Elorian, la startup de Palo Alto fundada por antiguos investigadores de Google, ha presentado Glimpse, un modelo de IA que no se limita a describir una imagen: la recorta, la amplía, extrae fotogramas de un vídeo y ejecuta código para medir mientras razona. Lo ha publicado el 16 de octubre como vista previa de investigación en su blog oficial, con un precio de 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de salida.Según TechCrunch, Glimpse supera incluso a GPT-6 Astra de OpenAI en razonamiento sobre gráficos científicos y en subtítulos de vídeo corto. Es verdad en esas pruebas concretas. En otras pierde, y todas las mide la propia Elorian.¿Qué significa razonar «con» imágenes?Que el modelo vuelve a la imagen cada vez que lo necesita, en lugar de mirarla una vez y razonar solo con texto. Elorian lo llama «pensamiento visual»: el modelo regresa a representaciones visuales internas a lo largo del razonamiento y, cuando trabaja como agente, usa herramientas que escriben código, transforman imágenes y ven vídeos, y puede coordinar subagentes.Elorian lo llama también un «espacio de trabajo visual», y TechCrunch recuerda que OpenAI ya añadió recorte y zoom durante el razonamiento a sus modelos en 2025. La diferencia, según Elorian, es que Glimpse se ha construido entero alrededor de esa capacidad. Google exploró la misma idea con Agentic Vision en Gemini 3 Flash, que investiga una imagen en lugar de mirarla una sola vez.El consejero delegado y cofundador, Andrew Dai, explicó a TechCrunch el problema con un ejemplo: fotografió una partida de un juego de mesa y preguntó a un modelo de frontera quién iba ganando, y no supo responder. Según Dai, estos modelos no son capaces de intuir qué significan los símbolos.¿Qué dicen los benchmarks?Que Glimpse compite con modelos mucho más grandes y gana en algunas pruebas. La tabla oficial lo compara con GPT-6 Astra, GPT-6.1 Sol, Claude Opus 5.5 y Gemini 3.8 Flash, todos con el máximo esfuerzo de razonamiento:Gana a Astra en manipulación robótica (WGO Bench, 42,7 frente a 39,4), subtítulos de vídeo corto (UGC-VideoCap, 82,7 frente a 80,3), conteo de objetos (FSC-147, 83,4 frente a 82) y gráficos científicos (CharXiv-R, 92,9 frente a 92,1), aunque en esta última el mejor es Claude Opus 5.5, con 93,4.Empata en razonamiento espacial (ERQA, 83,75).Pierde en seis pruebas, entre ellas BabyVision, comprensión de vídeo (Video-MME v2, 56,7 frente a 64,1) y conteo con preguntas (CountQA).Hay un detalle revelador: también pierde en HSS, un benchmark de comprensión social que la propia Elorian creó con Scale AI y presentó el 8 de octubre. En esa prueba, según Elorian, el mejor modelo, GPT-6 Astra, obtiene un 53,6 %, frente al 93,1 % de las personas. Glimpse se queda en el 46,4 %.¿Dónde está la ventaja real?En el precio. Con 0,60 y 3 dólares por millón de tokens, Glimpse cuesta, según los cálculos de Elorian, un 94 % menos que GPT-6 Astra (10 y 50 dólares), un 85 % menos que Claude Opus 5.5 y un 70 % menos que GPT-6.1 Sol. Frente a Gemini 3.8 Flash, en su tarifa introductoria, la diferencia es de un 20 %.La empresa admite que lo ha entrenado «un equipo pequeño con solo unos cientos de GPU», a partir de un modelo base de pesos abiertos que no identifica, y no da el número de parámetros. Es un modelo pequeño que intenta compensar con método lo que no tiene en tamaño, la misma apuesta que hizo Microsoft con Phi-4-reasoning-vision, su modelo multimodal compacto.Sus clientes objetivo, según TechCrunch, son empresas de robótica, laboratorios científicos y compañías de medios, todas con mucho vídeo. Elorian cita casos como etiquetar datos de teleoperación de robots, un trabajo muy relevante ahora que muchos robots humanoides siguen dependiendo de personas que los manejan con un mando. Su propio post reconoce los límites: la reconstrucción calibrada y el control de robots siguen siendo trabajo pendiente.¿Quién está detrás de Elorian?Un equipo con mucho pedigrí en Google. Según su web, Dai trabajó en Google Brain y DeepMind, codirigió el preentrenamiento de PaLM 2 y lideró el área de datos de Gemini. Su cofundador Yinfei Yang viene de Apple y Google Research, y el tercero, Seth Neel, fue profesor en Harvard.La empresa salió a la luz este año con una ronda semilla de 55 millones de dólares (unos 49 millones de euros) con una valoración de 300 millones, según TechCrunch, liderada por Striker Venture Partners, Menlo Ventures y Altimeter Capital, con participación de Nvidia y de Jeff Dean, científico jefe de Google. El objetivo de Dai para el próximo año, según TechCrunch, es tener el mejor modelo de razonamiento visual del mundo; a más largo plazo, quiere pasar de ver a actuar, incluido el control de robots.Hay una discrepancia sobre el acceso: el blog dice que Glimpse está disponible hoy por API y en una interfaz de chat, mientras TechCrunch dice que la interfaz de chat requiere lista de espera.Mi lectura es que Glimpse es más interesante por lo que demuestra que por lo que gana. Un equipo pequeño, con unos cientos de GPU, se pone a la altura de los grandes en tareas visuales concretas cobrando una fracción, y eso presiona a los laboratorios. Pero hay que leerlo con cautela: los benchmarks son autoevaluaciones, y un precio por token bajo no garantiza un coste total menor si el modelo, al volver una y otra vez a la imagen, gasta muchos más tokens. Esa es la cifra que falta.La noticia Glimpse, el primer modelo de Elorian, vuelve a mirar la imagen mientras razona y cuesta una fracción de GPT-6 Astra fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.