Elorian lanza Glimpse, un modelo de IA que reexamina imágenes mientras razona

Elorian, una startup de IA de Palo Alto fundada por el exinvestigador de Google DeepMind Andrew Dai, lanzó su primer modelo el 16 de octubre de 2026. Glimpse está disponible ahora como vista previa de investigación con acceso API; una interfaz de chat permanece solo por lista de espera.

La mayoría de los modelos de IA multimodales miran una imagen una vez, convierten lo que ven en tokens similares a texto, y luego razonan completamente en ese espacio de texto a partir de ahí — lo que significa que el detalle visual fino que no entró en la conversión inicial simplemente desaparece para el resto de la tarea. Glimpse, en cambio, vuelve a la imagen original repetidamente durante el razonamiento: puede recortar regiones específicas, extraer fotogramas individuales de vídeo, o ejecutar código para medir o comparar lo que está observando. Elorian llama a esto un “espacio de borrador visual”. La idea subyacente no es del todo nueva — OpenAI añadió la capacidad de recortar y ampliar a sus modelos de la serie o en 2025 — pero Elorian construyó Glimpse en torno a la técnica desde cero en lugar de añadirla a una arquitectura existente.

El modelo fue entrenado por un equipo pequeño con unos pocos cientos de GPU y es sustancialmente más pequeño que los sistemas de frontera con los que se le compara, lo cual se refleja en su precio: 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida, posicionándolo por encima de los modelos ligeros pero por debajo de los de nivel medio. Según los propios benchmarks de Elorian, Glimpse supera a GPT-6 Astra en razonamiento de gráficos científicos y subtitulado de vídeo corto, y es competitivo en otras tareas de razonamiento visual — cifras que, al ser resultados reportados por la propia compañía, merecen verificación independiente antes de darse por sentadas.

Elorian salió del modo sigiloso hace seis meses y recaudó una ronda semilla de 55 millones de dólares con una valoración de 300 millones antes de lanzar un producto, co-liderada por Striker Venture Partners, Menlo Ventures y Altimeter Capital, con participación de Nvidia y el científico jefe de Google Jeff Dean — una notable muestra de confianza de figuras con visibilidad directa sobre la investigación de IA de frontera. Dai ha argumentado que los modelos actuales, a pesar de su sólida capacidad de lenguaje y código, todavía tienen dificultades con tareas que los humanos consideran triviales, como leer símbolos en un juego de mesa o ensamblar muebles a partir de un diagrama sin texto acompañante.

Elorian apunta inicialmente a empresas de robótica, laboratorios científicos y compañías de medios que trabajan con grandes volúmenes de vídeo, y dice que su ambición a más largo plazo es pasar de la percepción pasiva al control de sistemas físicos como robots, con el objetivo de construir lo que llama el mejor modelo de razonamiento visual del campo dentro de un año, según reportó primero TechCrunch.