Glimpse, el modelo visual argentino que recorta, mide y vuelve a mirar la imagen antes de responder

17:00 - Internacional - Tecnología. La startup Elorian presentó Glimpse, un modelo de inteligencia artificial orientado al análisis de imágenes y videos que, según fuentes de la compañía, se distingue de los sistemas dominantes del sector por su capacidad de volver a la fuente visual durante el proceso de respuesta, en lugar de trabajar exclusivamente con una traducción previa del contenido a unidades de texto.

Un mecanismo distinto al de los modelos tradicionales

La mayoría de los modelos multimodales disponibles en el mercado toman una imagen, la transforman en una representación textual y luego razonan solo con esa descripción, sin volver a consultar el material original. Glimpse opera de otra manera: durante la generación de una respuesta puede recortar zonas específicas de la imagen, revisar fotogramas puntuales de un video a mayor velocidad o ejecutar código para comparar y medir lo que observa. Elorian denominó a ese procedimiento espacio de trabajo visual.

“Los modelos de lenguaje alcanzaron un nivel razonable en matemáticas, programación y física, pero la comprensión visual quedó rezagada frente a esas otras capacidades. Glimpse apunta a cerrar esa brecha.”Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind

• Análisis de gráficos científicos: supera a GPT-6 Astra según las pruebas de Elorian.
• Conteo de objetos: también por encima del modelo de referencia.
• Descripción de videos cortos: rendimiento superior en las evaluaciones internas.
• Razonamiento aplicado a robótica: empate con el sistema de comparación.

Según las pruebas realizadas por la propia empresa, Glimpse supera a GPT-6 Astra en el análisis de gráficos científicos, el conteo de objetos y la descripción de videos cortos, y empata en tareas de razonamiento aplicado a robótica. La compañía no publicó hasta el momento comparaciones con terceros independientes.

Costo de uso y recursos de entrenamiento

Elorian fijó el precio del modelo en 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida. De acuerdo con los datos que difundió la firma, eso representa un costo un 94 por ciento menor al de GPT-6 Astra y un 85 por ciento menor al de Claude Opus 5.5. El entrenamiento se realizó con un equipo reducido y unos pocos cientos de chips especializados, partiendo de una base de código abierto, muy por debajo de los presupuestos de cómputo que manejan los grandes laboratorios del sector.

El modelo está disponible desde el 16 de octubre a través de una interfaz de programación y un chat con lista de espera, en lo que Elorian definió como una vista previa de investigación. La firma identificó como primeros clientes objetivo a 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 esa línea de trabajo. El paso siguiente, según la compañía, será escalar las pruebas con usuarios externos y publicar resultados comparativos con modelos de referencia en condiciones independientes.