Mirar dos veces, pensar mejor: la apuesta argentina de la inteligencia artificial visual

Vamos directo al hueso, que acá la cosa da para hablar largo: un modelo de inteligencia artificial que mira, recorta y vuelve a mirar antes de contestarte. Se llama Glimpse, lo presentó la compañía Elorian y la movida sacudió el mostrador de los modelos multimodales, esos sistemas que leen imágenes y videos como si fueran textos.

Un mecanismo distinto al resto

La mayoría de los modelos que están dando vueltas toman una imagen, la traducen a palabras y después razonan únicamente con esa traducción, sin volver a pegar una mirada en el archivo original. Glimpse hace otra cosa: durante la respuesta puede volver a la fuente visual, recortar un sector puntual, pasar fotogramas de video a cámara rápida o ejecutar código para comparar y medir lo que tiene enfrente. Andrew Dai, fundador de Elorian y ex investigador de Google DeepMind, lo bautizó como espacio de trabajo visual y lo presentó como la manera de cerrar la brecha que la visión todavía tiene con el resto de las capacidades de los modelos de lenguaje.

“Los modelos de lenguaje alcanzaron un nivel razonable en matemáticas, programación y física, pero la comprensión visual quedó rezagada frente a esas otras capacidades.”Andrew Dai, fundador de Elorian

Los números que se animan a mostrar

Cuidado con los nombres propios, que estos sistemas cambian de apellido cada dos meses: el rival mencionado es GPT-6 Astra, de OpenAI. Según las pruebas que la propia empresa publicó, Glimpse lo supera 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. Todo con una base de código abierto, un equipo chico y unos pocos cientos de chips especializados, muy lejos de los presupuestos siderales que manejan los laboratorios grandes.

• Precio de uso: 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de tokens de salida.
• Costo hasta un 94 por ciento menor que GPT-6 Astra y un 85 por ciento menor que Claude Opus 5.5, según la empresa.
• Disponible desde el 16 de octubre vía API y un chat con lista de espera, en una vista previa de investigación.
• Primeros clientes apuntados: estudios de robótica, laboratorios científicos, medios y estudios de videojuegos.
• Meta para el próximo año: construir el modelo de razonamiento visual con mejor desempeño en cada prueba comparativa disponible.