Glimpse: la inteligencia artificial que vuelve a mirar la imagen antes de contestar

A veces la inteligencia artificial se equivoca feo en algo simple. Le pasás una foto de un ticket de supermercado y te tira el total mal. Le mandás un gráfico con la inflación del mes y te inventa una tendencia que no existe. Le pedís que cuente las personas en una filmación de una cámara de seguridad y te dice cualquier cosa.

El problema de fondo es conocido por los que trabajan con estos sistemas: los modelos multimodales que hoy dominan el mercado traducen la imagen a una representación de texto, y a partir de ahí razonan. Ese paso intermedio pierde detalle. Y lo que se perdió, no vuelve.

Acá aparece Glimpse, un modelo de visión artificial desarrollado por la empresa Elorian, con un planteo distinto: en vez de quedarse con el texto que salió de la imagen, puede volver sobre la imagen original durante el proceso de respuesta. Recortar zonas, revisar fotogramas puntuales de un video a mayor velocidad, o ejecutar código para comparar y medir lo que está viendo.

Cómo funciona, con un ejemplo de barrio

Imaginemos que en una comuna de Buenos Aires quieren relevar los negocios con persiana baja en una cuadra. Un modelo tradicional mira la foto, la traduce a texto y devuelve un número estimado. Glimpse, en cambio, puede volver a la imagen, recortar la cuadra, contar locales abiertos uno por uno sobre el cuadro original, y si hace falta, escribir un pequeño script para verificar el conteo. Lo que la compañía llama "espacio de trabajo visual" es, en criollo, la posibilidad de quedarse revisando la foto mientras piensa.

Qué dice la empresa

Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind, sostuvo que los modelos de lenguaje llegaron a un nivel razonable en matemáticas, programación y física, pero que la comprensión visual quedó atrás de esas otras capacidades. Glimpse, según sus palabras, apunta a cerrar esa brecha.

En pruebas propias, Elorian afirma que 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 aplicado a robótica. Es una comparación que conviene leer con cuidado: son pruebas hechas por la propia empresa, con sus propios criterios.

Los números

• Precio de uso: 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.
• Según Elorian, eso es un 94% más barato que GPT-6 Astra y un 85% más barato que Claude Opus 5.5.
• Entrenamiento: equipo chico, unos pocos cientos de chips especializados, sobre una base de código abierto.
• Disponible desde el 16 de octubre, con un chat con lista de espera y acceso por API, en 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 manejan mucho material visual.

La pregunta es cuándo ese 94% más barato se traduce en algo que un usuario común pueda probar sin lista de espera, y cuándo los rivales de siempre bajan sus propios precios para seguir siendo referencia.