Elorian lança Glimpse, modelo de IA que raciocina com imagens

A Elorian, startup de inteligência artificial sediada em Palo Alto, lançou seu primeiro modelo, o Glimpse, na sexta-feira, 16 de outubro de 2026. O modelo está disponível como prévia de pesquisa por meio de uma API, enquanto a interface de chat está aberta apenas para pessoas em lista de espera.

A empresa argumenta que os modelos de IA atuais, por mais capazes que sejam com texto e código, ainda têm dificuldade para realmente enxergar. A maioria dos sistemas multimodais processa uma imagem uma única vez, converte-a em tokens e então raciocina apenas em texto. O Glimpse foi projetado para retornar repetidamente ao material visual original enquanto trabalha em um problema.

Um espaço visual de rascunho

A Elorian chama o mecanismo de "espaço visual de rascunho". Durante o raciocínio, o Glimpse pode recortar e ampliar parte de uma imagem, extrair quadros escolhidos de um vídeo ou executar código para medir e comparar o que vê. A ideia tem precedentes: em 2025, a OpenAI deu aos seus modelos da série o recursos de recorte e zoom durante o raciocínio. A Elorian afirma que sua diferença está em construir todo o modelo em torno da técnica, e fazer isso de forma barata.

O diretor executivo Andrew Dai, ex-pesquisador do Google DeepMind, atribui parte do projeto a uma noite de jogo de tabuleiro no ano passado, quando um modelo de fronteira não conseguiu dizer quem estava ganhando a partir de uma foto da mesa. Ele afirma que os jogos dependem de símbolos próprios, que adultos compreendem com facilidade, mas que os modelos não sabem interpretar. "Humanos conseguem olhar para os diagramas da Ikea, sem texto nenhum, e montar os móveis da Ikea", disse Dai.

De acordo com a Elorian, uma pequena equipe treinou o Glimpse em algumas centenas de GPUs, e o modelo é consideravelmente menor que os sistemas de fronteira com os quais é comparado. As avaliações próprias da empresa mostram que ele supera o GPT-6 Astra em raciocínio sobre gráficos científicos e em legendagem de vídeos curtos, além de ter desempenho competitivo em outros benchmarks de raciocínio visual. Esses resultados ainda não foram verificados de forma independente.

Preços, investidores e ambições

O Glimpse custa US$ 0,60 por milhão de tokens de entrada e US$ 3 por milhão de tokens de saída, abaixo de modelos intermediários como Sonnet e Sol, mas acima de opções leves como Haiku e Luna. A Elorian saiu do modo discreto há seis meses, após captar uma rodada seed de US$ 55 milhões com valuation de US$ 300 milhões, antes de lançar qualquer produto. A Striker Venture Partners, a Menlo Ventures e a Altimeter Capital lideraram a rodada, com participação da Nvidia e de Jeff Dean, cientista-chefe do Google.

Os primeiros clientes devem ser organizações com grandes arquivos de vídeo, como empresas de robótica, laboratórios científicos, veículos de mídia e empresas criativas. Com o tempo, a Elorian quer que seus modelos passem da percepção à ação, construindo uma representação de uma cena e usando-a para escolher ações, inclusive controlando robôs diretamente. Dai disse que a meta para o próximo ano é um modelo que lidere todos os benchmarks de raciocínio visual.