Elorian lanza Glimpse, su primer modelo de IA que razona con imágenes y no solo sobre ellas
Hecho Qué ha ocurrido
La startup Elorian, con sede en Palo Alto, ha publicado Glimpse, su primer modelo, en forma de vista previa de investigación con acceso por API; la interfaz de chat solo está disponible mediante lista de espera. El modelo puede recortar regiones de una imagen, extraer fotogramas de un vídeo o ejecutar código durante el razonamiento, y cuesta 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de salida. Según evaluaciones propias de la empresa, supera a GPT-6 Astra en razonamiento sobre gráficos científicos y en subtitulado de vídeos cortos.
Resumen generado mediante IA a partir de TechCrunch AI (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra un enfoque alternativo para que los modelos multimodales revisen las imágenes durante el razonamiento, en lugar de describirlas una sola vez. Para empresas con mucho material visual, como vídeo, gráficos o documentos técnicos, puede ser una opción a evaluar frente a los modelos generalistas.
- Quién se ve afectado
- Empresas con grandes volúmenes de vídeo o datos visuales, como robótica, laboratorios científicos y medios creativos.
- Qué puede cambiar
- Si los resultados se confirman con evaluaciones independientes, podría ampliarse el uso de modelos baratos y especializados en visión para tareas que hoy requieren modelos más caros.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Conviene vigilar las evaluaciones independientes, la disponibilidad de la interfaz de chat y la evolución de precios frente a modelos de gama media. La hoja de ruta de Elorian hacia la robótica y el control de máquinas también merece seguimiento.
Enviar esta noticia por correo
Fuente original: TechCrunch AI. La referencia es siempre el artículo original.
Ver fuente original ↗modelos multimodalesrazonamiento visualAPI ElorianOpenAI APIElorianGlimpsemultimodalrazonamiento visual
Tu opinión
0 comentarios
Relacionadas
Jev, un modelo ligero de clasificación, llega al 35% de los equipos de pago de Vercel en dos semanas
Datos de la pasarela de IA de Vercel indican que Jev, de TypeSafe AI, fue usado por el 35% de los equipos de pago en las dos semanas posteriores a su…
Por qué importaMuestra que los modelos especializados y baratos para clasificación masiva ganan terreno frente a los modelos generalistas de frontera. Para un…
Gemini 4 Argon de Google obtiene 97,5 % en ARC-AGI-3, pero cae a 49,8 % con otro método de prueba
Google DeepMind presentó Gemini 4 Argon, que alcanza 97,5 % en el benchmark ARC-AGI-3 usando un arnés de prueba con funciones específicas del proveedor, con un…
Por qué importaLas cifras de un benchmark dependen mucho de la configuración de la prueba, así que una puntuación alta no equivale a mejor rendimiento en un caso de…
Meta lanza Muse Spark Open, un modelo de IA de pesos abiertos que llegará al Mac Studio con Apple
Meta ha lanzado Muse Spark Open, un modelo de IA de pesos abiertos, que ha preparado junto a Apple para funcionar en el Mac Studio. Se presenta como…
Por qué importaLa disponibilidad de un modelo abierto de Meta optimizado para equipos de escritorio amplía las opciones para ejecutar IA en local, sin depender de…
NVIDIA y AI4Bharat presentan Nemotron-pretraining-Indic-v1, con 2,8 billones de tokens en 22 idiomas indios
NVIDIA, con IIT Madras y su laboratorio AI4Bharat, anuncia Nemotron-pretraining-Indic-v1, un corpus de unos 2,8 billones de tokens en los 22 idiomas listados…
Por qué importaLos idiomas indios cuentan con poco material de entrenamiento, y un corpus abierto y auditable reduce esa barrera para crear modelos en esas lenguas…