Glimpse: la IA que vuelve a mirar la imagen en vez de confiar en lo que se imaginó

Prometen ver mejor que los modelos que valen millones de dólares. Hasta ahora, eso suele ser la frase obligatoria en toda presentación de startup de inteligencia artificial. Pero esta vez hay un detalle que llama la atención: Glimpse, el modelo de Elorian, no se conforma con mirar la imagen una sola vez. La vuelve a visitar, la recorta, ejecuta código y hasta le pasa el dedo frame por frame al video antes de contestarte. Algo tan simple como volver a mirar parece ser, justamente, lo que le faltaba a la competencia.

Un truco viejo para un problema nuevo

La mayoría de los sistemas multimodales que hoy dominan el mercado hacen lo siguiente: toman una foto, la convierten en una serie de tokens de texto, y a partir de ahí razonan exclusivamente con palabras. La imagen original queda olvidada en un rincón. Es como si un sommelier le describiera un vino a otro sommelier y este tuviera que adivinar el sabor sin volver a probarlo. Glimpse, en cambio, mantiene la imagen abierta sobre la mesa todo el tiempo. Sus desarrolladores lo bautizaron 'espacio de trabajo visual', que traducido al castellano viejo significa: mientras piensa, sigo mirando.

Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind, lo explicó con una idea bastante concreta. Para él, los modelos de lenguaje ya están a la altura en matemáticas, programación y física, pero la comprensión visual viene corriendo varios cuerpos atrás. Glimpse apunta a esa deuda pendiente, la misma que cualquier usuario detecta cuando le pregunta a una IA cuántos autos hay en una foto y falla tres de cada cinco veces.

Qué hace y qué dice que gana

• Recorta zonas puntuales de la imagen para analizarlas con más detalle en lugar de conformarse con una vista general.
• Revisa fotogramas específicos de un video a mayor velocidad antes de responder, útil para escenas cortas o movimientos rápidos.
• Ejecuta código para medir y comparar lo que ve, por ejemplo contar objetos o comparar áreas.
• En pruebas propias, supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos.
• En razonamiento aplicado a robótica, empata con los modelos de referencia.

Hasta acá, todo muy lindo. Pero lo que de verdad mueve el amperímetro en el mundillo de la IA es el precio. Y acá es donde Elorian también golpea la mesa. Cobran 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida. Según la propia empresa, eso es un 94 por ciento más barato que GPT-6 Astra y un 85 por ciento más barato que Claude Opus 5.5. Si los números se sostienen en benchmarks independientes, no es una diferencia menor: es otra categoría de negocio.

El entrenamiento también rompe el molde. El equipo de Elorian arrancó desde un modelo de código abierto y lo entrenó con unos pocos cientos de chips especializados, no con los miles que suelen mover los grandes laboratorios. Para dimensionarlo: es como armar un restaurante de tres tenedores con la cocina de un departamento. Puede salir bien o puede salir mal, pero si sale bien, incomoda a los que facturan millones mensuales.

Mi veredicto, escala propia mediante

Lo pienso. No por el producto, que en los papeles pinta muy interesante, sino por el precio de la promesa. Todos los años aparecen startups que juran ganarle a OpenAI o Anthropic gastando una moneda. Algunas lo logran, otras desaparecen en un trimestre. Lo que sí vale la pena mirar es el acceso: desde el 16 de octubre Glimpse está disponible vía API y un chat con lista de espera, en lo que la empresa llama vista previa de investigación. Primeros destinos confirmados: robótica, laboratorios científicos, medios y estudios de videojuegos. Cuatro sectores que viven ahogados en terabytes de material visual y necesitan cada kilo de precisión que puedan pagar.

En mi pantalla, claro, todavía no probé nada. Apenas un párrafo de un comunicado y algunos benchmarks propios. La batería, en este tipo de anuncios, suele durar lo que dura el titular de Twitter: hasta que un competidor responda. Lo que sí puedo decir es que la idea de volver a mirar la imagen antes de responder suena tan lógica que uno se pregunta cómo no se les ocurrió a los que gastan fortunas. A veces, simple vale más que caro.