Glimpse, el modelo de IA que no se conforma con mirar la foto una sola vez

¿Te pasó de pedirle a una IA que mire un gráfico y que te devuelva cualquier cosa? A mí, varias. La mayoría de los modelos multimodales que circulan hoy hacen lo siguiente: toman la imagen, la convierten en una descripción de texto y a partir de ahí razonan como pueden. No vuelven a mirar. Se olvidan de la foto en el mismo instante en que la traducen a palabras.

Un espacio de trabajo visual, no una foto estática

Acá aparece Glimpse, un desarrollo de la compañía Elorian. La diferencia central es que el sistema puede volver sobre la imagen original mientras está pensando la respuesta. Puede recortarla para centrarse en una zona, puede revisar un video cuadro por cuadro a velocidad alta y puede ejecutar código para comparar píxeles o medir distancias. Andrew Dai, fundador de la empresa e investigador que pasó por Google DeepMind, lo bautizó como espacio de trabajo visual. La idea es que la IA no se conforme con la traducción inicial, sino que pueda volver, mirar de nuevo y chequear.

Dai lo planteó en términos claros: en matemática, programación y física los modelos de lenguaje ya dan pelea. En comprensión visual, en cambio, vienen corriendo de atrás. Glimpse apunta a acortar esa distancia, sobre todo en tareas donde la respuesta depende de leer bien un gráfico, contar objetos o seguir lo que pasa en un video corto.

• Supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos, según pruebas de la propia empresa.
• Empata con esos sistemas en tareas de razonamiento aplicadas a robótica.
• Cobra 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida, lo que la compañía presenta como un 94% menos que GPT-6 Astra y un 85% menos que Claude Opus 5.5.

Hecho con pocos y a la criolla

Lo segundo que llama la atención es la letra chica del proyecto. El equipo es chico y entrenó el modelo con unos pocos cientos de chips especializados, partiendo de una base de código abierto. No estamos hablando de un centro de datos con presupuesto de potencia: estamos hablando de un taller que decide con qué cuenta. La comparación más cercana, y acá me sale el reflejo de comparar todo con la vida cotidiana, es la del taller mecánico del barrio que te repara el auto con pocas herramientas y, a veces, le encuentra la vuelta a un problema que en la concesionaria oficial todavía están mirando con el scanner encendido.

El modelo está disponible desde el 16 de octubre a través de una API y un chat con lista de espera, en lo que Elorian presenta como una vista previa de investigación. Los primeros destinos que la empresa mencionó son estudios de robótica, laboratorios científicos, medios y estudios de videojuegos, todos rubros que mueven mucho material visual y donde equivocarse leyendo una curva o un fotograma sale caro.

“El objetivo para el próximo año es construir el modelo de razonamiento visual con mejor desempeño en cada prueba comparativa disponible para esa categoría.”Andrew Dai, fundador de Elorian

Falta ver qué pasa cuando otros laboratorios independientes lo sometan a sus propios benchmarks y qué tan estable se muestra en el uso diario. Por ahora, la promesa es atractiva: una IA que no se queda con la primera impresión, vuelve a mirar y, encima, pide poca plata por el servicio. Si te sirve, probalo.