¿Qué es Glimpse? El modelo de pensamiento visual de Elorian, explicado

Elorian lanzó Glimpse el 16 de octubre de 2026 — su primer modelo, y un tipo diferente de sistema multimodal. En lugar de tokenizar una imagen una sola vez y razonar a partir de esa instantánea única, Glimpse es un modelo de "pensamiento visual" que puede volver a la imagen o al video en medio del razonamiento, hacer zoom en una región o reproducir un clip corto antes de responder. Esta guía explica qué es Glimpse, cómo rinde frente a los modelos de frontera, cuánto cuesta y dónde encaja.

¿Qué es Glimpse?

Glimpse es un modelo de razonamiento visual multimodal de Elorian, diseñado para comprender y razonar sobre el mundo físico a partir de lo que ve. En lugar de convertir primero una imagen en texto, razona directamente sobre imágenes y video — lo que le permite encontrar pequeños detalles en escenas densas, rastrear eventos a lo largo de fotogramas y mantener sus respuestas ancladas en lo que realmente aparece en pantalla (Elorian, OpenRouter).

La idea central proviene del cofundador y CEO Andrew Dai: cuando un modelo no está seguro de lo que muestra una imagen, debería volver a mirarla en lugar de razonar a partir de una primera impresión con pérdida de información. Dai pasó 12 años en Google, donde lideró el área de datos de Gemini, antes de fundar Elorian (Dealroom).

Elorian está lanzando Glimpse como una vista previa de investigación con acceso a API e interfaz de chat. En OpenRouter tiene una ventana de contexto de 262K tokens, acepta texto, imágenes y video, devuelve texto y admite llamadas a herramientas y salidas estructuradas.

Cómo funciona realmente el "pensamiento visual"

La mayoría de los modelos de visión-lenguaje leen una imagen en tokens una sola vez y nunca vuelven a los píxeles. Glimpse está construido en torno a la inspección repetida — lo que TechCrunch describió como un "espacio de trabajo visual" (en inglés, visual scratch space) (reportado por WOWTALE).

En la práctica, mientras razona, Glimpse puede:

• Hacer zoom en una región para verificar un detalle sobre el que no está seguro.
• Volver a un momento específico de un video y reproducirlo.
• Reproducir un intervalo corto a una tasa de fotogramas más densa — por ejemplo, pasando de aproximadamente 8 fps a 14 fps durante el segundo ambiguo que determina si un plano es un paneo o un corte.
• Rastrear una característica a lo largo del tiempo para evaluar el movimiento, como seguir el borde de una ventana para determinar si un tren está desacelerando.

Según Elorian, Glimpse también está entrenado de extremo a extremo como agente: puede escribir código, transformar imágenes, ver videos y crear subagentes que intercambian texto, artefactos visuales y representaciones internas para resolver un problema compartido.

Benchmarks de Glimpse frente a GPT-6 Astra, Opus 5.5 y Gemini 3.8 Flash

Elorian publica una tabla de benchmarks que compara Glimpse (con el máximo esfuerzo de razonamiento) frente a GPT-6 Astra, GPT-6.1 Sol, Claude Opus 5.5 y Gemini 3.8 Flash. Estos son resultados reportados por la propia empresa, por lo que deben tratarse como la evaluación interna de Elorian y no como cifras verificadas de forma independiente.

Según Elorian, Glimpse supera a Astra en cuatro evaluaciones — razonamiento sobre gráficos científicos, conteo de vocabulario abierto, subtitulado de video de formato corto y comprensión de eventos de manipulación — y lo iguala en razonamiento situado. Algunas cifras seleccionadas de la tabla de Elorian:

La tabla también muestra dónde Glimpse queda por detrás. Según los propios números de Elorian, pierde frente a Astra en percepción fina de BabyVision, comprensión de escenas HSS, subtitulado denso DREAM-1K, razonamiento temporal TOMATO, Video-MME v2 y conteo de productos CountQA. Elorian ha sido transparente en señalar que Glimpse es un modelo considerablemente más pequeño que los sistemas con los que se compara, lo que hace que la mezcla de victorias y derrotas valga la pena analizar con detenimiento.

Una afirmación de demostración ampliamente compartida: Glimpse resolvió 5 de 5 laberintos de dificultad creciente mientras que Gemini 3.8 Flash resolvió 1 de 5 (reportado por TestingCatalog). Ese es un resultado de demostración, no un benchmark estandarizado.

¿Cuánto cuesta Glimpse?

Glimpse tiene un precio de $0.60 por millón de tokens de entrada y $3.00 por millón de tokens de salida (OpenRouter). Elorian afirma que esto representa:

• Un 94% menos que GPT-6 Astra
• Un 85% menos que Claude Opus 5.5
• Un 70% menos que GPT-6.1 Sol
• Un 20% menos que la tarifa introductoria de Gemini 3.8 Flash

La diferencia práctica por tarea puede ser mayor debido a cómo funciona Glimpse. En el ejemplo de planificación robótica de Elorian, Glimpse planificó una tarea de acción visión-lenguaje por $0.035, mientras que GPT-6 Astra costó $0.249 para el mismo episodio. Elorian señala que la reinspección densa consume más tokens y afirma que la eficiencia de tokens es su próxima prioridad.

Cómo fue construido y financiado

Elorian afirma que un equipo pequeño entrenó Glimpse con solo unos pocos cientos de GPUs mediante el post-entrenamiento de un modelo base de pesos abiertos — muy por debajo de los presupuestos de cómputo que los laboratorios de frontera destinan a sus sistemas multimodales insignia (Startup Fortune).

La empresa recaudó una ronda semilla de $55M con una valoración de $300M antes de lanzar un producto, con Nvidia y el científico jefe de Google, Jeff Dean, entre los participantes (Dealroom).

Dónde encaja Glimpse

Elorian apunta a casos de uso del mundo físico y medios: robótica (etiquetado de datos sintéticos y planificación de alto nivel), revisión de grabaciones de construcción y manufactura, subtitulado denso de video para archivos multimedia y conteo preciso en obras (OpenRouter). La propuesta es que, para cargas de trabajo visuales a escala, los modelos generales de frontera a menudo no son suficientemente precisos o resultan demasiado costosos — y un especialista más económico que sigue mirando puede llenar ese vacío.

La pregunta abierta, planteada incluso por observadores favorables, es si los modelos especializados para capacidades específicas son la forma correcta a largo plazo, o si los modelos generales de frontera absorberán estas habilidades. Por ahora, Glimpse es una apuesta concreta de que el razonamiento visual merece un modelo construido en torno a él.

Pon el razonamiento visual a trabajar en tu propio stack de agentes

Glimpse es un recordatorio de que la unidad útil no es un modelo gigante único — es el modelo adecuado integrado en un flujo de trabajo real. Eigent es una aplicación de escritorio Cowork de código abierto y local: una fuerza de trabajo de IA multi-agente que puedes conectar a tus propias herramientas y datos, combinando modelos para las tareas en las que cada uno destaca. Si tu trabajo implica revisar grabaciones, documentos o paneles de control, descubre cómo un flujo de trabajo multi-agente lo gestiona en agentes de IA para empresas unipersonales, y luego descarga Eigent para construir el tuyo propio.