Elorian’s first AI model wants to reason with images, not just about them
TechCrunch AI · 16 oct, 18:01
Elorian, una startup de IA de Palo Alto, ha lanzado Glimpse, su primer modelo multimodal que razona con imágenes mediante un mecanismo de «visual scratch space» que le permite hacer zoom, extraer fotogramas de vídeos y ejecutar código durante el razonamiento, en lugar de procesar la imagen una sola vez. El modelo, entrenado con solo cientos de GPUs, alcanza un rendimiento competitivo frente a sistemas frontera como GPT-6 Astra en tareas de razonamiento visual, con un coste de 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de salida.
El CEO de Elorian, Andrew Dai, exfísico de DeepMind en Google, argumenta que los modelos de IA actuales no pueden realmente «ver» porque procesan las imágenes como una secuencia de tokens sin poder revisitarlas durante el razonamiento. La inspiración vino de un juego de mesa en el que un modelo frontera no pudo identificar quién ganaba, a pesar de que los símbolos visuales son intuitivos para los humanos. Glimpse implementa un enfoque más económico que el método que OpenAI añadió a sus modelos o-series en 2025: la capacidad de hacer crop, zoom y ejecutar código sobre regiones específicas de la imagen o fotogramas de vídeo durante el proceso de razonamiento.
Según las evaluaciones propias de Elorian, Glimpse supera a GPT-6 Astra en razonamiento de gráficos científicos y descripción de vídeos cortos, con resultados competitivos en otras tareas de razonamiento visual. La startup planea expandir hacia control de robots y generación de acciones basadas en el análisis de escenas. Elorian recaudó una ronda de serie A de 55 millones de dólares con valuación de 300 millones antes de lanzar producto, con participación de Nvidia y Jeff Dean, el científico jefe de Google.
Puntos clave
- Glimpse razona con imágenes mediante revisión iterativa con crop, zoom y ejecución de código
- Rendimiento competitivo o superior a GPT-6 Astra en tareas de razonamiento visual según evaluaciones internas
- Coste de API: 0,60 USD/millón tokens entrada, 3 USD/millón salida, más barato que Sonnet pero más caro que Haiku
- Entrenado con solo cientos de GPUs, sustancialmente más pequeño que modelos frontera
- Acceso actual limitado a API research y waitlist para interfaz de chat