Elorian’s Glimpse apuesta por el razonamiento basado en imágenes para superar a los grandes modelos de IA

Elorian lanzó Glimpse el 16 de octubre, afirmando que su razonamiento visual puede competir con modelos de IA más grandes por una fracción del precio.

Según TechCrunch, el modelo inicial es una vista previa de investigación que incluye acceso a la API para desarrolladores y una lista de espera para su interfaz de chat. Para las empresas que están considerando probar esta tecnología, un desafío real es si Glimpse puede ofrecer un rendimiento similar en situaciones del mundo real.

La propuesta del espacio visual de trabajo

A diferencia de los modelos que analizan imágenes primero antes de sacar conclusiones principalmente en texto, Glimpse puede volver a la evidencia visual, examinar más de cerca los detalles, inspeccionar fotogramas de video y ejecutar cualquier código. La empresa denomina a esto su "espacio de trabajo visual".

Andrew Dai, CEO de Elorian y exinvestigador de Google DeepMind, compartió una historia en la que le pidió a su modelo de IA que determinara al ganador en el juego de mesa que estaba jugando. La IA no pudo descifrar los significados de los diferentes símbolos del juego, algo que los humanos comprenden sin dificultad.

¿Los humanos pueden mirar los diagramas de Ikea, sin texto, y montar muebles de Ikea, verdad? ¿Por qué no pueden hacerlo los modelos de IA?

— Andrew Dai, declarando a TechCrunch

El concepto ya se había aplicado anteriormente. OpenAI lanzó la lógica de recorte y zoom 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 una base de pesos abiertos junto con solo unas pocas cientos de GPUs durante la implementación.

Cifras que reporta Elorian y las que no destaca

Los precios de Glimpse son de $0,60 por cada millón de tokens de entrada y $3 por cada millón de tokens de salida, lo que representa un 94 % menos de lo que cobra Astra. Elorian recaudó previamente $55 millones con una valoración de $300 millones, contando entre sus inversores a Nvidia y al científico jefe de Google, Jeff Dean.

Según el informe de Elorian, Glimpse ha superado a GPT-6 Astra en algunos aspectos, incluidos CharXiv-R (92,90 frente a 92,10), la generación de subtítulos para vídeos cortos, el conteo con vocabulario abierto y la comprensión de eventos de manipulación. Además, ambos sistemas obtuvieron resultados idénticos en el razonamiento espacial encarnado.

Sin embargo, Glimpse ha quedado por detrás de Astra en la descripción densa de vídeos, el razonamiento temporal fino y el conteo de imágenes de productos. Además, en lo que respecta a HSS (la prueba de Elorian relacionada con la comprensión de escenas), la puntuación de Glimpse es de 46,36, mientras que la de Astra es de 53,6. La línea base humana es del 93,1 %. La comparación entre Glimpse y Astra aún no ha sido verificada de forma independiente.

Donde realmente fallan los modelos actuales

La investigación independiente demuestra por qué la precisión es importante. RoboVista, desarrollado por Berkeley, Princeton y Google DeepMind, descubrió que su modelo más potente respondió correctamente solo el 56,5 % de las 474 preguntas relacionadas con robots.

Mientras tanto, InspecSafe-V1 recopiló 5.013 instancias de inspección de 41 robots en 2.239 sitios. La investigación destaca desafíos del mundo real, como reflejos, oclusiones y ruido de sensores. Un estudio separado sobre gráficos también identifica la percepción visual fina como una debilidad persistente.

Un gran mercado, si la precisión se mantiene

La Federación Internacional de Robótica informó que alrededor de 5 millones de robots industriales operaban en todo el mundo en 2025, un aumento del 9% respecto al año anterior. Se instalaron más de 600.000 nuevos robots, lo que destaca la creciente necesidad de máquinas capaces de comprender y responder a su entorno.

Esa demanda también está impulsando la inversión en formación de robots. Según lo reportado por Cryptopolitan, LG está utilizando las herramientas de Nvidia para recopilar 100.000 horas de datos de entrenamiento de robots antes de finales de 2026, con vistas a una demostración planeada de humanoides a principios de 2027. Aunque el proyecto no tiene ninguna conexión con Elorian, muestra cuán importante está llegando a ser la comprensión visual en la robótica.

Elorian espera avanzar eventualmente más allá del razonamiento visual hacia el control directo de robots, una capacidad que Glimpse aún no ofrece. Por ahora, convencer a las empresas de adoptar este modelo dependerá de qué tan precisa y segura sea su ejecución en condiciones reales, de la facilidad con la que se integre con los sistemas existentes y de si sus costos permanecen competitivos. Los altos puntajes en benchmarks por sí solos no serán suficientes.

No te limites a leer noticias sobre criptomonedas. Entiéndelas. Suscríbete a nuestro boletín. Es gratis.