A startup Elorian, baseada em Palo Alto, lançou seu primeiro modelo de inteligência artificial chamado Glimpse como preview de pesquisa. A empresa havia levantado uma série seed de $55 milhões com valuation de $300 milhões antes do lançamento do produto.
Glimpse oferece acesso via API, enquanto a interface de chat permanece em waitlist. O modelo representa uma abordagem diferente aos sistemas multimodais convencionais. A maioria dos modelos atuais processa uma imagem uma única vez, convertendo-a em tokens, e depois raciocina sobre ela em texto — similarmente a descrever uma foto de memória. Glimpse, por sua vez, retorna continuamente à fonte visual durante o raciocínio.
O mecanismo central do modelo é chamado de "visual scratch space". Durante o raciocínio, Glimpse pode fazer crop em regiões específicas, extrair frames individuais de vídeos ou executar código para medir e comparar o que está observando. A funcionalidade assemelha-se a quando uma pessoa usa os dedos para fazer zoom em uma foto no telefone e verificar o que realmente está vendo.
Andrew Dai, CEO da Elorian e ex-pesquisador do Google DeepMind, citou uma experiência pessoal como motivação. Ele fotografou um jogo de tabuleiro após uma partida com amigos e pediu a um modelo frontier que identificasse quem estava vencendo. O modelo não conseguiu responder. Dai apontou que cada jogo de tabuleiro possui sua própria linguagem visual, iconografia e símbolos — elementos que adultos compreendem facilmente com texto mínimo, mas que modelos de IA ainda não conseguem intuir adequadamente.
"Humanos conseguem olhar diagramas IKEA, sem texto, e montar móveis IKEA, certo? Por que modelos de IA não conseguem?" questionou Dai.
Embora a abordagem de crop-and-zoom durante raciocínio não seja completamente nova — OpenAI adicionou essa funcionalidade aos modelos o-series em 2025 — a proposta de Elorian é que construiu todo o modelo em torno dessa capacidade de forma eficiente. A empresa afirma ter treinado Glimpse com poucos centros de GPU e que o modelo é substancialmente menor do que os sistemas frontier contra os quais foi comparado.
Em relação aos custos, Glimpse é precificado a $0,60 por milhão de tokens de entrada e $3 por milhão de tokens de saída. Esse valor posiciona o modelo entre os de nível médio, como Sonnet e Sol, sendo mais caro que modelos leves como Haiku e Luna.
Segundo as avaliações próprias de Elorian, Glimpse supera o GPT-6 Astra em raciocínio sobre gráficos científicos e legendagem de vídeos curtos, apresentando resultados competitivos em outras tarefas de raciocínio visual. É importante ressaltar que estas são avaliações conduzidas pela própria empresa e não validadas independentemente.
A rodada de seed da Elorian foi liderada por Striker Venture Partners, Menlo Ventures e Altimeter Capital, com participação de Nvidia e Jeff Dean, chief scientist do Google. A empresa havia saído do stealth seis meses antes do lançamento de Glimpse.
Os alvos iniciais são empresas com grandes volumes de vídeo: firmas de robótica, laboratórios científicos, empresas de mídia e criativas. A longo prazo, Elorian pretende evoluir de raciocínio visual para ação direta, incluindo o controle de robôs. Para 2026, a empresa tem como objetivo construir "o melhor modelo de raciocínio visual do mundo", liderando em todos os testes dessa categoria.
