Elorian presentó a Glimpse, un modelo de visión que vuelve a mirar la imagen para responder

Elorian, una compañía fundada por Andrew Dai y orientada a visión artificial, decidió avanzar con recursos propios en un área que los grandes laboratorios todavía resolvían con el mismo esquema: tomar la imagen, convertirla en texto y razonar a partir de esa traducción, sin volver a mirar el material original. Para sostener ese desarrollo, la empresa invirtió el presupuesto de un equipo chico y cientos de chips especializados, muy lejos del gasto en cómputo que manejan OpenAI, Anthropic o Google.

La diferencia central de Glimpse, según explicó Dai, ex investigador de Google DeepMind, es que el modelo puede volver sobre la imagen mientras responde: recortar zonas, revisar fotogramas puntuales de un video o ejecutar código para medir y comparar lo que observa. En la compañía lo llaman “espacio de trabajo visual” y apuntan, con esa arquitectura, a cerrar una brecha que el propio fundador reconoció: los modelos de lenguaje ya rindieron bien en matemáticas, programación y física, pero la comprensión visual quedó atrás.

Qué mide y cuánto cuesta

• Análisis de gráficos científicos: supera a GPT-6 Astra según pruebas de la propia empresa.
• Conteo de objetos: también por encima del modelo de OpenAI.
• Descripción de videos cortos: rendimiento superior.
• Razonamiento aplicado a robótica: empate con el sistema de referencia.
• Precio de uso: 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.

En plata, Elorian sostiene que el costo de Glimpse es un 94 por ciento menor al de GPT-6 Astra y un 85 por ciento menor al de Claude Opus 5.5. La diferencia no surge de un milagro técnico, sino de una decisión de: la empresa entrenó el modelo partiendo de una base de código abierto y con un plantel y un parque de chips muy por debajo de los presupuestos que manejan los grandes laboratorios del sector. Esa ecuación —menos dinero, arquitectura distinta— es, justamente, el principal argumento comercial de la compañía.

Quiénes lo pueden probar y hacia dónde apunta

Dai y su equipo pusieron el modelo a disposición desde el 16 de octubre a través de una interfaz de API y un chat con lista de espera, en lo que Elorian presentó como una vista previa de investigación. Como primeros clientes objetivo identificaron a estudios de robótica, laboratorios científicos, empresas de medios y estudios de videojuegos, todos sectores que manejan grandes volúmenes de imagen y video y donde la capacidad de volver a mirar el material puede, en principio, marcar una diferencia práctica.

Elorian ya marcó un horizonte más ambicioso: para el próximo año, la empresa describió a Glimpse como un primer paso dentro de un plan mayor que apunta a construir “el modelo de razonamiento visual con mejor desempeño en cada prueba comparativa disponible para esa categoría”. La definición quedó trunca en el anuncio original, pero la dirección está clara: pasar de una versión limitada a una apuesta por destronar a los modelos cerrados en su propio terreno.

“Los modelos de lenguaje alcanzaron un nivel razonable en matemáticas, programación y física, pero la comprensión visual quedó rezagada frente a esas otras capacidades.”Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind

Lo que falta responder

Elorian publicó resultados de pruebas que ellos mismos diseñaron y ejecutaron, con métricas que benefician a su propio modelo. El anuncio del 16 de octubre no detalla qué tipo de auditoría externa, si la hubo, validó esos números ni cómo se comparan los desempeños cuando los gráficos y los videos provienen de conjuntos de datos desconocidos para el sistema. Mientras Glimpse siga siendo una “vista previa de investigación” financiada con un presupuesto chico y chips contados, la pregunta que la empresa no respondió es la que cualquier competidor va a hacer: ¿aguanta el mismo rendimiento frente a revisores independientes?