Glimpse: la IA que aprende a mirar dos veces la misma imagen y sale más barata

Hay una idea instalada en el mundo de la inteligencia artificial: que para entender una imagen, primero hay que convertirla en palabras y razonar solo con ese texto. Un equipo chico, con pocos recursos de cómputo, decidió romper con esa lógica y presentó Glimpse, un modelo de visión que puede volver a mirar la foto original cada vez que lo necesita.

Cómo trabaja, en criollo

Cuando Glimpse tiene que responder sobre una imagen o un video, no se queda con el primer pantallazo. Recorta una zona puntual, revisa un cuadro específico del video a alta velocidad o ejecuta pedacitos de código para comparar y medir lo que observa. El fundador de la empresa, Andrew Dai, que viene de Google DeepMind, lo bautizó como un espacio de trabajo visual. La diferencia importa porque, según Dai, los modelos de lenguaje ya razonan bien en matemática, código y física, pero la comprensión visual viene corriendo de atrás.

En las pruebas que ellos mismos publicaron, Glimpse le ganó a GPT-6 Astra en análisis de gráficos científicos, en contar objetos dentro de una imagen y en describir videos cortos. También empató en tareas de razonamiento aplicadas a robótica. Sirve para alguien de pueblo chico: si tu estudio, laboratorio o redacción maneja muchas fotos y videos, este sistema promete hacer ese trabajo por bastante menos.

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

Cuánto sale

• 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.
• La empresa dice que es un 94 por ciento más barato que GPT-6 Astra y un 85 por ciento más barato que Claude Opus 5.5.
• Se entrenó con un equipo chico y unos pocos cientos de chips especializados, partiendo de un modelo de código abierto.

Glimpse se puede probar desde el 16 de octubre por chat con lista de espera y también mediante una interfaz de programación. La compañía lo presenta como una vista previa de investigación y apunta a clientes como estudios de robótica, laboratorios científicos, medios de comunicación y productoras de videojuegos, todos rubros que manejan montañas de imágenes y videos. Para el año que viene, Dai se puso como meta construir el modelo de razonamiento visual que gane en cada prueba comparativa de su categoría.