Elorian lanza Glimpse, un modelo que vuelve a mirar la imagen
US$0,60 por cada millón de tokens de entrada y US$3 por cada millón de salida. Ese es el precio con el que Elorian, startup con sede en Palo Alto, California, lanzó Glimpse, su primer modelo de razonamiento visual, disponible desde el 16 de octubre como vista previa de investigación a través de una API y un chat con lista de espera.
La tesis de la compañía es concreta: los modelos multimodales actuales miran una imagen una sola vez, la convierten en tokens y razonan sobre ese texto, como quien describe una foto de memoria. Glimpse hace lo contrario: vuelve a la fuente original durante el razonamiento.
Para un founder que calcula costos de inferencia, el número importa. Según las tarifas publicadas por Elorian, ese precio es 94% menor al de GPT-6 Astra de OpenAI y 85% menor al de Claude Opus 5,5 de Anthropic.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días¿Cómo funciona el «espacio de trabajo visual»?
Elorian llama a su mecanismo «visual scratch space», o espacio de trabajo visual. Durante el proceso de respuesta, el modelo puede:
- Recortar una zona específica de una imagen y volver a examinarla.
- Extraer cuadros puntuales de un video a mayor velocidad.
- Ejecutar código para medir o comparar lo que está observando.
La analogía que usa la compañía es simple: es como hacer zoom con los dedos en una foto del teléfono para confirmar lo que creías haber visto.
Andrew Dai, fundador y CEO de Elorian y ex investigador de Google DeepMind, contó a TechCrunch que la señal más clara de que la IA todavía no «ve» le llegó en una noche de juegos. Fotografió un juego de mesa que acababa de terminar con amigos y le preguntó a un modelo frontera quién iba ganando. No supo responder.
«Cada juego de mesa tiene su propio lenguaje visual, su propia iconografía, sus símbolos», dijo Dai. «Para un adulto es bastante fácil entender qué está pasando con un texto mínimo, pero estos modelos no pueden intuir qué significan los símbolos».
El enfoque no es completamente nuevo: OpenAI ya había incorporado recorte y zoom durante el razonamiento en sus modelos de la serie o en 2025, según TechCrunch. La diferencia que reclama Elorian es haber construido todo el modelo alrededor de esa idea y a bajo costo.
Entrenado con cientos de GPUs y un equipo chico
Elorian afirma que entrenó Glimpse con un equipo pequeño y apenas unos cientos de chips especializados para inteligencia artificial, partiendo de un modelo base de código abierto. Es un presupuesto de cómputo muy por debajo del que manejan Google, OpenAI o Anthropic para sus sistemas más avanzados.
TechCrunch señala además que el modelo es sustancialmente más chico que los sistemas frontera contra los que se compara. En precio, queda por debajo de modelos de gama media como Sonnet y Sol, pero por encima de modelos ligeros como Haiku y Luna.
Según las evaluaciones propias de la compañía, Glimpse supera a GPT-6 Astra en razonamiento sobre gráficos científicos, conteo de objetos y descripción de videos cortos, y queda a la par en tareas de razonamiento aplicado a robots. Vale subrayar el matiz: son pruebas de la propia empresa, no una evaluación independiente.
Una ronda de US$55M antes de tener producto
Elorian salió del modo stealth hace seis meses con una ronda semilla de US$55M a una valuación de US$300M, según reportó Bloomberg en abril y recogió TechCrunch. La ronda fue co-liderada por Striker Venture Partners, Menlo Ventures y Altimeter Capital, con participación de Nvidia y de Jeff Dean, chief scientist de Google.
El detalle no es menor para quien levanta capital: la compañía reunió una cifra relevante sin tener un producto en el mercado, apoyada en una tesis técnica —que los modelos no ven bien— y en la trayectoria de su fundador.
¿Qué significa esto para tu startup?
El movimiento de Elorian apunta a un segmento que hasta ahora quedaba fuera del alcance de los equipos chicos: casos de uso donde la imagen no es decorativa, sino la fuente principal de información. Sus primeros clientes objetivo son empresas de robótica, laboratorios científicos, medios de comunicación y estudios de videojuegos, sectores que manejan grandes volúmenes de imágenes y video.
Si tu producto procesa documentos escaneados, fotos de producto, planos, gráficos financieros o video de inspección, este es el momento de preguntarte si tu pipeline actual realmente «ve» o solo describe.
Acciones concretas que puedes tomar esta semana:
- Audita tus casos de uso visuales. Haz una lista de las tareas donde tu equipo o tu producto hoy depende de que un humano cuente, mida o compare algo en una imagen. Si el resultado tiene que ser exacto —un conteo de inventario, la lectura de una tabla, la detección de un defecto— un modelo que vuelve a mirar la fuente tiene una ventaja estructural frente a uno que razona sobre una descripción.
- Mide costo por tarea, no costo por token. El precio por millón de tokens es bajo, pero un modelo que revisa varias veces la misma imagen puede consumir más tokens de entrada por respuesta. Antes de decidir, calcula cuántas pasadas necesita tu caso de uso típico y compara el costo final por resultado entregado, no la tarifa de lista.
- Trata la vista previa como lo que es. Es una research preview con API y lista de espera para el chat, no un producto con garantías de servicio. Sirve para validar hipótesis y prototipar, no para sostener un flujo crítico en producción todavía.
Qué mirar antes de integrar un modelo visual
Hay tres preguntas que conviene responder antes de mover una carga de trabajo real a cualquier modelo de razonamiento visual.
La primera es de evaluación. Los benchmarks que circulan son, en la mayoría de los casos, de la propia empresa que lanza el modelo. Eso no los invalida, pero significa que tu prueba con tus datos vale más que cualquier tabla comparativa. Arma un set de 50 a 100 ejemplos reales de tu operación y córrelos tú mismo.
La segunda es de arquitectura. Un modelo que ejecuta código y recorta regiones durante el razonamiento cambia el perfil de latencia: la respuesta no llega en un solo salto. Si tu producto promete resultados instantáneos, revisa si el caso de uso tolera ese tiempo extra a cambio de precisión.
La tercera es de datos. Los sectores que Elorian marca como objetivo —robótica, laboratorios, medios, videojuegos— comparten algo: acumulan bibliotecas enormes de imagen y video que hoy se usan poco. Si tu startup está en uno de esos verticales, tu archivo histórico puede ser el activo que un modelo así vuelve explotable.
Conclusión
Glimpse no es un modelo más en una lista larga. Es la apuesta de una startup de US$300M de valuación a que el cuello de botella de la IA ya no está en el lenguaje ni en el código, sino en la percepción visual. Elorian lo dice con claridad: su objetivo para el año próximo es construir el modelo de razonamiento visual más avanzado del mercado, con el mejor desempeño en cada prueba comparativa de esa categoría. También reconoce lo que falta: la reconstrucción de escenas y el control directo de robots son, en sus propias palabras, trabajo pendiente.
Para un founder hispanohablante, la lectura práctica es otra. El costo de entrada a la IA visual está bajando rápido, y eso abre casos de uso que hace dos años exigían presupuestos de laboratorio. La ventaja no la va a tener quien adopte el modelo más grande, sino quien identifique primero el proceso de su negocio donde mirar dos veces cambia el resultado.
Fuentes
- Infobae: Una startup lanzó una IA que mira varias veces la misma imagen antes de responder
- TechCrunch: Elorian’s first AI model wants to reason with images, not just about them
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
