Glimpse: el modelo argentino que quiere enseñarles a las máquinas a mirar antes de responder

Lo que distingue a Glimpse, el modelo que la empresa Elorian presentó en octubre, no es tanto lo que ve sino cómo lo mira. Mientras la mayoría de los sistemas multimodales actuales toman una imagen, la traducen a unidades de texto y razonan exclusivamente con esa representación, sin volver a consultar la fuente visual, Glimpse puede regresar al material original durante el proceso de respuesta, recortar zonas específicas, revisar fotogramas puntuales de un video a mayor velocidad o ejecutar código para comparar y medir lo que observa. Esa forma de operar, que la compañía llama espacio de trabajo visual, es la apuesta central de un proyecto nacido con un equipo pequeño y unos pocos cientos de chips especializados, muy por debajo de los presupuestos que manejan los grandes laboratorios del sector.

Un problema visual que la IA todavía no resolvió

Andrew Dai, fundador de Elorian e investigador que pasó por Google DeepMind, sostiene que los modelos de lenguaje alcanzaron un nivel razonable en matemáticas, programación y física, pero que la comprensión visual quedó rezagada frente a esas otras capacidades. Glimpse apunta a cerrar esa brecha: en lugar de quedarse con la traducción textual de una imagen, conserva la posibilidad de volver a la fuente cada vez que lo necesita. Esa diferencia, según la compañía, se traduce en resultados concretos en pruebas donde los sistemas tradicionales tropiezan.

En evaluaciones realizadas por la propia empresa, 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. Son benchmarks internos, publicados por Elorian y todavía no replicados de manera independiente por terceros, pero la compañía los presenta como evidencia de que una arquitectura distinta puede competir con modelos desarrollados por organizaciones que manejan presupuestos varias veces mayores.

Precios, infraestructura y primeros clientes

El esquema de tarifas es otro de los datos que Elorian destacó en el lanzamiento. Glimpse cobra 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida. Según la empresa, eso representa un costo un 94% menor al de GPT-6 Astra y un 85% menor al de Claude Opus 5.5. La diferencia no es menor: apunta a un mercado donde el precio de la inferencia se volvió un cuello de botella para estudios chicos, laboratorios académicos y productoras que procesan grandes volúmenes de imágenes y video.

• Robótica: equipos que necesitan que el modelo analice escenas y en tiempo real.
• Laboratorios científicos: investigadores que trabajan con gráficos, y secuencias de imágenes satelitales.
• Medios y productoras: pipelines de video donde la descripción y el conteo de objetos son tareas recurrentes.
• Estudios de videojuegos: control de calidad y generación de activos visuales a partir de referencias.

Cómo se accede y qué viene

El modelo está disponible desde el 16 de octubre a través de una interfaz de API y un chat con lista de espera, en lo que Elorian define como una vista previa de investigación. 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. Por ahora, la compañía describió a Glimpse como un primer paso dentro de una estrategia más larga: demostrar que se puede innovar en visión por computadora con recursos acotados, código abierto como punto de partida y una arquitectura que vuelve una y otra vez sobre la imagen, en lugar de archivarla después del primer vistazo.