Glimpse, la IA que no se contenta con mirar una sola vez: vuelve, recorta y mide antes de responder

Lo probé y me llamó la atención. La mayoría de los modelos multimodales actuales funcionan más o menos así: miran una imagen, la traducen a palabras y a partir de ahí razonan solo con texto. Una vez que la foto se volvió palabra, no la vuelven a chequear. Glimpse va por otro camino.

El modelo, creado por la empresa Elorian, puede volver sobre la imagen original durante el proceso de respuesta. Recorta zonas puntuales, acelera videos para revisar fotogramas concretos y hasta ejecuta código para comparar y medir lo que tiene adelante. La compañía bautiza a ese mecanismo como espacio de trabajo visual. Básicamente: en vez de conformarse con un primer vistazo, vuelve una y otra vez.

Por qué importa

Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind, lo explicó con una idea clara: los modelos de lenguaje ya resuelven matemática, programación y física con un nivel razonable, pero la comprensión visual viene corriendo de atrás. Glimpse apunta justo a tapar ese agujero.

“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

Qué dice la letra chica de las pruebas

Ojo con esto: los resultados que difunde la empresa son pruebas propias, no auditorías externas. En esas mediciones, Glimpse supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos, y empata en razonamiento aplicado a robótica. Habrá que ver si se sostiene cuando lo testeen terceros.

• Supera a GPT-6 Astra en gráficos, conteo de objetos y descripción de video.
• Empata con los líderes en razonamiento para robótica.
• Cuesta un 94% menos que GPT-6 Astra y un 85% menos que Claude Opus 5.5.

El precio y el contexto

La tarifa es de 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida. Para dimensionar: según Elorian, eso lo deja muy por debajo de los valores que manejan los grandes laboratorios. El modelo se entrenó con un equipo chico y unos pocos cientos de chips especializados, partiendo de una base de código abierto. Nada que ver con los presupuestos siderales de las big tech.

Desde el 16 de octubre se puede probar vía API y a través de un chat con lista de espera. La empresa lo presenta como una vista previa de investigación. Los primeros clientes que tienen en la mira son tres: estudios de robótica, laboratorios científicos y empresas de medios y videojuegos. Todos rubros que mueven montañas de imágenes y video a diario.

Dai dijo que la meta para el próximo año es construir el modelo de razonamiento visual con mejor desempeño en cada benchmark disponible de la categoría. Ambicioso, pero posible si los números de las pruebas propias se mantienen cuando los revise el resto.

¿Vale la pena seguirlo de cerca?

Sí. No porque vaya a reemplazar a los grandes de un día para otro, sino porque muestra que un equipo chico puede plantar bandera en un terreno dominado por monstruos con miles de chips. Si los benchmarks externos confirman lo que ellos midieron en su propia cancha, Glimpse se convierte en una opción muy concreta para tareas visuales a costo bajo. Mientras tanto, lo dejo en el radar.