Elorian presenta Glimpse, un modelo de visión que vuelve a mirar la imagen y le disputa el negocio a los gigantes de la IA

En un pasillo de oficinas que todavía huele a pintura fresca, Andrew Dai esquivó durante años la pregunta incómoda que persiguió a los laboratorios de inteligencia artificial: por qué los modelos que razonan sobre textos podían resolver ecuaciones con soltura y, en cambio, se trababan cuando la información llegaba en formato de imagen o video. Esa incomodidad se convirtió en una empresa. Elorian, la compañía que acaba de lanzar Glimpse, asegura haber encontrado un atajo técnico que la propia industria daba por descartado y, sobre todo, haberlo hecho con una fracción de los recursos que manejan sus competidores.

El anuncio, difundido esta semana, describe a Glimpse como un modelo de visión artificial capaz de no conformarse con mirar una sola vez. En lugar de transformar la imagen en una secuencia de palabras y razonar únicamente con esa transcripción, el sistema puede volver al material original, recortar zonas específicas, revisar cuadros puntuales de un video a mayor velocidad o ejecutar código para comparar y medir lo que observa. La compañía bautiza a ese mecanismo como espacio de trabajo visual.

Una arquitectura distinta a la de los modelos dominantes

La mayoría de los modelos multimodales actuales toma una imagen, la traduce a unidades de texto y luego razona exclusivamente sobre esa representación, sin volver a consultar la fuente visual. Glimpse trabaja de otra forma: durante el proceso de respuesta conserva la posibilidad de regresar al píxel original. Para los investigadores de Elorian, esa diferencia no es un detalle menor. Según sostienen, es la razón por la cual la comprensión visual quedó rezagada frente a los avances que la industria logró en matemáticas, programación y física.

Andrew Dai, fundador de Elorian e investigador que pasó por Google DeepMind, consideró que los modelos de lenguaje alcanzaron un nivel razonable en esas disciplinas, pero que la capacidad de leer imágenes y video no acompañó ese ritmo. Glimpse apunta, justamente, a cerrar esa brecha.

Los números que la empresa pone sobre la mesa

• En pruebas realizadas por Elorian, Glimpse supera a GPT-6 Astra en el análisis de gráficos científicos, el conteo de objetos y la descripción de videos cortos.
• El sistema empata con los modelos de referencia en tareas de razonamiento aplicado a robótica.
• El precio de uso es de 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.
• La compañía afirma que esa tarifa representa un costo 94% menor al de GPT-6 Astra y 85% menor al de Claude Opus 5.5.
• El modelo fue entrenado por un equipo reducido con unos pocos cientos de chips especializados, partiendo de una base de código abierto.

La diferencia de precio no es un dato decorativo: es el corazón de la propuesta comercial. Elorian pretende disputarle clientes a los grandes laboratorios en los segmentos donde el costo por inferencia pesa en el presupuesto: estudios de robótica, laboratorios científicos, empresas de medios y estudios de videojuegos, todos sectores que gestionan grandes volúmenes de imágenes y video.

Una vista previa con lista de espera

Glimpse está disponible desde el 16 de octubre a través de una interfaz de API y un chat con lista de espera, en lo que la empresa define como una vista previa de investigación. Dai adelantó que el objetivo para el próximo año es construir el modelo de razonamiento visual con mejor desempeño en cada prueba comparativa disponible para esa categoría. La compañía describió a Glimpse como un primer paso dentro de esa estrategia.

“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

El mensaje comercial de Elorian es transparente y admite pocas lecturas: quien mire con detalle un gráfico, cuente objetos en una imagen o mida lo que ocurre cuadro por cuadro en un video ya no necesita pagar el precio que cobran los gigantes del sector. Si las pruebas resisten el escrutinio externo, la compañía fundada por Dai puede quedarse con una porción de un negocio que hoy parece reservado para OpenAI y Anthropic. En esta pulseada, los que ganan son los usuarios que consumen muchos tokens visuales; los que pierden, por ahora, son quienes cobraban por ese servicio sin ofrecer demasiado a cambio.