A Elorian, startup de inteligência artificial sediada em Palo Alto e dirigida pelo antigo investigador da Google DeepMind Andrew Dai, lançou a 16 de outubro de 2026 o seu primeiro modelo. Chama-se Glimpse, chega como versão de investigação e é apresentado como um modelo de "pensamento visual": em vez de transformar uma imagem em tokens uma única vez e depois raciocinar sobre ela em texto, regressa aos píxeis sempre que precisa ao longo da resolução de um problema.
Segundo a publicação de lançamento, o Glimpse consegue rever e afinar representações visuais internas à medida que pensa e foi treinado de ponta a ponta como agente para usar ferramentas multimodais que escrevem código, transformam imagens e analisam vídeo. Pode ainda criar subagentes que trocam entre si texto, artefactos visuais e representações internas. O TechCrunch, que deu a notícia em exclusivo, chama a este mecanismo um "espaço de rascunho visual": a meio do raciocínio, o modelo recorta uma zona, extrai fotogramas concretos de um clipe ou corre código para medir o que vê. Num dos exemplos publicados, o modelo revê um troço de 0,9 segundos a cerca de 14 fotogramas por segundo para decidir se um movimento de câmara é uma panorâmica ou um corte.
A tabela de resultados vem das avaliações internas da Elorian. Mostra o Glimpse à frente do GPT-6 Astra em quatro testes: CharXiv-R, sobre gráficos científicos (92,90 contra 92,10), FSC-147, contagem de objetos (83,36 contra 82,02), UGC-VideoCap, legendagem de vídeos curtos (82,66 contra 80,32), e WGO Bench, compreensão de manipulações (42,70 contra 39,42). Empata no ERQA, raciocínio corporizado, com 83,75. Na mesma tabela fica atrás do Astra noutros, como o HSS de compreensão de cenas (46,36 contra 53,6), o DREAM-1K, o TOMATO, o Video-MME v2 e o CountQA, e o Claude Opus 5.5 tem a melhor nota em CharXiv-R, 93,40. A empresa diz ter usado cada modelo no esforço de raciocínio máximo e com o respetivo ambiente de agente nativo.
O preço pesa muito na proposta: 0,60 dólares por milhão de tokens de entrada e 3,00 dólares por milhão de saída, o que, segundo a Elorian, fica 94% abaixo do GPT-6 Astra, 85% abaixo do Claude Opus 5.5, 70% abaixo do GPT-6.1 Sol e 20% abaixo da tarifa promocional do Gemini 3.8 Flash. A equipa, pequena, terá usado apenas algumas centenas de GPU e partido de um modelo base de pesos abertos, que não identifica.
Quanto ao acesso, as fontes não coincidem por inteiro. A Elorian afirma que o Glimpse está disponível por API e numa interface de conversação mediante registo; o TechCrunch escreve que essa interface, por agora, funciona com lista de espera. A empresa saiu do anonimato há cerca de seis meses, depois de uma ronda inicial de 55 milhões de dólares com avaliação de 300 milhões, liderada pela Striker Venture Partners, Menlo Ventures e Altimeter Capital, com participação da Nvidia e de Jeff Dean, cientista-chefe da Google. Este mês publicou também o Humanity's Sixth Sense, um teste de raciocínio visual feito com a Scale AI.
Os primeiros clientes visados são organizações com muito vídeo: empresas de robótica, laboratórios científicos, grupos de media e estúdios criativos. A prazo, a ideia é passar de ver a agir, reconstruindo cenas, prevendo o que acontece a seguir e controlando robôs. A própria Elorian admite que a reconstrução calibrada e o controlo de robôs ainda estão por fazer, e Dai disse ao TechCrunch que quer, já no próximo ano, liderar todos os testes de raciocínio visual.
Voltar a olhar para a imagem durante o raciocínio não é inédito: o TechCrunch recorda que a OpenAI juntou recorte e ampliação aos seus modelos da série o em 2025. A diferença reivindicada pela Elorian é ter construído um modelo inteiro em torno dessa abordagem, a baixo custo. Não foram encontradas avaliações independentes, pelo que as comparações devem ser lidas como alegações da empresa.