Glimpse: el modelo chico que le pelea a los gigantes mirando la imagen con sus propios ojos

La jugada que define la partida la tiró un equipo chico. Mientras los grandes laboratorios revientan el tesorero para entrenar modelos multimodales, la startup Elorian presentó Glimpse, un sistema de visión artificial que juega un partido distinto: en vez de convertir la imagen en texto y olvidarse del original, vuelve una y otra vez a la foto, recorta zonas, revisa fotogramas puntuales de un video y hasta ejecuta código para medir lo que está viendo. Como un enganche que pisa el área varias veces antes de definir.

Un espacio de trabajo visual, no un traductor de imágenes

La mayoría de los modelos que dominan el mercado toman una imagen, la transforman en unidades de texto y razonan únicamente con esa representación, sin volver a pisar la fuente. Glimpse opera al revés: mantiene el material original abierto durante toda la respuesta. Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind, lo bautizó como espacio de trabajo visual y lo presentó como la manera de cerrar una deuda pendiente del sector.

Para Dai, los modelos de lenguaje ya resuelven con solvencia matemáticas, programación y física, pero la comprensión visual quedó relegada frente a esas otras capacidades. Glimpse apunta justamente a ese hueco, con la lógica del que sabe que un video no se cuenta, se mira.

Los números que pone sobre la mesa la propia empresa

En pruebas internas, 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 aplicadas a robótica. Son pruebas hechas en casa, aclara el material, así que habrá que esperar mediciones para confirmar.

• Precio de uso: 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.
• Costo un 94 por ciento menor al de GPT-6 Astra y un 85 por ciento menor al de Claude Opus 5.5, según Elorian.
• Entrenado por un equipo chico y unos pocos cientos de chips especializados, sobre una base de código abierto.

El contraste con el resto del torneo es fuerte: los laboratorios que marcan el ritmo mueven presupuestos de cómputo que son otra liga. Acá se presentó un modelo con pocos recursos que, al menos en el papel, compite de igual a igual con los que gastan fortunas.

Quiénes lo van a probar primero

El modelo está disponible desde el 16 de octubre a través de una API y un chat con lista de espera, en lo que la empresa define como una vista previa de investigación. Los primeros clientes apuntados son estudios de robótica, laboratorios científicos, empresas de medios y estudios de videojuegos, todos rubros que trabajan con montañas de imágenes y video.

Dai dijo que la meta para el próximo año es construir el modelo de razonamiento visual con mejor desempeño en cada prueba comparativa disponible para esa categoría. La empresa describió a Glimpse como un primer paso dentro de un plan más largo. Por ahora, la sensación es la de un club chico que le ganó un partido a uno grande y se dio el lujo de festejarlo con los mismos jugadores que arrancaron el campeonato.