Elorian Glimpse Rilis: AI Visual Reasoning yang Bisa Zoom Gambar Sendiri

Masalah Model Multimodal Biasa: Kenapa Sering Buta Visual?

Selama ini, model AI multimodal kebanyakan cuma melirik gambar sekali saja di awal. Setelah gambar diubah jadi deretan token teks, model bakal memproses jawaban murni dari memori teks tadi, persis kayak orang yang diminta ngejelasin foto yang cuma dilihat sekilas.

Akibatnya, AI sering bingung pas ketemu detail rumit. Andrew Dai menceritakan pengalamannya waktu memotret papan board game sehabis main bareng teman-temannya. Waktu dia tanya model frontier siapa yang lagi menang, AI tersebut gagal total menjawab.

"Manusia bisa lihat diagram Ikea tanpa teks dan merakit perabotannya. Kenapa model AI nggak bisa?" kata Andrew Dai kepada TechCrunch. Board game maupun diagram perakitan punya bahasa visual dan ikonografi tersendiri yang susah ditebak kalau model cuma mengandalkan hafalan teks.

Apa Itu Fitur Visual Scratch Space di Elorian Glimpse?

Biar nggak gampang salah paham, Elorian merancang mekanisme yang dinamakan visual scratch space. Waktu memproses jawaban, Glimpse nggak cuma diam di tempat teks, tapi bisa aktif memeriksa kembali elemen visual aslinya.

Fitur ini bikin model bisa melakukan beberapa hal praktis pas mikir:

• Melakukan crop atau memperbesar bagian gambar tertentu yang mencurigakan atau butuh ketelitian tinggi.
• Mengambil frame spesifik dari rekaman video buat memastikan urutan kejadian.
• Menjalankan kode komputasi di latar belakang buat mengukur jarak, rasio, atau membandingkan objek visual.

Ibaratnya, cara kerja ini mirip kamu yang lagi mencubit layar ponsel buat zoom in foto pas mau memastikan tulisan kecil di latar belakang. Pendekatan crop-and-zoom saat penalaran sebenarnya sempat diperkenalkan OpenAI pada seri model o di 2025, tapi Elorian membangun seluruh arsitektur modelnya khusus di sekitar konsep ini sejak awal.

Benchmark Mengesankan dan Biaya API yang Lebih Ringkas

Menariknya, Elorian melatih Glimpse cuma lewat tim kecil dengan beberapa ratus GPU saja. Ukuran modelnya diklaim jauh lebih ringkas ketimbang sistem frontier raksasa yang ada di pasar sekarang, tapi performanya nggak bisa diremehkan.

Berdasarkan evaluasi internal Elorian, Glimpse sanggup melampaui kemampuan model kelas atas seperti GPT-6 Astra dalam penalaran grafik ilmiah (scientific chart reasoning) dan pemberian takarir video pendek (short-form video captioning). Di tugas visual reasoning lainnya, skornya juga tercatat sangat kompetitif.

Target awal Elorian menyasar perusahaan yang punya tumpukan aset video besar, mulai dari pengembang robotika, laboratorium riset ilmiah, hingga studio media dan industri kreatif. Untuk rencana jangka panjang, mereka ingin model ini nggak cuma jago melihat, tapi juga bisa mengambil keputusan aksi hingga mengontrol robot secara langsung.

Dampak Nyata Buat Developer dan Pekerja di Indonesia

Buat developer lokal di Indonesia, kemunculan Elorian Glimpse membuka jalan baru buat membangun otomasi dokumen dan sistem inspeksi yang selama ini sering bikin pusing. Misalnya membaca diagram blueprint konstruksi, grafik laporan keuangan korporat yang rumit, atau bukti struk transaksi fisik yang buram.

Dengan harga $0.60 per 1 juta token input dan $3 per 1 juta token output, model ini berada di titik tengah: lebih terjangkau dibanding model level menengah seperti Sonnet dan Sol, meski masih di atas model ringan macam Haiku atau Luna. Ini pas banget buat use case bisnis yang butuh akurasi mata tajam tanpa harus membakar anggaran server berlebihan.

Berikut contoh prompt analisis grafik yang cocok kamu pakai di antarmuka chat atau API visual reasoning:

Analisis grafik batang terlampir mengenai tren penjualan tahunan. Tolong periksa nilai pada kuartal ketiga (Q3), bandingkan persentase kenaikannya dengan kuartal kedua (Q2), dan sebutkan jika ada anomali angka atau label sumbu yang tidak konsisten.

Coba Model Multimodal Canggih Lewat Classai Router

Saat ini Glimpse baru dirilis sebagai riset preview lewat antarmuka chat dan akses API langsung dari Elorian. Sembari menunggu ekspansi ekosistemnya, kamu yang pengin langsung bereksperimen dengan model penalaran visual frontier bisa memanfaatkan Classai Router.

Lewat Classai Router, kamu bisa mengakses model multimodal kelas berat seperti GPT-6 Astra seharga Rp9.720 per 1 juta token input dan Rp48.600 per 1 juta token output, atau opsi kencang lainnya seperti Grok 4.7 (Rp2.205 / Rp9.000). Cukup pakai satu API key yang kompatibel dengan SDK OpenAI, top up gampang mulai Rp10.000 via QRIS tanpa butuh kartu kredit luar negeri.