Elorian lanza Glimpse, un modelo de IA que puede razonar activamente con imágenes

Image: TechCrunch · Source

El nuevo modelo de IA de Elorian, Glimpse, avanza en el razonamiento visual al revisar interactivamente las imágenes durante el análisis, superando a GPT-6 Astra en tareas visuales clave.

Elorian, una startup de IA con sede en Palo Alto, ha lanzado su primer modelo de IA llamado Glimpse, diseñado para avanzar en la capacidad de comprensión visual más allá de la descripción estática. Lanzado como una vista previa de investigación con acceso a API y una interfaz de chat basada en lista de espera, Glimpse busca abordar las limitaciones actuales en cómo los modelos de IA procesan imágenes.

A diferencia de la IA multimodal existente que procesa imágenes una vez y luego razona sobre ellas textualmente, Glimpse revisita dinámicamente las imágenes fuente durante el razonamiento. Puede recortar regiones específicas, extraer fotogramas individuales de video o realizar mediciones en medio del análisis – utilizando lo que Elorian llama un "espacio de trabajo visual". Este mecanismo es similar a cómo una persona podría hacer zoom repetidamente en una foto para verificar sus observaciones.

Andrew Dai, CEO de Elorian y ex investigador en Google DeepMind, señala que los modelos de IA tienen dificultades para interpretar símbolos visuales complejos e iconografía encontrados en contextos como juegos de mesa o diagramas de IKEA, que los humanos comprenden fácilmente sin texto. Esta brecha inspiró el enfoque de Glimpse.

Aunque el procesamiento interactivo de imágenes similar fue introducido por OpenAI en sus modelos o-series de 2025, Elorian afirma haber construido Glimpse desde cero alrededor de esta capacidad, entrenándolo eficientemente en cientos de GPUs con un tamaño de modelo significativamente menor en comparación con sistemas líderes.

En cuanto al costo, Glimpse cobra $0.60 por millón de tokens de entrada y $3 por millón de tokens de salida, lo que lo hace más asequible que algunos modelos de gama media pero más caro que alternativas ligeras.

Las evaluaciones de Elorian indican que Glimpse supera a GPT-6 Astra en razonamiento sobre gráficos científicos y en subtitulado de videos cortos, mientras que se mantiene competitivo en otras tareas de razonamiento visual.

La empresa, que salió del modo sigiloso hace seis meses tras recaudar $55 millones con una valoración de $300 millones, cuenta con inversores como Nvidia y el científico jefe de Google, Jeff Dean. Inicialmente, Elorian planea enfocarse en industrias con abundancia de datos de video como robótica, investigación científica, medios y sectores creativos.

De cara al futuro, Elorian pretende evolucionar Glimpse desde la comprensión visual hacia la acción, construyendo modelos que no solo vean sino que también decidan y controlen agentes físicos como robots. El CEO imagina crear "el mejor modelo de razonamiento visual del mundo" para el próximo año y liderar en todos los benchmarks de razonamiento visual.