Elorian lança IA que 'olha de novo' para a imagem antes de responder
O modelo Glimpse, primeiro produto da startup Elorian, revisita imagens e vídeos durante o próprio raciocínio e diz superar o GPT-6 Astra em quatro testes.
Por Marina Sato · Repórter de IA
Seis meses, US$ 55 milhões, um modelo
Seis meses. Foi o tempo que a Elorian, startup de IA de Palo Alto fundada por Andrew Dai, ex-pesquisador do Google DeepMind, ficou em modo 'stealth' antes de lançar nesta semana seu primeiro produto: o Glimpse. A empresa captou US$ 55 milhões em rodada seed, avaliada em US$ 300 milhões, com Striker Venture Partners, Menlo Ventures e Altimeter Capital, além de participação da NVIDIA, gigante dos chips gráficos que vem investindo pesado em startups de IA emergentes.
O que muda no raciocínio visual
Modelos de IA comuns convertem uma imagem em tokens uma única vez e depois raciocinam só em texto sobre ela. O Glimpse volta à fonte durante o próprio raciocínio: recorta regiões específicas da imagem, extrai quadros de vídeo ou roda código para medir e comparar elementos visuais. A Elorian chama isso de 'visual scratch space'. O modelo saiu como 'research preview', com acesso via API e chat.
Onde supera — e onde perde
Segundo benchmarks da própria Elorian, o Glimpse supera o GPT-6 Astra em quatro avaliações: raciocínio de gráficos científicos, contagem de vocabulário aberto, legendagem de vídeos curtos e compreensão de eventos de manipulação. Empata em raciocínio corporificado, mas perde em legendagem densa de vídeo, raciocínio temporal refinado e contagem em imagens de produtos. Números percentuais dos testes não foram divulgados. Em preço, cobra US$ 0,60 por milhão de tokens de entrada e US$ 3 por milhão de saída — cerca de 94% mais barato que o Astra nas mesmas métricas, segundo a própria empresa.
O que falta responder
Os benchmarks até agora são só da Elorian — não há avaliação independente publicada. A empresa diz ter treinado o modelo com 'algumas centenas de GPUs', volume bem menor que sistemas de ponta comparáveis, mas não abriu detalhes técnicos da arquitetura. Resta saber se o ganho de eficiência se sustenta em uso real, fora dos testes escolhidos pela própria startup.