Glimpse, la IA que vuelve a mirar la imagen en vez de adivinar de memoria

La mayoría de las inteligencias artificiales que hoy miran una foto o un video hacen algo parecido a un alumno distraído: ven la imagen una sola vez, la convierten en un resumen de palabras y a partir de ahí razonan solo con ese resumen, sin volver a chequear la imagen original. Un equipo chico, con pocos recursos de cómputo, decidió romper con esa lógica. El resultado se llama Glimpse y viene a poner sobre la mesa una pregunta incómoda para los grandes laboratorios: ¿y si el problema de la visión artificial no fuera la cantidad de datos sino la pereza de no volver a mirar?

Un espacio de trabajo, no un resumen

Glimpse fue desarrollado por Elorian, una compañía fundada por Andrew Dai, ex investigador de Google DeepMind. La diferencia central está en lo que la empresa llama “espacio de trabajo visual”: cuando el modelo tiene que responder, puede volver a la imagen original, recortarla en una zona puntual, revisar fotogramas sueltos de un video a mayor velocidad o incluso ejecutar código para comparar y medir lo que está viendo. En criollo: en vez de conformarse con el resumen que armó al principio, vuelve a mirar y hasta se saca cuentas.

Dai lo explica con una imagen que suena a aula y a cancha a la vez: los modelos de lenguaje ya aprueban en matemática, programación y física, pero en comprensión visual siguen desaprobados. Glimpse, dice, apunta a levantar esa nota.

Qué dicen las pruebas y qué mide el precio

• Supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos.
• Empata con ese mismo modelo 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.
• Según la empresa, eso lo deja un 94% más barato que GPT-6 Astra y un 85% más barato que Claude Opus 5.5.
• Se entrenó con un equipo chico y unos pocos cientos de chips especializados, partiendo de una base de código abierto.

Las comparaciones, conviene aclararlo, son las que la propia Elorian. Todavía no hay una evaluación independiente publicada que confirme los números en igualdad de condiciones.

Quién lo puede probar

Glimpse se puede usar desde el 16 de octubre a través de una API y un chat con lista de espera, en lo que la empresa presentó como una vista previa de investigación. Los primeros clientes que Elorian tiene en la mira son estudios de robótica, laboratorios científicos, empresas de medios y estudios de videojuegos, todos rubros que manejan montañas de imágenes y video.

“Los modelos de lenguaje alcanzaron un nivel razonable en matemáticas, programación y física, pero la comprensión visual quedó rezagada. Glimpse apunta a cerrar esa brecha.”Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind

Y eso, ¿para qué sirve?

Sirve para varias cosas concretas que hoy son un dolor de cabeza. Un laboratorio puede pedirle que cuente células en una placa, compare gráficos de un paper o detecte el fotograma exacto de un experimento que se torció. Un estudio de videojuegos puede alimentarlo con horas de gameplays y pedirle descripciones automáticas de escenas. Un medio de comunicación puede usarlo para revisar y describir archivos de video en segundos. Y un becario, que suele ser quien termina haciendo ese trabajo a mano y con plazos cortos, puede delegarle la primera vuelta y quedarse con el control fino. En el fondo, la promesa es la misma de siempre, pero aplicada a lo visual: que la máquina no se conforme con lo que entendió a la primera y se anime a volver a mirar antes de responder.