La firma de Palo Alto presentó Glimpse, un modelo de inteligencia artificial multimodal que no se limita a convertir lo visual en texto para luego razonar, sino que repite la revisión de la imagen o el video durante el proceso de razonamiento. Esta propuesta forma parte de lo que la empresa denomina una vista previa de investigación, disponible desde el 16 de octubre a través de una API y de un chat con lista de espera.

El diferencial de Glimpse es su “espacio de trabajo visual”, un mecanismo que permite recortar regiones concretas de una imagen, avanzar rápidamente por cuadros de un video o incluso ejecutar código para medir y comparar lo observado durante la generación de respuestas.

El fundador de la compañía, Andrew Dai (ex investigador de Google DeepMind), subrayó que, si bien existen avances significativos en áreas como matemáticas, programación y física, la comprensión visual aún está detrás. En sus pruebas internas, Glimpse habría superado al GPT-6 Astra de OpenAI en tareas de análisis de gráficos científicos, conteo de objetos y descripción de videos cortos; en tareas de razonamiento aplicado a robótica, el rendimiento sería similar.

En cuanto a costos, Elorian indica que Glimpse tiene una tarifa de 0,60 dólares por cada millón de tokens de entrada y 3 dólares por cada millón de tokens de salida. Según la empresa, esto representa una caída de aproximadamente el 94% respecto de GPT-6 Astra y un 85% frente a Claude Opus 5,5 de Anthropic.

La compañía asegura haber entrenado Glimpse con un equipo reducido y “unos cientos” de chips especializados, partiendo de un modelo base de código abierto y con un gasto computacional considerablemente menor al de los gigantes del sector.

Elorian, con sede en Palo Alto, anunció una ronda semilla de 55 millones de dólares, con una valuación de 300 millones, en abril de este año, según Bloomberg, y antes de lanzar ningún producto. Sus primeros clientes objetivo serían empresas de robótica, laboratorios científicos, medios de comunicación y estudios de videojuegos, sectores que manejan grandes volúmenes de imágenes y video.

La empresa describe Glimpse como el primer paso de un plan más amplio que incluye reconstrucción de escenas y control directo de robots, capacidades aún en desarrollo. De cara al año próximo, Dai señaló la meta de convertir a Elorian en el modelo de razonamiento visual más avanzado del mercado, destacando el objetivo de obtener el mejor desempeño en cada prueba comparativa disponible para esa categoría.