Elorian lanza Glimpse, un modelo de IA que razona con imágenes

Elorian, una startup de IA con sede en Palo Alto, lanzó su primer modelo, Glimpse, el viernes 16 de octubre de 2026. El modelo está disponible como vista previa de investigación a través de una API, mientras que su interfaz de chat solo está abierta a personas en lista de espera.

La compañía sostiene que los modelos de IA actuales, por muy capaces que sean con texto y código, todavía tienen dificultades para ver de verdad. La mayoría de los sistemas multimodales procesan una imagen una sola vez, la convierten en tokens y luego razonan únicamente con texto. Glimpse está diseñado para volver repetidamente al material visual original mientras trabaja en un problema.

Un espacio de trabajo visual

Elorian denomina a este mecanismo "espacio de trabajo visual". Durante el razonamiento, Glimpse puede recortar y ampliar una parte de una imagen, extraer fotogramas seleccionados de un vídeo o ejecutar código para medir y comparar lo que observa. La idea tiene antecedentes: OpenAI dotó a sus modelos de la serie o de capacidades de recorte y ampliación durante el razonamiento en 2025. Elorian afirma que su diferencia está en construir todo el modelo en torno a esta técnica, y hacerlo a bajo coste.

El director ejecutivo, Andrew Dai, exinvestigador de Google DeepMind, vincula el proyecto en parte con una noche de juegos de mesa el año pasado, cuando un modelo de vanguardia no logró decirle quién iba ganando a partir de una foto de la mesa. Afirma que los juegos se basan en símbolos propios que los adultos comprenden con facilidad, pero que los modelos no logran interpretar. "Los humanos pueden mirar diagramas de Ikea, sin texto, y montar muebles de Ikea", dijo Dai.

Según Elorian, un pequeño equipo entrenó Glimpse con unas pocas cientos de GPU, y el modelo es considerablemente más pequeño que los sistemas de vanguardia con los que se compara. Las propias evaluaciones de la compañía muestran que supera a GPT-6 Astra en razonamiento sobre gráficos científicos y en descripción de vídeos cortos, y que obtiene resultados competitivos en otros benchmarks de razonamiento visual. Estos resultados aún no han sido verificados de forma independiente.

Precios, inversores y ambiciones

Glimpse tiene un precio de 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida, por debajo de modelos de gama media como Sonnet y Sol, pero por encima de opciones ligeras como Haiku y Luna. Elorian salió del modo sigiloso hace seis meses, tras recaudar una ronda semilla de 55 millones de dólares con una valoración de 300 millones antes de lanzar ningún producto. Striker Venture Partners, Menlo Ventures y Altimeter Capital codirigieron la ronda, y también participaron Nvidia y el científico jefe de Google, Jeff Dean.

Se espera que los primeros clientes sean organizaciones con grandes archivos de vídeo, como empresas de robótica, laboratorios científicos, medios de comunicación y empresas creativas. Con el tiempo, Elorian quiere que sus modelos pasen de la percepción a la acción, construyendo una representación de una escena y usándola para elegir acciones, incluido el control directo de robots. Dai afirmó que el objetivo para el próximo año es un modelo que lidere todos los benchmarks de razonamiento visual.