米Elorianが2026年10月16日、初のモデル「Glimpse」を研究プレビューとして公開しました。推論の途中で画像を切り出し、必要ならコードを走らせて測る「視覚スクラッチ空間」が特徴です。
何が違うのか
多くのマルチモーダルモデルは画像を一度トークンに変換し、その後はテキストで考えます。Glimpseは推論中に元画像へ戻り、領域を拡大したり、動画からフレームを抜き出したりできます。
価格と規模
APIは入力100万トークンあたり0.60ドル、出力3ドルです。数百枚規模のGPUで学習した比較的小さなモデルだと説明しています。チャット画面は順番待ちの受け付けのみです。
評価の読み方
科学的な図表の読解や短い動画の説明でGPT-6 Astraを上回るとしていますが、これは同社の評価です。第三者による検証はこれからで、日本語の図表での精度も公表されていません。
編集部の見解
「図や表を読めない」という不満は、解像度より確認の回数で決まる部分があります。読み直せる設計は、請求書や設計図の点検と相性が良いはずです。導入前には、自社の書類でChatGPTやGoogle Geminiと読み比べるのが確実です。
my-best.ai 編集部
出典：TechCrunch（2026年10月16日）
メールマガジン
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。