Elorian: Glimpse

Elorian: Glimpse adalah model teks dari penyedia Elorian, terdaftar di api14 di bawah kategori utama teks. Model ini dideskripsikan sebagai model penalaran visual multimodal yang dibangun untuk pemahaman visual dan penalaran visual yang kompleks di dunia fisik, dan model ini bernalar langsung atas gambar dan video alih-alih mengandalkan langkah deskripsi terpisah. Jika Anda memilih model untuk pekerjaan yang melibatkan interpretasi apa yang terjadi dalam media visual, inilah model yang diposisikan Elorian untuk tugas tersebut.

Model ini menerima teks, gambar dan video sebagai input dan mengembalikan teks. Jendela konteksnya adalah 262144 token, dan output maksimumnya adalah 256000 token, sehingga input panjang dan generasi panjang keduanya dimungkinkan dalam satu permintaan yang sama. Karena sisi input bersifat multimodal sementara sisi output hanya teks, model ini cocok untuk tugas di mana materi visual masuk dan jawaban tertulis keluar, seperti mendeskripsikan, membandingkan atau bernalar tentang apa yang muncul dalam gambar atau video.

Kegunaan praktis mengikuti kombinasi tersebut. Anda dapat mengirim video dan meminta ringkasan peristiwa di dalamnya, atau mengirim sekumpulan gambar dan meminta perbandingan di antara gambar-gambar itu. Menjawab pertanyaan visual, inspeksi pemandangan fisik, dan penalaran tentang hubungan spasial atau fisik dalam rekaman semuanya cocok secara alami. Jendela konteks yang besar juga berarti Anda dapat menyediakan materi visual yang substansial atau teks pendamping yang panjang dalam satu panggilan alih-alih memecah pekerjaan ke banyak permintaan.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "elorian/glimpse". Parameter permintaan yang didukungnya adalah frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs dan top_p. Pemanggilan tool dan output terstruktur keduanya tersedia, sehingga Anda dapat menggabungkan penalaran visual dengan pemanggilan fungsi atau dengan respons yang dibatasi pada skema, dan parameter reasoning serta include_reasoning memungkinkan Anda mengontrol apakah konten penalaran ditampilkan.

Ingatlah modalitas output saat merencanakan: model ini mengembalikan teks, jadi apa pun yang Anda butuhkan dalam bentuk lain harus dihasilkan di tahap berikutnya. Jika tugas Anda sepenuhnya tekstual dan tidak melibatkan gambar atau video, fokus penalaran visual model ini mungkin melebihi kebutuhan Anda, dan model khusus teks bisa menjadi pilihan yang lebih sederhana. Untuk pekerjaan yang bergantung pada pemahaman apa yang terlihat dalam gambar atau video, Glimpse adalah pilihan yang tepat di antara model yang tersedia di sini.