Elorian: Glimpse

Elorian: Glimpse é um modelo de texto do provedor Elorian, listado na api14 sob a categoria principal de texto. É descrito como um modelo de raciocínio visual multimodal construído para compreensão visual e raciocínio visual complexo no mundo físico, e raciocina diretamente sobre imagens e vídeo em vez de depender de uma etapa separada de descrição. Se você está escolhendo um modelo para trabalho que envolve interpretar o que está acontecendo em mídia visual, este é o modelo que a Elorian posiciona para essa tarefa.

O modelo aceita texto, imagem e vídeo como entradas e retorna texto. Sua janela de contexto é de 262144 tokens, e a saída máxima é de 256000 tokens, portanto entradas longas e gerações longas são ambas possíveis dentro da mesma requisição. Como o lado da entrada é multimodal enquanto o lado da saída é apenas texto, o modelo é adequado a tarefas em que material visual entra e uma resposta escrita sai, como descrever, comparar ou raciocinar sobre o que aparece em uma imagem ou em um vídeo.

Os usos práticos decorrem dessa combinação. Você pode enviar um vídeo e pedir um resumo dos eventos nele, ou enviar um conjunto de imagens e pedir uma comparação entre elas. Respostas a perguntas visuais, inspeção de cenas físicas e raciocínio sobre relações espaciais ou físicas em filmagens são todos encaixes naturais. A grande janela de contexto também significa que você pode fornecer material visual substancial ou texto de acompanhamento extenso em uma única chamada em vez de dividir o trabalho em muitas requisições.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "elorian/glimpse". Os parâmetros de requisição que ele suporta são 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 e top_p. Chamada de ferramentas e saídas estruturadas estão ambas disponíveis, então você pode combinar raciocínio visual com chamadas de função ou com respostas restritas a um esquema, e os parâmetros reasoning e include_reasoning permitem que você controle se o conteúdo de raciocínio é exposto.

Tenha a modalidade de saída em mente ao planejar: o modelo retorna texto, então qualquer coisa que você precise em outro formato tem de ser produzida em etapas posteriores. Se sua tarefa é puramente textual e não envolve imagens ou vídeo, o foco em raciocínio visual deste modelo pode ser mais do que você precisa, e um modelo apenas de texto poderia ser um encaixe mais simples. Para trabalho que depende de entender o que é visível em imagens ou vídeo, Glimpse é a escolha apropriada entre os modelos disponíveis aqui.