou GPT-6 Astra em testes de contagem.

Capa ilustrativa da editoria Lançamentos

Por que importa. Sistemas de visão computacional aplicados a robótica e moderação costumam falhar ao substituir a contagem real de itens por deduções de contexto. O teste mostra que modelos de ponta ainda erram tarefas visuais básicas.

A Elorian lançou seu primeiro modelo de raciocínio visual, batizado de Glimpse, voltado para interpretar o mundo físico diretamente a partir do que enxerga. Em parceria com a empresa de dados Mercor, a startup também publicou nesta rodada o DecoyCount, um benchmark composto por 1.660 itens que mede se modelos multimodais realizam contagens reais de objetos ou se apoiam em atalhos visuais e heurísticas de substituição. No artigo técnico divulgado pelos criadores do teste, nenhum dos modelos de fronteira avaliados conseguiu superar a marca de 50% de precisão.

Nos resultados apresentados no artigo com média de três execuções por sistema, o GPT-6 Astra registrou a maior pontuação entre os concorrentes consolidados, com 43,17% de precisão. O Gemini-3.8-flash alcançou 32,71%, o Qwen3.8-max atingiu 28,31% e o Claude-Fable-5.1 ficou em 25,22%. Em entrevista ao site Latent Space, o presidente-executivo da Elorian, Andrew Dai, informou que o Glimpse atingiu 50,48% em uma execução interna própria e isolada, sem depender de agentes externos ou ferramentas complementares.

Segundo Andrew Dai, as imagens e textos de avaliação foram mantidos fora do treinamento do Glimpse e verificações internas não apontaram sobreposição de dados. O executivo explicou que o DecoyCount avalia falhas distribuídas em sete mecanismos estruturais para isolar o problema real. Em testes tradicionais, se uma maçã refletida em um espelho é ignorada ou contada duas vezes, o resultado numérico final penaliza o modelo da mesma forma, sem indicar se houve falha de percepção óptica ou de julgamento lógico.

Pensamento visual e imagens na cadeia de raciocínio

Andrew Dai coescreveu em 2015 o artigo seminal sobre aprendizado de sequências semissupervisionado no Google ao lado de Quoc Le, trabalho que antecipou a fórmula de pré-treino e ajuste fino usada na indústria. Antes de fundar a startup, Dai atuou por uma década no Google DeepMind em iniciativas como GLaM, PaLM 2 e a família Gemini. A Elorian saiu do sigilo em abril com um aporte semente de US$ 55 milhões coliderado por Striker Venture Partners, Menlo Ventures e Altimeter Capital.

A abordagem técnica da empresa propõe que o modelo gere e edite representações visuais dentro da própria cadeia de pensamento antes de produzir a resposta. Segundo a Elorian, a capacidade de gerar imagens não serve apenas como saída para o usuário, mas funciona como um rascunho visual intermediário similar ao processo humano de imaginar e manipular objetos mentalmente para resolver problemas espaciais.

Diferenças para modelos de mundo e lacunas comerciais

Dai diferenciou a proposta do Glimpse de iniciativas como o Atlas da World Labs e o Genie 4 do Google DeepMind, categorizados como modelos de mundo. Segundo ele, esses sistemas geram simulações 3D contínuas voltadas para ação direta no ambiente. O foco da Elorian está na ação indireta para decisões empresariais, como verificação de conformidade em plantas de arquitetura, auditoria de vídeos e contagem de peças em armazéns robóticos, onde caixas com etiquetas de pacotes cheios costumam enganar modelos que apenas deduzem o conteúdo.

A Elorian afirma que o Glimpse empata ou supera modelos de fronteira nos benchmarks robóticos WGO Bench e ERQA com menor custo de inferência, mas não publicou tabela de preços de API, data de liberação ampla para desenvolvedores ou parâmetros do modelo. O artigo e o conjunto de avaliação do DecoyCount foram disponibilizados em parceria com a Mercor.

Fontes

  • Latent Space: Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning

Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.

WhatsAppLinkedInX
Voltar para a edição

Mais em Lançamentos

Ver todas

Quem constrói lê

Receba o Flipters no seu e-mail. A newsletter de IA para quem está tirando produto do papel.