Elorian lanzó Glimpse el 16 de octubre y afirmó que su capacidad de razonamiento visual puede competir con modelos de IA más grandes por una fracción del precio.
Según TechCrunch, el modelo inicial es una versión preliminar de investigación que incluye acceso a la API para desarrolladores y una lista de espera para su interfaz de chat. Para las empresas que estén pensando en probar esta tecnología, un desafío concreto es determinar si Glimpse puede ofrecer un rendimiento similar en situaciones reales.
La propuesta del espacio visual de trabajo
A diferencia de los modelos que primero analizan imágenes y luego extraen conclusiones principalmente en texto, Glimpse puede volver a las pruebas visuales, examinar los detalles más de cerca, inspeccionar fotogramas de video y ejecutar cualquier código. La empresa lo llama su «espacio visual de trabajo».
Andrew Dai, director ejecutivo de Elorian y exinvestigador de Google DeepMind, contó que le pidió a su modelo de IA que determinara quién había ganado la partida del juego de mesa que estaba jugando. La IA no pudo descifrar el significado de los distintos símbolos del juego, que los humanos entendían sin dificultad.
Los humanos pueden mirar diagramas de Ikea, sin texto, y montar muebles de Ikea, ¿verdad? ¿Por qué los modelos de IA no pueden?
— Andrew Dai, en declaraciones a TechCrunch
El concepto ya se había aplicado anteriormente. OpenAI lanzó la lógica de recorte y ampliación en 2025. El artículo de investigación CharTool, actualizado en agosto de 2026, combinó el recorte de imágenes con cálculos basados en código. En el caso de Elorian, se utiliza un modelo base de pesos abiertos y solo unos cientos de GPU durante la implementación.
Las cifras que Elorian comunica y las que no destaca
El precio de Glimpse es de 0,60 dólares por cada millón de tokens de entrada y de 3 dólares por cada millón de tokens de salida, supuestamente un 94 % menos que lo que cobra Astra. Elorian recaudó anteriormente 55 millones de dólares con una valoración de 300 millones; entre sus inversores figuran Nvidia y Jeff Dean, científico jefe de Google.
Según el informe de Elorian, Glimpse ha superado a GPT-6 Astra en algunos aspectos, como CharXiv-R (92,90 frente a 92,10), los subtítulos de vídeos breves, el recuento con vocabulario abierto y la comprensión de eventos de manipulación. Además, ambos sistemas obtuvieron resultados idénticos en razonamiento espacial incorporado.
Elorian Glimpse frente a GPT-6 Astra: comparación completa en 12 pruebas de referencia de IA
Sin embargo, Glimpse obtuvo peores resultados que Astra en subtitulado detallado de vídeos, razonamiento temporal de granularidad fina y recuento de productos en imágenes. Además, en HSS (la prueba de referencia de Elorian relacionada con la comprensión de escenas), Glimpse obtuvo 46,36 puntos, mientras que Astra obtuvo 53,6. La referencia humana es del 93,1 %. La comparación entre Glimpse y Astra aún no se ha verificado de forma independiente.
En qué fallan realmente los modelos actuales
Una investigación independiente muestra por qué importa la precisión. RoboVista, de Berkeley, Princeton y Google DeepMind, descubrió que su modelo más potente respondió correctamente solo al 56,5 % de 474 preguntas relacionadas con robots.
Por su parte, InspecSafe-V1 recopiló 5.013 casos de inspección de 41 robots en 2.239 ubicaciones. La investigación destaca desafíos del mundo real, como el deslumbramiento, la oclusión y el ruido de los sensores. Otro estudio, basado en gráficos, también señala que la percepción visual de granularidad fina sigue siendo un punto débil.
Un gran mercado, si se mantiene la precisión
La Federación Internacional de Robótica informó que en 2025 había alrededor de 5 millones de robots industriales en funcionamiento en todo el mundo, un 9 % más que el año anterior. Se instalaron más de 600.000 robots nuevos, lo que pone de relieve la creciente necesidad de máquinas capaces de entender y responder a su entorno.
Esa demanda también está impulsando la inversión en el entrenamiento de robots. Según informó Cryptopolitan, LG está utilizando las herramientas de Nvidia para recopilar 100.000 horas de datos de entrenamiento de robots antes de que termine 2026, de cara a una demostración de un humanoide prevista para principios de 2027. Aunque el proyecto no tiene relación con Elorian, muestra la importancia cada vez mayor de la comprensión visual en la robótica.
Elorian espera ir más allá del razonamiento visual y llegar a controlar robots directamente, una capacidad que Glimpse todavía no ofrece. Por ahora, convencer a las empresas para que adopten el modelo dependerá de su precisión y seguridad en condiciones reales, de la facilidad con que se integre en los sistemas existentes y de que sus costos sigan siendo competitivos. No bastará con obtener buenas puntuaciones en las pruebas de referencia.
Si estás leyendo esto, ya vas un paso por delante. Sigue así con nuestro boletín.