Glimpse, la IA que se da el gusto de mirar dos veces antes de hablar

¿Otro modelo de inteligencia artificial más? Sí, pero este hace algo distinto: en vez de mirar la foto una sola vez, traducirla a texto y olvidarse del original, Glimpse puede volver sobre la imagen, recortarla, pausar un video cuadro por cuadro y hasta tirar código para contar o medir lo que ve. En criollo: la IA se queda un rato más mirando antes de contestarte, como cuando uno relee el contrato antes de firmarlo.

La empresa detrás del invento se llama Elorian, un equipo chico que entrenó al modelo con unos pocos cientos de chips especializados, sobre una base de código abierto. Muy lejos, en dólares y en plaquetas, de los presupuestos siderales que manejan Google DeepMind, OpenAI o Anthropic. Andrew Dai, el fundador y ex investigador de DeepMind, lo define como un espacio de trabajo visual: la máquina no se conforma con la primera impresión.

¿Y para qué sirve en la vida real?

• En un laboratorio de robótica, el modelo puede mirar una escena y contar cuántos objetos hay sin tirar un número al azar.
• En un estudio científico, analiza gráficos de papers y detecta picos, curvas o errores que un humano tardaría horas en chequear.
• En una redacción, puede revisar un video cuadro por cuadro y describir qué pasa segundo a segundo, algo útil para archivar material.
• En un estudio de videojuegos, sirve para testear escenas renderizadas sin necesidad de renderizar cada versión.

Según las pruebas que la propia empresa publicó, 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 aplicadas a robótica. Ojo con un dato clave: la palabra clave acá es GPT-6 Astra, que en el paper funciona como modelo de referencia de OpenAI para comparar, y Claude Opus 5.5 es el equivalente de Anthropic, la empresa detrás de Claude. La gran pregunta es si esos resultados se mantienen fuera del laboratorio, algo que por ahora nadie verificó de forma independiente.

“Los modelos de lenguaje llegaron a un nivel razonable en matemáticas, programación y física, pero la comprensión visual quedó varios pasos atrás. Glimpse apunta a cerrar esa brecha.”Andrew Dai, fundador de Elorian

El precio es el otro dato fuerte: 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida. Para quien no maneja la palabra token, en este contexto son las unidades de texto que la IA procesa, parecido a las palabras pero cortadas en pedazos más chicos. Elorian asegura que eso es un 94% más barato que GPT-6 Astra y un 85% más barato que Claude Opus 5.5. Si los números se sostienen en el uso real, puede ser un golpe interesante para estudios chicos que hasta ahora miraban estas herramientas desde afuera.

¿Cuándo se puede probar y quién lo usa?

Desde el 16 de octubre Glimpse está disponible vía API, una interfaz de programación que permite conectar el modelo con otras aplicaciones, y también a través de un chat con lista de espera. La compañía lo presenta como una vista previa de investigación, es decir, una versión temprana para que clientes puntuales la prueben y reporten fallas. Los primeros apuntados son estudios de robótica, laboratorios científicos, empresas de medios y desarrolladores de videojuegos, todos rubros que mueven montañas de imágenes y video todos los días.

Dai dijo que el objetivo para el año que viene es construir el modelo de razonamiento visual con mejor desempeño en cada benchmark disponible, o sea, en cada prueba estándar que usa la industria para medir de qué sirve cada IA. Ambicioso, viniendo de un equipo chico. Veremos si los números que ellos mismos publicaron se mantienen cuando alguien de afuera los controle, y si el precio aguanta cuando empiecen a caer los clientes pesados. Mientras tanto, la idea de fondo es simple y por eso molesta: una IA que mira, recorta, rebobina y mide antes de contestar, en lugar de tirar la primera respuesta que se le ocurre. Eso, en el Valle de cualquier parte del mundo, ya es una diferencia.