A Elorian lançou o Glimpse em 16 de outubro, afirmando que seu raciocínio visual pode competir com modelos de IA maiores por uma fração do preço.
Segundo o TechCrunch, o modelo inicial é uma prévia de pesquisa que inclui acesso à API para desenvolvedores e uma lista de espera para sua interface de chat. Para as empresas que estão pensando em experimentar essa tecnologia, um desafio concreto é saber se o Glimpse consegue oferecer um desempenho semelhante em situações do mundo real.
A proposta do espaço de rascunho visual
Ao contrário dos modelos que analisam imagens primeiro e só depois tiram conclusões, principalmente em texto, o Glimpse pode voltar às evidências visuais, observar os detalhes mais de perto, inspecionar quadros de vídeo e executar qualquer código. A empresa chama isso de seu «espaço de rascunho visual».
Andrew Dai, CEO da Elorian e ex-pesquisador do Google DeepMind, contou uma história em que pediu ao seu modelo de IA que determinasse o vencedor do jogo de tabuleiro que estava jogando. A IA não conseguiu decifrar o significado dos diferentes símbolos do jogo, que os humanos entendiam sem dificuldade.
Os humanos conseguem olhar para diagramas da Ikea, sem texto, e montar móveis da Ikea, certo? Por que os modelos de IA não conseguem?
— Andrew Dai, em entrevista à TechCrunch
Esse conceito já havia sido aplicado antes. A OpenAI lançou uma técnica de lógica baseada em recorte e ampliação em 2025. O artigo de pesquisa CharTool, atualizado em agosto de 2026, combinou o recorte de imagens com cálculos baseados em código. No caso da Elorian, usa-se um modelo-base de pesos abertos, com apenas algumas centenas de GPUs durante a implementação.
Os números divulgados pela Elorian — e aqueles que ela não destaca
O preço do Glimpse é de US$ 0,60 por milhão de tokens de entrada e US$ 3 por milhão de tokens de saída, supostamente 94% menor do que o cobrado pela Astra. A Elorian já captou US$ 55 milhões, com uma avaliação de US$ 300 milhões, e entre seus investidores estão a Nvidia e Jeff Dean, cientista-chefe do Google.
Segundo o relatório da Elorian, o Glimpse superou o GPT-6 Astra em alguns aspectos, incluindo CharXiv-R (92,90 contra 92,10), legendagem de vídeos curtos, contagem com vocabulário aberto e compreensão de eventos de manipulação. Além disso, os dois sistemas obtiveram resultados idênticos em raciocínio espacial incorporado.
Elorian Glimpse vs. GPT-6 Astra: comparação completa em 12 benchmarks de IA
No entanto, o Glimpse teve desempenho inferior ao da Astra em legendagem detalhada de vídeos, raciocínio temporal refinado e contagem de produtos em imagens. Além disso, no HSS (benchmark da Elorian relacionado à compreensão de cenas), a pontuação do Glimpse é 46,36, enquanto a da Astra é 53,6. A referência humana é 93,1%. A comparação entre o Glimpse e a Astra ainda não foi verificada de forma independente.
Onde os modelos atuais realmente falham
Pesquisas independentes mostram por que a precisão importa. O RoboVista, desenvolvido por Berkeley, Princeton e Google DeepMind, constatou que seu modelo mais forte respondeu corretamente a apenas 56,5% de 474 perguntas relacionadas a robôs.
Enquanto isso, o InspecSafe-V1 reuniu 5.013 registros de inspeção de 41 robôs em 2.239 locais. A pesquisa destaca desafios do mundo real, incluindo reflexos, oclusão e ruído dos sensores. Um estudo separado sobre gráficos também identifica a percepção visual refinada como uma fragilidade persistente.
Um grande mercado, se a precisão se confirmar
A Federação Internacional de Robótica informou que cerca de 5 milhões de robôs industriais estavam em operação no mundo em 2025, um aumento de 9% em relação ao ano anterior. Mais de 600.000 novos robôs foram instalados, destacando a crescente necessidade de máquinas capazes de compreender o ambiente ao redor e reagir a ele.
Essa demanda também está impulsionando investimentos no treinamento de robôs. Conforme noticiado pela Cryptopolitan, a LG está usando as ferramentas da Nvidia para coletar 100.000 horas de dados de treinamento de robôs até o fim de 2026, antes de uma demonstração de humanoides planejada para o início de 2027. Embora o projeto não tenha relação com a Elorian, ele mostra como a compreensão visual está se tornando importante na robótica.
A Elorian espera, no futuro, ir além do raciocínio visual e chegar ao controle direto de robôs, uma capacidade que o Glimpse ainda não oferece. Por enquanto, convencer empresas a adotar o modelo dependerá da precisão e da segurança com que ele funciona em condições reais, da facilidade de integração com os sistemas existentes e da manutenção de custos competitivos. Bons resultados em benchmarks, por si só, não serão suficientes.
Se você está lendo isto, já está um passo à frente. Continue assim com nossa newsletter.