Glimpse, el modelo de visión barato que incomoda a los gigantes de la IA

A esta altura uno ya se había hecho la idea de que en inteligencia artificial gana el que tiene la billetera más gorda. Glimpse llega para arruinar esa foto: un equipo minúsculo, unos pocos cientos de chips y un modelo de visión que, según sus propios números, le pisa los talones a GPT-6 Astra y a Claude Opus 5.5 cobrando una fracción de lo que cobran ellos. Vale la entrada, y por mucho.

La idea es simple y por eso funciona

La mayoría de los modelos multimodales actuales hacen lo siguiente: miran una imagen, la traducen a una serie de palabras y a partir de ahí razonan sin volver a abrir el archivo. Es como si un médico te diagnosticara leyendo el resumen del resumen de tu historia clínica y jamás volviera a pedirte un estudio. Glimpse trabaja de otra manera. Lo que Andrew Dai, su fundador y ex investigador de Google DeepMind, llama espacio de trabajo visual no es otra cosa que eso: la posibilidad de recortar un sector de la imagen, revisar fotogramas puntuales de un video y hasta correr código para contar o medir lo que está viendo. En criollo: en vez de conformarse con la etiqueta, vuelve a mirar.

Dai lo explica con una frase que vale la pena anotar: los modelos de lenguaje ya resuelven matemáticas, programación y física con un nivel razonable, pero la comprensión visual quedó varios cuerpos atrás. Glimpse es la apuesta de un equipo chico para acortar esa distancia sin necesidad de quemar la plata que queman los laboratorios grandes.

Los números que pone la empresa sobre la mesa

• Supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos.
• Empata en tareas de razonamiento aplicadas a robótica.
• Cobra 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.
• Prometen un costo un 94% menor que GPT-6 Astra y un 85% menor que Claude Opus 5.5.
• Se entrenó con unos pocos cientos de chips especializados, muy lejos de los presupuestos siderales de los gigantes del rubro.

Sobre esos resultados hay que hacer una aclaración honesta: son pruebas que realizó la propia compañía, no un benchmark independiente. Hay que tomarlos con pinzas, pero igual sorprende la diferencia de precio, si termina siendo cierta.

Quién lo va a usar y para qué

Elorian definió a Glimpse como una vista previa de investigación y la puso a disposición desde el 16 de octubre a través de una API y un chat con lista de espera. Los primeros clientes apuntados son cuatro y se adivinan solos: estudios de robótica, laboratorios científicos, empresas de medios y desarrolladoras de videojuegos. Todos sectores que lidian a diario con montañas de imágenes y video.

Dai ya marcó la próxima parada: para 2026 quieren construir el modelo de razonamiento visual con mejor desempeño en cada prueba comparativa disponible. Es una declaración de intenciones ambiciosa para un equipo que viene corriendo con zapatillas cuando los demás lo hacen con maquinaria pesada.

“Los modelos de lenguaje ya resuelven matemáticas, programación y física con un nivel razonable, pero la comprensión visual quedó rezagada. Glimpse apunta a cerrar esa brecha.”Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind

Y si hay que repartir un elogio que a menudo nadie reparte, que caiga en el equipo técnico de Elorian: armar algo así con dos pesos y un sueño, y además abrirlo como vista previa en lugar de encerrarlo bajo llave, ya es una declaración de principios en un sector adicto al secretismo.