Elorian’s Glimpse aposta que raciocínio baseado em imagens pode superar modelos de IA maiores

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.

De acordo com a 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 empresas que estão pensando em experimentar essa tecnologia, um desafio real é saber se o Glimpse consegue oferecer desempenho semelhante em situações do mundo real.

A proposta do espaço de rascunho visual

Ao contrário dos modelos que analisam imagens primeiro antes de tirar conclusões principalmente em texto, o Glimpse pode voltar às evidências visuais, examinar detalhes mais de perto, inspecionar quadros de vídeo e executar qualquer código. A empresa chama isso de "espaço de rascunho visual".

Andrew Dai, CEO da Elorian e ex-pesquisador do Google DeepMind, compartilhou uma história em que pediu ao seu modelo de IA para determinar o vencedor no jogo de tabuleiro que estava jogando. A IA não conseguiu decodificar os significados dos diferentes símbolos do jogo, algo que os humanos não têm dificuldade em entender.

Os humanos conseguem olhar para os diagramas da Ikea, sem texto, e montar móveis da Ikea, certo? Por que os modelos de IA não conseguem?

— Andrew Dai, falando com a TechCrunch

O conceito já havia sido aplicado anteriormente. A OpenAI lançou a lógica de corte e zoom em 2025. O artigo de pesquisa CharTool, atualizado em agosto de 2026, combinou o recorte de imagens com cálculos baseados em código. No caso do Elorian, é utilizado uma base de pesos abertos, juntamente com apenas algumas centenas de GPUs durante a implementação.

Números que a Elorian relata e aqueles que ela não enfatiza

Os preços da Glimpse são de US$ 0,60 por cada milhão de tokens de entrada e US$ 3 por cada milhão de tokens de saída, representando, segundo relatos, uma redução de 94% em relação ao que a Astra cobra. O Elorian já captou US$ 55 milhões, com uma avaliação de US$ 300 milhões, contando entre seus investidores a Nvidia e Jeff Dean, cientista-chefe do Google.

De acordo com 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 de vocabulário aberto e compreensão de eventos de manipulação. Além disso, ambos os sistemas obtiveram resultados idênticos no raciocínio espacial embarcado.

No entanto, o Glimpse ficou atrás do Astra na legendagem densa de vídeos, no raciocínio temporal fino e na contagem de imagens de produtos. Além disso, ao considerar o HSS (benchmark da Elorian relacionado à compreensão de cenas), a pontuação do Glimpse é 46,36, enquanto a do Astra é 53,6. A linha de base humana é de 93,1%. A comparação entre Glimpse e Astra ainda não foi verificada independentemente.

Onde os modelos atuais realmente falham

Pesquisas independentes demonstram por que a precisão é importante. A RoboVista, desenvolvida por Berkeley, Princeton e Google DeepMind, descobriu que seu modelo mais avançado respondeu corretamente apenas 56,5% das 474 perguntas relacionadas a robôs.

Enquanto isso, a InspecSafe-V1 coletou 5.013 instâncias de inspeção de 41 robôs em 2.239 locais. A pesquisa destaca desafios do mundo real, como reflexos, obstruções e ruído nos sensores. Um estudo separado sobre gráficos também identifica a percepção visual detalhada como uma fraqueza persistente.

Um grande mercado, se a precisão for confirmada

A Federação Internacional de Robótica informou que cerca de 5 milhões de robôs industriais estavam operando em todo o 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 e responder ao seu entorno.

Essa demanda também está impulsionando investimentos no treinamento de robôs. Conforme relatado pela Cryptopolitan, a LG está utilizando as ferramentas da Nvidia para coletar 100.000 horas de dados de treinamento de robôs até o final de 2026, antes de uma demonstração planejada com humanoides no início de 2027. Embora o projeto não tenha conexão com a Elorian, ele mostra quão importante está se tornando a compreensão visual na robótica.

A Elorian espera, a longo prazo, ir além do raciocínio visual para o controle direto de robôs, uma capacidade que o Glimpse ainda não oferece. Por enquanto, convencer as empresas a adotar o modelo dependerá da precisão e segurança com que ele opera em condições reais, da facilidade de integração com sistemas existentes e se seus custos permanecem competitivos. Apenas pontuações elevadas em benchmarks não serão suficientes.

As mentes mais inteligentes do setor de criptomoedas já leem nosso boletim informativo. Quer entrar? Junte-se a eles.