Glimpse, el modelo de visión artificial que “regresa” a la imagen antes de responder y que cuesta hasta 94% menos que sus competidores

La startup Elorian presentó Glimpse, un modelo de inteligencia artificial especializado en visión que, a diferencia de los sistemas multimodales que dominan el mercado, no se limita a traducir la imagen en unidades de texto y razonar únicamente a partir de esa representación, sino que puede volver sobre el material visual original, recortar zonas puntuales, revisar fotogramas específicos de un video y ejecutar código para comparar y medir lo que observa. El mecanismo, al que la compañía llama “espacio de trabajo visual”, apunta a un déficit que su fundador considera evidente en el sector.

Una arquitectura distinta a la de los modelos dominantes

Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind, explicó que los modelos de lenguaje alcanzaron un nivel razonable en matemática, programación y física, pero que la comprensión visual quedó rezagada frente a esas otras capacidades. Glimpse, sostuvo, fue diseñado para cerrar esa brecha. En criollo: la mayoría de los sistemas ven una sola vez la imagen, la pasan a palabras y se olvidan del original; Glimpse puede volver a mirarla todas las veces que necesite antes de responder.

Según las pruebas realizadas por la propia empresa y difundidas en el material de presentación, el modelo 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, una de las áreas con mayor demanda de comprensión visual precisa.

Un precio muy por debajo del mercado

Elorian fijó el costo de uso en 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 precio un 94% menor al de GPT-6 Astra y un 85% menor al de Claude Opus 5.5, dos de los sistemas de referencia del sector. En criollo: por la misma tarea, una empresa paga una fracción mínima de lo que abonan los modelos más usados del mercado.

La diferencia no se explica solo por la tarifa, sino también por los recursos invertidos en el entrenamiento. El modelo se entrenó con un equipo reducido y unos pocos cientos de chips especializados, partiendo de una base de código abierto, un presupuesto de cómputo muy inferior al de los grandes laboratorios del sector.

Disponibilidad y próximos pasos

• El modelo está disponible desde el 16 de octubre a través de una interfaz de API y un chat con lista de espera, en lo que Elorian define como una vista previa de investigación.
• Los primeros clientes objetivo que la compañía identificó son estudios de robótica, laboratorios científicos, empresas de medios y estudios de videojuegos, sectores que gestionan grandes volúmenes de imágenes y video.
• Dai señaló 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 empresa describió a Glimpse como un primer paso dentro de una línea de desarrollo más amplia, aunque no se detallaron los plazos concretos para las siguientes etapas.

La propuesta se inscribe en una tendencia creciente dentro de la inteligencia artificial: optimizar resultados con arquitecturas más eficientes y costos menores, en un contexto donde el acceso al cómputo se volvió un factor decisivo. Frente a 2024, cuando la mayoría de los avances en visión se apoyaba en grandes modelos de uso general, este tipo de desarrollos apunta a una especialización que podría redefinir la ecuación entre inversión y desempeño.