Glimpse vs. Intern Decision 4B: Welche dieser beiden beantwortet tatsächlich Ihre Frage

Die beiden Modelle in diesem Vergleich teilen eine Modalität und sonst fast nichts. E​lorian G​limpse, veröffentlicht am 16. Oktober 2026, ist eine Vorschau für visuelles Reasoning, die zu einem Fenster innerhalb eines Videos zurückkehren kann, das sie bereits angesehen hat – im veröffentlichten Trace wurde eine Neun-Zehntel-Sekunde mit etwa 14 Bildern pro Sekunde erneut gescannt, nach einem ersten Durchlauf mit ungefähr 8 – und schreibt dann eine Antwort in Prosa. Intern-Decision-4B, hochgeladen vom I​nternLM-Team des Shanghai AI Laboratory am 26. September 2026 ohne jegliche Ankündigung, schreibt nichts. Es nimmt einen gemeinsamen Zustand, ein Schema benannter Fragen und optional einige Bilder entgegen und gibt in einem einzigen Forward-Pass eine kalibrierte Wahrscheinlichkeitsverteilung über diese benannten Antworten zurück. Es ruft niemals generate() auf. Es gibt keine Gedankenkette, keinen Satz, keinerlei Token-für-Token-Ausgabe.

Das bedeutet, dass die erste Frage in diesem Vergleich nicht lautet, welches Modell besser ist. Sie lautet, ob Ihr Problem ein Leseproblem oder ein Entscheidungsproblem ist, und die meisten Teams stellen fest, dass sie ein Entscheidungsproblem als ein Leseproblem behandelt haben, weil Lesen das einzige verfügbare Instrument war.

Ein Modell, das eine Zahl statt eines Absatzes zurückgibt

Die Intern-Decision-Familie kam leise am Morgen des 26. September 2026 an – drei Größen, 0.8B, 2B und 4B, innerhalb von vierzig Sekunden voneinander hochgeladen, was die Signatur eines Skripts und nicht die eines Release-Prozesses ist. Es gab keinen Blogbeitrag, keinen Model-Card-Aufsatz, keinen Launch-Thread. Der Demo-Space gab zum Zeitpunkt des Schreibens 401 zurück, die Collection gab 401 zurück, die GitHub-Organisation gab 404 zurück, und das größte Mitglied der Familie hatte null Downloads und ein Like angesammelt. Alles im Folgenden ist aus der veröffentlichten Konfiguration und dem Repository abgelesen und nicht von einem Anbieter, der uns erzählt, was es tut.

Was die Konfiguration aussagt, ist konkret. Intern-Decision-4B ist ein Fine-Tuning von Qwen 3.5 4B mit 4,54 Milliarden Parametern, und seine Schnittstelle ist eine Entscheidungsmaschine statt einer Chat-Vervollständigung. Man übergibt ihm einen gemeinsamen Zustand – den Kontext, den alle Fragen teilen –, dazu ein Schema, das eine Reihe von Fragen benennt, sowie bis zu acht Bilder. Es gibt eine Verteilung über ein festes Vokabular aus Ein-Token-Symbolen zurück: A bis Z, a bis z und 0 bis 9. Zweiundsechzig Symbole – genau deshalb liegt die Obergrenze für Optionen bei zweiundsechzig, und das ist keine Designentscheidung, auf die jemand gekommen ist, indem er darüber nachdachte, wie viele Antworten ein Mensch möchte. Drei Fragetypen werden unterstützt: eine Auswahl zwischen benannten Optionen, eine Bewertung auf einer Skala und eine Entscheidung in Ja/Nein-Form.

Das ist das ganze Produkt. Sein Wert liegt nicht in abstrakter Genauigkeit. Er liegt darin, dass die Ausgabe eine Wahrscheinlichkeit ist, auf die man einen Schwellenwert setzen und die man im Nachhinein prüfen kann, deterministisch in einem einzigen Vorwärtsdurchlauf erzeugt, statt eines Absatzes, dessen Zuversicht man aus seinem Ton erschließen muss.

Die Benutzeroberfläche ist der eigentliche Unterschied.

• Was hineinkommt — G​limpse nimmt Video und Bilder sowie eine Frage in natürlicher Sprache entgegen. Intern-Decision-4B nimmt einen gemeinsamen Zustand, ein Schema explizit benannter Fragen und bis zu acht Bilder entgegen.

• Was dabei herauskommt — Glimpse liefert Fließtext plus eine Spur davon, wo im Clip er hingesehen hat. Intern-Decision-4B liefert eine Verteilung über bis zu 62 Symbole, also eine Zahl pro Option und sonst nichts.

• Ausgabekosten — ein einzelner Vorwärtsdurchlauf gegen einen Token-Stream. Glimpse stellt $3.00 pro Million Ausgabe-Tokens in Rechnung, und sein Mechanismus verbraucht bewusst zusätzliche Tokens, um erneut nachzusehen, der Trace ist also die Quittung. Intern-Decision-4B erzeugt pro Anfrage eine feste Handvoll Logits, wodurch die Ausgabekosten nahezu konstant sind, statt proportional dazu, wie schwierig die Frage ist.

• Größe — 4,54 Milliarden Parameter, veröffentlicht, herunterladbar. Für G​limpse nicht veröffentlicht, das lediglich angibt, es sei „wesentlich kleiner und günstiger" als die Frontier-Modelle in seiner eigenen Benchmark-Tabelle.

• Gewichte — offen für jedes Mitglied der Intern-Decision-Familie. Keine für G​limpse, das nur hinter E​lorians API und Chat-Oberfläche existiert.

• Unabhängigkeit — die beiden sind hier gleich, und gleichermaßen schwach. Die Benchmark-Zeilen von Glimpse sind Elorians eigene, nicht reproduziert, ausgeführt mit dessen höchstem Denkaufwand gegen Rivalen, die unterhalb ihres eigenen Aufwands bewertet wurden. Für Intern-Decision-4B gibt es keinerlei veröffentlichte Evaluation, die dieser Artikel finden konnte; die Zahlen in seiner Konfiguration sind Attention-Geometrie, nicht Genauigkeit.

Das Limit, das sich im Tokenizer versteckt

Hier ist die Zahl, die darüber entscheidet, ob Intern-Decision-4B für eine bestimmte Aufgabe brauchbar ist, und sie steht in keiner Schlagzeile.

Der zugrunde liegende Qwen 3.5 4B Tower deklariert eine maximale Positionseinbettung von 262.144 Tokens. Die darum herum gebaute Entscheidungs-Engine wird mit max_length=8192 konstruiert, und Eingaben darüber werden rundheraus abgelehnt statt gekürzt. Für sich genommen ist das eine vertretbare Engineering-Entscheidung — stilles Kürzen verwandelt einen langen Kontext in eine falsche Antwort ohne Fehler. Aber die acht Bilder gehen zulasten desselben 8.192-Budgets. In einem Workflow, der dem Modell eine Screenshot-Sammlung plus einen gemeinsamen Zustand übergibt, der einen Fall beschreibt, wird die praktische Obergrenze weit früher erreicht, als 262.144 vermuten lässt, und das Scheitern ist eine harte Ablehnung statt einer verschlechterten Antwort.

Wer plant, Intern-Decision-4B zur Dokumentenprüfung einzusetzen, sollte diese Grenze testen, bevor er darauf aufbaut. Der Demo-Space, die Sammlung und das Repository waren alle nicht zugänglich, als dies geschrieben wurde, daher besteht die einzige Möglichkeit, die tatsächliche Obergrenze zu ermitteln, darin, Eingaben zu konstruieren und zu beobachten, wo die Engine sie ablehnt.

Glimpse hat an derselben Stelle das spiegelbildliche Problem. Sein Kontextfenster wurde nie veröffentlicht, und die Hauptfähigkeit des Modells ist das Lesen von Videos. Ein Intervall von 0,9 Sekunden passt in jedes Fenster. Ein zweistündiger Clip nicht, und keine veröffentlichte Zahl sagt, wo die Grenze liegt. In beiden Fällen wird die Schlussfolgerungsfähigkeit beschrieben, und der Container, in den sie hineinpassen muss, ist der Teil, der dem Raten überlassen bleibt – eher ein Zufall der Auslassungen als ein Zufall des Designs.

Worin jedes Einzelne wirklich besser ist

Der konkrete Fall für G​limpse ist die zeitliche Auflösung. Eine Abtastung mit festem Zeitplan verliert alles, was zwischen zwei abgetastete Einzelbilder fällt, weshalb Schwenken oder Schneiden, Objektidentität über eine Verdeckung hinweg und Subsekunden-Ereignisse schwierige statt leichte Fragen sind. Mehr Parameter bei acht Bildern pro Sekunde holen die fehlenden Informationen nicht zurück; wohl aber zusätzliche Rechenleistung für ein einzelnes Intervall aufzuwenden, nachdem der gesamte Clip gesehen wurde. E​lorians Spuren zeigen, dass das Modell genau das tut, und der visuelle Notizbereich macht die Entscheidung im Nachhinein überprüfbar – man kann sehen, ob es jemals zu dem Intervall zurückgekehrt ist, das die Antwort entschieden hat.

Das konkrete Argument für Intern-Decision-4B ist, dass es den Parsingschritt vollständig aus einer Klassifizierungs-Pipeline entfernt. Man stelle sich einen Underwriting- oder Triage-Ablauf vor, der derzeit ein großes Modell mit einem Prompt aufruft, der es auffordert, mit einem von fünf Labels zu antworten, dann die Antwort parst, dann erneut versucht, wenn das Modell mit einem Satz statt einem Label antwortet, und dann „wahrscheinlich ja“ so behandelt, als wäre es ein Ja. Intern-Decision-4B reduziert das auf einen einzigen Forward-Pass, der fünf Wahrscheinlichkeiten zurückgibt. Kein Parser, keine Retry-Schleife, keine Mehrdeutigkeit darüber, was das Modell gemeint hat. Wenn der Schwellenwert für das dritte Label 0,7 beträgt, ist das eine Zahl in Ihrem Code und keine Heuristik in Ihrem Prompt.

Auch der Fall für keines von beiden verdient es, dargelegt zu werden. Wenn Sie einen Absatz brauchen, der erklärt, was in einer Szene geschieht, kann Intern-Decision-4B ihn nicht liefern — es hat überhaupt keinen Generierungspfad. Wenn Sie eine Schwellenwertentscheidung über den semantischen Inhalt eines Bildes brauchen, ist G​limpse ein teurer Weg, eine Zahl zu erhalten, die Sie billiger hätten bekommen können, und die Benchmark-Tabelle des Anbieters selbst belegt, dass das Zurückspulen der Medien die Inferenz darüber, was eine Szene impliziert, nicht verbessert: In der Humanity's Sixth Sense-Evaluation von E​lorian erreicht G​limpse 46,36 im Vergleich zu GPT-6 Astra mit 53,6, in einem Benchmark, den E​lorian mit Scale AI erstellt hat.

Eines von beiden hinter einen Produktionspfad zu stellen

Bei der hiesigen Routing-Frage geht es nicht um den Preis, denn die beiden Modelle sind keine Preissubstitute – das eine wird pro Token abgerechnet, das andere ist ein fester Vorwärtsdurchlauf, und keines von beiden steht in unserem Katalog. Es geht darum, was einem Modell vorgelagert ist, dessen Fehlermodus eine harte Ablehnung ist.

Intern-Decision-4B lehnt Eingaben oberhalb seines Engine-Limits ab. Eine Pipeline, die keinen Fallback für diese Ablehnung hat, verwirft Anfragen. OrcaRouters Antwort auf diese Art von Problem ist automatisches Failover: ein Schlüssel vor über 200 Modellen, mit einer Routing-DSL, die entscheidet, welche Anfrage wohin geht, sodass eine Anfrage, die die Entscheidungs-Engine ablehnt, an ein generatives Modell gesendet werden kann, das dieselben Eingaben liest und die Antwort in Prosa schreibt. Der Listenpreis des Anbieters wird durchgereicht, ohne dass pro Token etwas hinzugefügt wird, sodass der sekundäre Pfad genau das kostet, was sein eigener Anbieter verlangt, und sich am Tag ändert, an dem dieser Anbieter seinen Tarif ändert. Dieselbe Ebene macht eine unerprobte Vorschau testbar, ohne sie zu befördern: Setzen Sie G​limpse auf eine Schattenroute, vergleichen Sie seine Urteile mit einem Modell, dem Sie bereits vertrauen, und befördern Sie es erst, wenn die Traces zeigen, dass es zu den Intervallen zurückkehrt, die zählen. Wir bedienen keines der beiden Modelle — E​lorians eigene API ist der Ort, an dem G​limpse lebt, und Intern-Decision-4B ist ein Download —, sodass die Routing-Ebene an der Form der Pipeline arbeitet, nicht an der Verfügbarkeit dieser beiden.

Was würde die Antwort ändern?

Für G​limpse drei Dinge: eine unabhängige Testumgebung, die eine Zeile aus E​lorians Tabelle reproduziert, ein veröffentlichtes Kontextfenster und jede Offenlegung des Basismodells, auf dem das Unternehmen nachtrainiert hat. Alle drei sind derzeit leer.

Für Intern-Decision-4B, zwei Dinge. Die Dokumentation wäre das Erste – drei Modell-Uploads in vierzig Sekunden mit einem unzugänglichen Space, einer unzugänglichen Collection und einem 404-Repository sind kein Release, sondern ein Snapshot, der entkommen ist. Eine Entscheidungs-Engine ohne veröffentlichte Genauigkeitskennzahlen lässt sich an nichts kalibrieren, und ein Modell, das Wahrscheinlichkeiten zurückgibt, ist genau so viel wert wie das Vertrauen, das man in diese setzen kann. Ein angehobenes Engine-Limit oder ehrliche Hinweise zum Bildbudget wäre das Zweite, denn eine 8.192-Token-Obergrenze, die stillschweigend bis zu acht Bilder einschließt, ist eine Spezifikationsüberraschung, die in der Produktion nur darauf wartet, zu passieren.

Bis diese eintreffen, ist die Trennung sauber und hat nichts damit zu tun, welches Modell größer ist. Wenn es Ihre Aufgabe ist, Filmmaterial zu sichten und einer Person zu sagen, was passiert ist, wobei das Intervall, das die Antwort entschieden hat, im Trace sichtbar ist, ist G​limpse der einzige der beiden, der dazu in der Lage ist, und die kostenlose Anmeldung macht den Test günstig. Wenn es Ihre Aufgabe ist, benannte Optionen zu klassifizieren, zu bewerten oder zwischen ihnen zu entscheiden, und Sie eine kalibrierte Zahl pro Option statt eines Satzes über sie benötigen, wurde Intern-Decision-4B genau dafür und für nichts anderes gebaut — akzeptieren Sie, dass es nicht dokumentiert ist, testen Sie die 8.192-Token-Grenze frühzeitig, und erwarten Sie nicht, dass es sich selbst erklärt, denn es hat keinen Mechanismus dafür.

Die dokumentierten KI-Ausfälle und Agent-Vorfälle hinter Veröffentlichungen wie dieser werden gesammelt in dem OrcaRouter AI Incident Archive, wo jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als strittig enthält.