Elorian lança Glimpse, um modelo de IA que reexamina imagens durante o raciocínio

A Elorian, uma startup de IA de Palo Alto fundada pelo ex-pesquisador do Google DeepMind Andrew Dai, lançou seu primeiro modelo em 16 de outubro de 2026. O Glimpse está disponível agora como uma prévia de pesquisa com acesso via API; uma interface de chat permanece disponível apenas por lista de espera.

A maioria dos modelos de IA multimodais olha para uma imagem uma vez, converte o que vê em tokens semelhantes a texto, e então raciocina inteiramente nesse espaço de texto a partir daí — o que significa que detalhes visuais finos que não entraram na conversão inicial simplesmente desaparecem para o restante da tarefa. O Glimpse, em vez disso, retorna à imagem original repetidamente durante o raciocínio: pode recortar regiões específicas, extrair quadros individuais de vídeo, ou executar código para medir ou comparar o que está observando. A Elorian chama isso de “espaço de rascunho visual”. A ideia subjacente não é totalmente nova — a OpenAI adicionou capacidade de recorte e zoom aos seus modelos da série o em 2025 — mas a Elorian construiu o Glimpse em torno da técnica desde o início, em vez de adicioná-la a uma arquitetura existente.

O modelo foi treinado por uma equipe pequena em algumas centenas de GPUs e é substancialmente menor que os sistemas de ponta aos quais é comparado, o que se reflete em seu preço: US$ 0,60 por milhão de tokens de entrada e US$ 3 por milhão de tokens de saída, posicionando-o acima dos modelos leves mas abaixo dos de nível médio. Segundo os próprios benchmarks da Elorian, o Glimpse supera o GPT-6 Astra em raciocínio sobre gráficos científicos e legendagem de vídeos curtos, e é competitivo em outras tarefas de raciocínio visual — números que, sendo resultados relatados pela própria empresa, merecem verificação independente antes de serem tomados como certos.

A Elorian saiu do modo furtivo há seis meses e levantou uma rodada seed de US$ 55 milhões com avaliação de US$ 300 milhões antes de lançar um produto, co-liderada por Striker Venture Partners, Menlo Ventures e Altimeter Capital, com participação da Nvidia e do cientista-chefe do Google Jeff Dean — um sinal notável de confiança de figuras com visibilidade direta sobre a pesquisa de IA de ponta. Dai argumentou que os modelos atuais, apesar de uma forte capacidade de linguagem e código, ainda têm dificuldade com tarefas que os humanos consideram triviais, como ler símbolos em um jogo de tabuleiro ou montar móveis a partir de um diagrama sem texto acompanhante.

A Elorian está inicialmente visando empresas de robótica, laboratórios científicos e empresas de mídia que trabalham com grandes volumes de vídeo, e diz que sua ambição de longo prazo é passar da percepção passiva para o controle de sistemas físicos como robôs, com a meta de construir o que chama de melhor modelo de raciocínio visual da área dentro de um ano, conforme relatado primeiro pela TechCrunch.