Glimpse, la IA argentina que recorta, mide y vuelve a mirar antes de responder

A esta altura ya nos acostumbramos a que la inteligencia artificial mire una foto, la convierta en palabras y nos devuelva una respuesta. Lo que hace Glimpse es distinto: puede volver sobre la imagen las veces que haga falta, recortarla, revisar un fotograma puntual de un video y hasta escribir código para medir lo que está viendo. La propia empresa lo bautizó como un espacio de trabajo visual.

Un equipo chico que se anima a competir con los grandes

Detrás del proyecto está Elorian, una compañía fundada por Andrew Dai, un ex investigador de Google DeepMind. La particularidad es que entrenaron el modelo con un grupo reducido de personas y unos pocos cientos de chips especializados, partiendo de una base de código abierto. Eso, en un mercado donde los grandes laboratorios mueven presupuestos de cómputo siderales, ya es toda una declaración de principios.

Lo dijo el propio Dai, y vale la pena leerlo despacio: los modelos de lenguaje ya pasaron un piso razonable en matemática, programación y física, pero la comprensión visual viene quedando relegada. Glimpse apunta a cerrar esa brecha.

“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

Qué cambia frente a los modelos que ya conocemos

• La mayoría de los multimodales traduce la imagen a unidades de texto y razona solo con esa traducción, sin volver al material original. Glimpse sí vuelve.
• Puede recortar zonas específicas de la imagen para analizarlas con más detalle, como cuando uno se acerca con la lupa a un cuadro.
• Revisa fotogramas puntuales de un video a mayor velocidad, útil para encontrar el momento exacto de una escena.
• Ejecuta código para comparar y medir lo que ve, por ejemplo contar objetos o estimar distancias en un gráfico.

En las pruebas que publicó la propia Elorian, el modelo supera a GPT-6 Astra en análisis de gráficos científicos, conteo de objetos y descripción de videos cortos, y empata en tareas de razonamiento aplicadas a robótica. También dicen ganarle en precio: 0,60 dólares el millón de tokens de entrada y 3 dólares el millón de tokens de salida, lo que según la empresa representa un 94% menos que GPT-6 Astra y un 85% menos que Claude Opus 5.5.

Hablé con Lucía, una becaria del laboratorio de informática que sigue de cerca estos temas, y lo resumió así: es como pasar de un alumno que lee el apunte una sola vez y contesta, a uno que vuelve al libro, subraya, mide con la regla y hasta programa una planilla para verificar la respuesta. La diferencia, claro, es que acá el alumno es una máquina.

Glimpse está disponible desde el 16 de octubre a través de una API y un chat con lista de espera, en lo que la empresa presenta como una vista previa de investigación. Los primeros clientes apuntados son estudios de robótica, laboratorios científicos, empresas de medios y estudios de videojuegos: todos rubros que mueven montañas de imágenes y video.

¿Y eso para qué sirve? Sirve para que un sistema de inteligencia artificial deje de adivinar a partir de una traducción a texto y pueda chequear la fuente visual cada vez que le queda una duda. En robótica, por ejemplo, le permite volver a mirar el cuadro exacto donde apareció un obstáculo; en un medio, cotejar un gráfico con los datos crudos antes de armar una nota; en un videojuego, entender qué pasa en una escena sin tener que describirla primero. Es, en criollo, una IA que no se conforma con la primera impresión.