Elorian lança modelo Glimpse com raciocínio visual
A startup Elorian lançou o Glimpse, modelo de raciocínio visual que reexamina imagens e vídeos dinamicamente em vez de depender de uma única passagem.
Startup fundada por ex-pesquisador do Google DeepMind apresenta arquitetura que inspeciona e amplia imagens durante o processamento em vez de fazer uma leitura única.
A Elorian, startup de inteligência artificial de Palo Alto, lançou nesta sexta-feira (16 de outubro de 2026) seu primeiro modelo de fundação: o Glimpse. Fundada por Andrew Dai, que liderou pesquisas de dados do Gemini no Google DeepMind, a empresa quer mudar a forma como modelos multimodais lidam com dados visuais, implementando um processo contínuo de raciocínio visual. Em vez de transformar um arquivo em texto uma única vez e confiar apenas nessa memória inicial, o sistema reexamina os pixels sempre que precisa tirar dúvidas.
O modelo está disponível como prévia de pesquisa (research preview), com acesso imediato por API e lista de espera para uma interface web de chat. A ferramenta aceita vídeos de até 15 minutos em qualquer taxa de quadros.
Como funciona o raciocínio visual dinâmico
A maioria dos sistemas multimodais atuais lê imagens em passagem única. Eles convertem a cena visual em blocos numéricos chamados tokens e usam apenas esse resumo para gerar respostas. Na prática, o método se parece com olhar uma planta baixa por cinco segundos e tentar responder perguntas detalhadas sobre as medidas do prédio sem poder olhar de novo para o papel.
A Elorian contornou esse gargalo estruturando o Glimpse ao redor do que chama de “espaço de rascunho visual” (visual scratch space). Quando o modelo se depara com rótulos pequenos, distâncias ambíguas ou detalhes espaciais complexos, ele consulta o arquivo original outra vez. O software consegue recortar trechos específicos, dar zoom, rodar códigos de medição ou selecionar quadros individuais de um vídeo antes de formular a conclusão.
Desempenho e o teste da Scale AI
Nos números compartilhados pela Elorian, o Glimpse superou o GPT-6 Astra em avaliações internas para leitura de gráficos científicos e legendagem de vídeos curtos. A startup também divulgou métricas no Humanity’s Sixth Sense (HSS), teste criado em parceria com a Scale AI para avaliar a compreensão de regras físicas cotidianas.
Nesse benchmark, o Glimpse cravou 46,4% de acerto. A marca ficou abaixo dos 53,6% do GPT-6 Astra e distante da referência humana média, que atinge 93,1%. Como essas comparações vieram de baterias de testes coordenadas pela própria startup, o desempenho ainda carece de checagem independente.
Centenas de GPUs e preço de mercado
Um dos argumentos centrais da Elorian está na eficiência do treinamento. A empresa declarou que treinou o Glimpse com uma equipe enxuta e usando apenas “poucas centenas de GPUs”. O volume destoa das dezenas de milhares de chips que grandes laboratórios costumam mobilizar para modelos multimodais.
A startup saiu do sigilo há seis meses, quando anunciou uma captação seed de US$ 55 milhões sob avaliação de US$ 300 milhões. A rodada foi coliderada por Menlo Ventures, Striker Venture Partners e Altimeter Capital, com aportes da Nvidia e de Jeff Dean, cientista-chefe do Google. O quadro de liderança técnica também inclui Yinfei Yang, pesquisador com histórico no Google e na Apple.
Na API, a cobrança é de US$ 0,60 por milhão de tokens de entrada e US$ 3,00 por milhão de tokens de saída. Os valores colocam o serviço em uma faixa intermediária em comparação com concorrentes comerciais de visão computacional.
O que ainda está por comprovar
A Elorian não revelou a contagem de parâmetros do Glimpse nem detalhou a composição do conjunto de dados de pré-treino. O modelo é fechado e só roda via nuvem corporativa, sem distribuição de pesos abertos. Embora a liderança mencione controle robótico como horizonte de longo prazo para sua tecnologia de percepção, a ferramenta atual atende apenas à análise visual de fotos e vídeos sob demanda.