Un modelo argentino de visión artificial desafía a los gigantes con un esquema de cómputo más barato y una mirada iterativa sobre las imágenes

El equipo detrás de Elorian, una compañía argentina con Andrew Dai como fundador y ex investigador de Google DeepMind, presentó formalmente a Glimpse, un modelo de visión artificial que se aparta del esquema dominante en la industria: en lugar de traducir la imagen a una representación textual y razonar exclusivamente a partir de ese código, el sistema puede volver sobre el material original, recortar zonas específicas, revisar fotogramas puntuales de un video o ejecutar código para comparar y medir lo que observa. Esa forma de operar, que la compañía denomina espacio de trabajo visual, apunta a resolver una limitación que Dai atribuye al estado actual del campo.

El modelo fue entrenado por un equipo reducido con unos pocos cientos de chips especializados y partiendo de una base de código abierto, una escala de cómputo muy inferior a la que manejan los grandes laboratorios del sector. A pesar de esa diferencia de recursos, la empresa difundió resultados de evaluación interna en los que Glimpse supera a GPT-6 Astra en el análisis de gráficos científicos, en el conteo de objetos y en la descripción de videos cortos, y empata en tareas de razonamiento aplicado a robótica.

Un mecanismo distinto para entender imágenes

La mayoría de los modelos multimodales que hoy están en producción procesan una imagen, la convierten en unidades de texto conocidas como tokens y luego razonan únicamente sobre esa representación, sin volver a consultar la fuente visual. Glimpse, en cambio, puede regresar al material original durante el proceso de respuesta, recortar áreas puntuales, revisar cuadros específicos de un video a mayor velocidad y ejecutar código para comparar o medir lo que ve en pantalla.

“Los modelos de lenguaje alcanzaron un nivel razonable en matemáticas, programación y física, pero la comprensión visual quedó rezagada frente a esas otras capacidades. Glimpse apunta a cerrar esa brecha.”Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind

Costos y disponibilidad

• El precio de uso es de 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.
• Según Elorian, eso representa un costo un 94 por ciento menor al de GPT-6 Astra y un 85 por ciento menor al de Claude Opus 5.5.
• El modelo está disponible desde el 16 de octubre a través de una interfaz de API y un chat con lista de espera, en lo que la compañía define como una vista previa de investigación.
• Los primeros clientes objetivo que la firma identificó son estudios de robótica, laboratorios científicos, empresas de medios y estudios de videojuegos, todos sectores que gestionan grandes volúmenes de imágenes y video.

Dai señaló que el objetivo para el próximo año es construir el modelo de razonamiento visual con mejor desempeño en cada prueba comparativa disponible para esa categoría, y describió a Glimpse como un primer paso dentro de esa estrategia. La compañía enmarca su propuesta en una lectura más amplia del sector: la de que la brecha entre el razonamiento textual y la comprensión visual dejó de ser un detalle técnico para convertirse en uno de los frentes abiertos de la inteligencia artificial, y que cerrar esa distancia no requeriría necesariamente de los presupuestos de cómputo más abultados de la industria.