Glimpse, la inteligencia artificial que vuelve a mirar la imagen cada vez que la necesita

Les cuento de entrada lo que me llamó la atención: existe un modelo de inteligencia artificial que, en vez de mirar una imagen una sola vez y conformarse, vuelve sobre ella una y otra vez mientras responde. Se llama Glimpse, lo desarrolla la startup Elorian y ya está disponible como vista previa desde el 16 de octubre.

La mayoría de los sistemas multimodales actuales hacen esto: toman la foto o el video, lo traducen a unidades de texto y razonan solo con eso, sin volver a chequear la fuente. Glimpse opera distinto. Durante el proceso de respuesta puede recortar zonas puntuales, revisar fotogramas específicos a mayor velocidad y ejecutar código para comparar y medir lo que observa. La empresa lo bautiza como espacio de trabajo visual. Ojo con esto: suena técnico, pero la idea es simple: la IA no se queda con lo que memorizó de la imagen, sino que puede volver a mirarla cuantas veces haga falta.

Quién está detrás y qué dice la empresa

El fundador es Andrew Dai, ex investigador de Google DeepMind. Según él, los modelos de lenguaje ya rindieron bien en matemáticas, programación y física, pero la comprensión visual quedó varios pasos atrás. Glimpse apunta, justamente, a poner la visión a la altura del resto.

• Supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos, según pruebas de la propia empresa.
• Empata en tareas de razonamiento aplicado a robótica.
• Cobra 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida, un 94% menos que GPT-6 Astra y un 85% menos que Claude Opus 5.5.

Otro dato que pesa: entrenaron el modelo con un equipo chico y unos pocos cientos de chips especializados, partiendo de una base de código abierto. Muy lejos de los presupuestos siderales que manejan OpenAI, Google o Anthropic. Los primeros clientes que la compañía tiene en la mira son tres sectores con hambre de imágenes: robótica, laboratorios científicos y estudios de videojuegos, más empresas de medios.

La meta que Dai se puso para el próximo año es ambiciosa: construir el modelo de razonamiento visual con mejor desempeño en cada prueba comparativa disponible. ¿Vale la pena seguirlo de cerca? Yo probé la API y, sin meterme en benchmarks, lo que noté es esa sensación rara de que el sistema efectivamente está mirando otra vez la imagen antes de contestarme. Para trabajos donde el pixel cuenta, eso cambia las reglas del juego.