Glimpse, la IA que vuelve a mirar la imagen cada vez que la necesita

¿Te pasó de pedirle a una inteligencia artificial que mire una foto y te responda como si la hubiera visto por encima? Un equipo chico, con pocos recursos, decidió atacar ese problema de raíz y presentó Glimpse, un modelo de visión artificial que puede volver sobre la imagen las veces que haga falta antes de contestar.

La mayoría de los sistemas multimodales actuales traducen la imagen a unidades de texto y razonan solo con eso, sin volver a chequear la fuente. Glimpse hace lo contrario: durante la respuesta puede recortar zonas puntuales, revisar fotogramas de un video a mayor velocidad y hasta ejecutar código para medir lo que observa. La empresa Elorian bautiza a ese mecanismo como espacio de trabajo visual.

Qué lo diferencia de los modelos grandes

• Recorta y vuelve a mirar partes específicas de la imagen en pleno proceso de respuesta.
• Revisa fotogramas puntuales de un video a mayor velocidad que la reproducción normal.
• Ejecuta código para comparar y medir lo que está viendo, no se queda solo con la descripción textual.

Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind, explicó que los modelos de lenguaje ya rindieron bien en matemática, código y física, pero que la comprensión visual quedó varios pasos atrás. Glimpse apunta a cerrar esa brecha, y en pruebas internas supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos, además de empatar en tareas de razonamiento para robótica.

La otra sorpresa es el precio: 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de salida. Elorian asegura que eso es un 94 por ciento más barato que GPT-6 Astra y un 85 por ciento más barato que Claude Opus 5.5. Lo entrenaron con un equipo reducido y unos pocos cientos de chips especializados, partiendo de una base de código abierto, muy lejos de los presupuestos que manejan OpenAI, Google o Anthropic.

El modelo está disponible desde el 16 de octubre a través de una API y un chat con lista de espera, en una vista previa de investigación. Los primeros clientes apuntados son estudios de robótica, laboratorios científicos, medios y estudios de videojuegos, todos sectores que tragan video e imágenes por baldes. Para 2026, la meta es quedarse con el mejor modelo de razonamiento visual en cada benchmark disponible. Si te sirve, probalo.