La majoria dels models d'IA amb visió descriuen una imatge i després en raonen amb paraules. Elorian, una empresa emergent de Palo Alto que va sortir del mode discret fa sis mesos, vol fer-ho al revés: que el raonament passi per les imatges mateixes. Ho ha fet amb Glimpse, el primer model, que acaba de sortir com a vista prèvia de recerca.
La tecnologia clau és un «espai de treball visual». Mentre raona, Glimpse pot retallar i ampliar regions d'una imatge, treure fotogrames concrets d'un vídeo i executar codi per mesurar o comparar el que hi veu. Segons l'empresa, un equip petit el va entrenar amb uns quants centenars de GPU, i és molt més petit que els models capdavanters amb què es compara. L'accés per API ja és obert, el xat és només per a una llista d'espera i costa 0,60 dòlars per milió de fitxes d'entrada i 3 dòlars per milió de sortida.
Elorian va captar una ronda llavor de 55 milions de dòlars, amb una valoració de 300 milions, abans de tenir cap producte. La van codirigir Striker Venture Partners, Menlo Ventures i Altimeter Capital, amb Nvidia i el cap científic de Google, Jeff Dean, com a participants. El conseller delegat, Andrew Dai, és un antic investigador de Google DeepMind, i els primers clients que busca són empreses amb molt de vídeo: robòtica, laboratoris científics i mitjans.
Cal anar amb cautela: les proves que diuen que Glimpse supera GPT-6 Astra en raonament sobre gràfics científics i en descripció breu de vídeos són de l'empresa mateixa, sense verificació independent. Retallar i ampliar mentre es raona tampoc no és nou: OpenAI ho va afegir als seus models de la sèrie o el 2025. El que Elorian defensa és haver construït tot el model al voltant d'aquesta idea. Els objectius de controlar robots directament són, de moment, plans.