Glimpse — это мультимодальная модель визуального мышления от Elorian, созданная для понимания визуальной информации и сложных рассуждений о физическом мире. Она анализирует изображения и видео напрямую, а не преобразует их сначала в текст, поэтому может находить мелкие детали в насыщенных сценах, отслеживать события в кадрах видео и обосновывать ответы тем, что действительно отображается на экране. Она подходит для агентных визуальных процессов, таких как визуальный поиск, создание подписей к видео и подсчёт множества объектов, а также для сценариев использования в физическом мире в робототехнике, строительстве, инженерии и производстве.
# Запрос к API ВЕГА через elorian/glimpse
curl https://api.vega.chat/api/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $VEGA_API_KEY" \
-d '{
"model": "elorian/glimpse",
"messages": [
{ "role": "user", "content": "Hello!" }
]
}'