Glimpse: el modelo chico que le pinta un papelón a los gigantes de la IA visual

¿Otro modelo de inteligencia artificial más? Sí, pero este tiene una pequeña gran diferencia: antes de mandarte la respuesta, vuelve a mirar la foto. Se llama Glimpse, lo hace una startup llamada Elorian y, según sus propias pruebas, le gana en varias disciplinas al modelo que hoy todos miran de reojo.

Para entender la movida hay que saber primero cómo trabaja la mayoría. Cuando vos le mandás una imagen a un modelo multimodal (o sea, uno que entiende texto e imagen al mismo tiempo, como cuando le pedís a una IA que te lea un ticket de la compra), lo que hace el sistema es transformar esa foto en una secuencia de unidades de texto, algo así como las "letras" internas de la IA, llamadas tokens. Después, razona solo con esa versión en texto. Nunca más vuelve a mirar la imagen original. Como si un inspector de infracciones te labrara una multa mirando solo la patente escrita en un papel, sin chequear nunca el auto.

¿Y qué hace distinto Glimpse?

Glimpse puede volver sobre sus pasos. Recorta zonas puntuales de la imagen, pasa fotogramas de un video cuadro por cuadro a mayor velocidad, y ejecuta código para medir o comparar lo que ve. Andrew Dai, fundador de Elorian y ex Google DeepMind, lo bautizó como "espacio de trabajo visual": la IA no se conforma con la primera lectura, vuelve a la fuente.

“Los modelos de lenguaje aprendieron a razonar bastante bien en matemáticas, programación y física. La comprensión visual quedó varios escalones más abajo. Glimpse apunta a cerrar esa brecha.”Andrew Dai, fundador de Elorian

¿Le gana a los monstruos grandes?

En las pruebas que publicó la propia empresa, Glimpse supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos. Empata, además, en tareas de razonamiento aplicadas a robótica. Todo eso con un equipo chico y unos pocos cientos de chips especializados, partiendo de un modelo de código abierto, o sea, de libre acceso y modificable por cualquiera. Un sudeste de la IA haciendo ruido en el Norte.

• Precio de uso: 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.
• Según Elorian, eso es un 94% más barato que GPT-6 Astra y un 85% más barato que Claude Opus 5.5.
• Disponible desde el 16 de octubre vía API, una interfaz que permite conectarse al modelo desde otros programas, con lista de espera en el chat, en formato de "vista previa de investigación".
• Primeros clientes apuntados: robótica, laboratorios científicos, medios y estudios de videojuegos.

Para el año que viene, Dai se propone construir el modelo de razonamiento visual con mejor desempeño en cada benchmark disponible, esas pruebas estandarizadas que sirven para comparar modelos entre sí. Ambicioso, si tenemos en cuenta que compite contra presupuestos de cómputo que parecen PBI de países chicos. Pero por ahora, con esta primera entrega, ya dejaron en claro que la foto no se mira una sola vez. Mientras tanto, seguimos esperando la fibra.