Glimpse, la inteligencia artificial que necesita mirar varias veces una imagen antes de responder

¿Por qué una inteligencia artificial tiene que mirar varias veces una misma imagen antes de contestar? La mayoría de los modelos multimodales actuales, esos que combinan texto e imagen, toman la foto, la traducen a palabras y razonan solo con esa traducción, sin volver a consultar la fuente visual. Un equipo chico, con pocos recursos de cómputo, construyó algo distinto y lo presentó esta semana.

Un espacio de trabajo visual

El sistema se llama Glimpse y lo desarrolla la compañía Elorian. La diferencia central es que, durante el proceso de respuesta, puede volver al material original: recortar una zona específica de la imagen, revisar fotogramas puntuales de un video a mayor velocidad o ejecutar código para comparar y medir lo que observa. Andrew Dai, fundador de la empresa y ex investigador de Google DeepMind, lo bautizó como “espacio de trabajo visual”.

“Los modelos de lenguaje alcanzaron un nivel razonable en matemáticas, programación y física, pero la comprensión visual quedó rezagada frente a esas otras capacidades. Glimpse apunta a cerrar esa brecha.”Andrew Dai, fundador de Elorian

En pocas palabras: Glimpse no se conforma con una primera lectura. Recorta, revisa, mide y recién después contesta. Eso contrasta con el esquema dominante, donde la imagen pasa a ser una cadena de texto que ya no se vuelve a chequear contra el original.

Qué resultados dicen haber obtenido

• Supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos.
• Empata en tareas de razonamiento aplicado a robótica.
• Cuesta 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida, según la lista de precios publicada por la propia empresa.
• La compañía afirma que ese precio es un 94 por ciento menor al de GPT-6 Astra y un 85 por ciento menor al de Claude Opus 5.5.

Una aclaración importante: los resultados corresponden a pruebas realizadas por la propia Elorian, no a evaluaciones independientes. El modelo fue entrenado por un equipo reducido, con unos pocos cientos de chips especializados y partiendo de una base de código abierto, muy por debajo de los presupuestos que manejan los grandes laboratorios del sector.

Para qué sirve esto en La Rioja

Glimpse está disponible desde el 16 de octubre a través de una interfaz de programación y un chat con lista de espera, en lo que Elorian define como una vista previa de investigación. Los primeros clientes objetivo que la compañía mencionó son estudios de robótica, laboratorios científicos, empresas de medios y estudios de videojuegos. En la práctica local, ese tipo de herramientas podría aplicarse al análisis de imágenes satelitales para seguimiento agrícola en el Valle del Bermejo, al procesamiento de material audiovisual en medios provinciales o a la verificación de gráficos y datos en investigaciones académicas de la Universidad Nacional de Chilecito o de los institutos del CONICET en la región. Por ahora, el acceso depende de la lista de espera y de los cupos que vaya liberando la empresa.