Glimpse, el modelo argentino que observa varias veces la imagen antes de responder

La mayoría de los modelos de inteligencia artificial que trabajan con imágenes funcionan como un vistazo único: traducen la foto a una representación interna, la convierten en unidades de texto y razonan a partir de ahí, sin volver a mirar el material original. Glimpse, un sistema de visión artificial desarrollado por la compañía Elorian, opera de manera distinta: durante la generación de una respuesta puede volver sobre la imagen, recortar zonas específicas, revisar fotogramas puntuales de un video a mayor velocidad y hasta ejecutar código para comparar y medir lo que observa. Andrew Dai, fundador de la empresa y ex investigador de Google DeepMind, lo describe como un espacio de trabajo visual.

El planteo de Elorian apunta a una deuda que, según Dai, arrastra la industria: los modelos de lenguaje alcanzaron un desempeño razonable en matemáticas, programación y física, pero la comprensión visual quedó rezagada frente a esas otras capacidades. Glimpse se presenta como un intento por cerrar esa brecha, con un mecanismo que permite consultar la fuente visual tantas veces como haga falta en lugar de conformarse con una sola pasada.

Qué lo diferencia de los sistemas dominantes

Qué lo diferencia de los sistemas dominantes

El método se organiza en tres pasos. Primero, el sistema puede recortar la imagen para concentrarse en una zona concreta del gráfico, una región del video o un sector del objeto bajo análisis. Segundo, en el caso de los videos, puede revisar fotogramas puntuales a una velocidad mayor que la habitual, de manera de aislar el momento que necesita. Tercero, puede escribir y ejecutar código para contar elementos, medir distancias o comparar regiones, tareas en las que los modelos que solo razonan con texto suelen equivocarse. Esa combinación de recorte, inspección de fotogramas y código le permite sostener un ida y vuelta con el material que los sistemas multimodales clásicos no ofrecen.

En las pruebas presentadas por la propia empresa, Glimpse supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos, y empata en tareas de razonamiento aplicado a robótica. Los resultados corresponden a evaluaciones internas de Elorian, todavía sin revisión externa publicada.

Un desarrollo con pocos recursos

El contraste con los grandes laboratorios es parte central del anuncio. Elorian entrenó el modelo con un equipo reducido y unos pocos cientos de chips especializados, partiendo de una base de código abierto, muy por debajo de los presupuestos de cómputo que manejan las compañías líderes del sector. La empresa presenta a Glimpse como un primer paso dentro de una estrategia más larga, con la meta de construir el próximo año el modelo de razonamiento visual con mejor desempeño en cada prueba comparativa disponible para esa categoría.

• Costo de uso: 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.
• Según Elorian, eso representa un 94% menos que GPT-6 Astra y un 85% menos que Claude Opus 5.5.
• Acceso: desde el 16 de octubre, mediante una API y un chat con lista de espera, en lo que la compañía define como una vista previa de investigación.
• Primeros clientes objetivo: estudios de robótica, laboratorios científicos, empresas de medios y estudios de videojuegos, sectores que gestionan grandes volúmenes de imágenes y video.