Elorian’s Glimpse aposta que raciocínio baseado em imagens pode superar modelos de IA maiores
- A Elorian lançou o Glimpse, um modelo de raciocínio visual que revisita repetidamente imagens e vídeos enquanto resolve tarefas.
- A empresa afirma que o Glimpse iguala ou supera o GPT-6 Astra em vários benchmarks, cobrando 94% menos por token.
- O Glimpse permanece como uma prévia de pesquisa, e seus resultados nos benchmarks ainda não foram verificados independentemente.
Elorian lançou o Glimpse em 16 de outubro, afirmando que seu raciocínio visual pode competir com modelos de IA maiores por uma fração do preço.
De acordo com a TechCrunch, o modelo inicial é uma prévia de pesquisa que inclui acesso à API para desenvolvedores e uma lista de espera para sua interface de chat. Para empresas que estão pensando em experimentar essa tecnologia, um desafio real é saber se o Glimpse consegue oferecer desempenho semelhante em situações do mundo real.
A proposta do espaço de rascunho visual
Ao contrário dos modelos que analisam imagens primeiro antes de tirar conclusões principalmente em texto, o Glimpse pode voltar às evidências visuais, examinar detalhes mais de perto, inspecionar quadros de vídeo e executar qualquer código. A empresa chama isso de "espaço de rascunho visual".
Andrew Dai, CEO da Elorian e ex-pesquisador do Google DeepMind, compartilhou uma história em que pediu ao seu modelo de IA para determinar o vencedor no jogo de tabuleiro que estava jogando. A IA não conseguiu decodificar os significados dos diferentes símbolos do jogo, algo que os humanos não têm dificuldade em entender.
Os humanos conseguem olhar para os diagramas da Ikea, sem texto, e montar móveis da Ikea, certo? Por que os modelos de IA não conseguem?
— Andrew Dai, falando com a TechCrunch
O conceito já havia sido aplicado anteriormente. A OpenAI lançou a lógica de corte e zoom em 2025. O artigo de pesquisa CharTool, atualizado em agosto de 2026, combinou o recorte de imagens com cálculos baseados em código. No caso do Elorian, é utilizado uma base de pesos abertos, juntamente com apenas algumas centenas de GPUs durante a implementação.
Números que a Elorian relata e aqueles que ela não enfatiza
Os preços da Glimpse são de US$ 0,60 por cada milhão de tokens de entrada e US$ 3 por cada milhão de tokens de saída, representando, segundo relatos, uma redução de 94% em relação ao que a Astra cobra. O Elorian já captou US$ 55 milhões, com uma avaliação de US$ 300 milhões, contando entre seus investidores a Nvidia e Jeff Dean, cientista-chefe do Google.
De acordo com o relatório da Elorian, o Glimpse superou o GPT-6 Astra em alguns aspectos, incluindo CharXiv-R (92,90 contra 92,10), legendagem de vídeos curtos, contagem de vocabulário aberto e compreensão de eventos de manipulação. Além disso, ambos os sistemas obtiveram resultados idênticos no raciocínio espacial embarcado.
No entanto, o Glimpse ficou atrás do Astra na legendagem densa de vídeos, no raciocínio temporal fino e na contagem de imagens de produtos. Além disso, ao considerar o HSS (benchmark da Elorian relacionado à compreensão de cenas), a pontuação do Glimpse é 46,36, enquanto a do Astra é 53,6. A linha de base humana é de 93,1%. A comparação entre Glimpse e Astra ainda não foi verificada independentemente.
Onde os modelos atuais realmente falham
Pesquisas independentes demonstram por que a precisão é importante. A RoboVista, desenvolvida por Berkeley, Princeton e Google DeepMind, descobriu que seu modelo mais avançado respondeu corretamente apenas 56,5% das 474 perguntas relacionadas a robôs.
Enquanto isso, a InspecSafe-V1 coletou 5.013 instâncias de inspeção de 41 robôs em 2.239 locais. A pesquisa destaca desafios do mundo real, como reflexos, obstruções e ruído nos sensores. Um estudo separado sobre gráficos também identifica a percepção visual detalhada como uma fraqueza persistente.
Um grande mercado, se a precisão for confirmada
A Federação Internacional de Robótica informou que cerca de 5 milhões de robôs industriais estavam operando em todo o mundo em 2025, um aumento de 9% em relação ao ano anterior. Mais de 600.000 novos robôs foram instalados, destacando a crescente necessidade de máquinas capazes de compreender e responder ao seu entorno.
Essa demanda também está impulsionando investimentos no treinamento de robôs. Conforme relatado pela Cryptopolitan, a LG está utilizando as ferramentas da Nvidia para coletar 100.000 horas de dados de treinamento de robôs até o final de 2026, antes de uma demonstração planejada com humanoides no início de 2027. Embora o projeto não tenha conexão com a Elorian, ele mostra quão importante está se tornando a compreensão visual na robótica.
A Elorian espera, a longo prazo, ir além do raciocínio visual para o controle direto de robôs, uma capacidade que o Glimpse ainda não oferece. Por enquanto, convencer as empresas a adotar o modelo dependerá da precisão e segurança com que ele opera em condições reais, da facilidade de integração com sistemas existentes e se seus custos permanecem competitivos. Apenas pontuações elevadas em benchmarks não serão suficientes.
As mentes mais inteligentes do setor de criptomoedas já leem nosso boletim informativo. Quer entrar? Junte-se a eles.
Perguntas Frequentes
O que é o Glimpse da Elorian e como ele raciocina sobre imagens?
O Glimpse é um modelo de raciocínio visual que, durante o processo de raciocínio, pode ampliar uma região específica, extrair quadros de um vídeo ou executar código para medir o que vê. Esse ciclo, chamado pela Elorian de "espaço de rascunho visual", difere da abordagem tradicional de converter uma imagem em texto uma única vez e raciocinar a partir da memória.
Quanto custa o Glimpse e como a Elorian foi financiada?
O Glimpse tem preço de US$ 0,60 por milhão de tokens de entrada e US$ 3,00 por milhão de tokens de saída. A Elorian levantou US$ 55 milhões em rodada semente, avaliada em US$ 300 milhões, com liderança conjunta da Striker Venture Partners, Menlo Ventures e Altimeter Capital, contando também com a participação da Nvidia e de Jeff Dean.
Como os modelos atuais de IA lidam com tarefas de robótica e visão?
Testes independentes revelam grandes lacunas: no benchmark RoboVista de 474 perguntas de robôs especialistas, o melhor modelo avaliado obteve apenas 56,5%, e no benchmark de compreensão de cenas HSS da Elorian, o modelo líder, GPT-6 Astra, alcançou 53,6% contra uma base humana de 93,1%.
Ibiam Wayas
Ibiam Wayas cobre notícias sobre criptomoedas desde 2019. Estudou Ciência da Computação na Universidade Aberta Nacional da Nigéria. Seu trabalho apareceu em várias plataformas de notícias sobre cripto, incluindo Coinfomania, Crypto News Australia e AltcoinBuzz. Com base em sua formação em Ciência da Computação, ele agora se concentra em notícias sobre cripto, robótica e longevidade.
