Glimpse vs Granite 4.2 3B: Uno lo revela todo, el otro revela un comportamiento

Ponga las dos hojas de especificaciones una al lado de la otra y la comparación parece desequilibrada en una dirección inusual. G​ranite 4.2 3B, publicado por I​BM el 25 de agosto de 2026 bajo Apache 2.0, viene con una tarjeta de modelo que indica su número de capas, la geometría de las cabezas de atención, la base de RoPE, el épsilon de normalización, la función de activación, el atado de embeddings, la dimensión oculta, la temperatura de muestreo recomendada y cada fila de benchmark que el equipo eligió publicar. E​lorian G​limpse, publicado el 16 de octubre de 2026, viene con una traza de vídeo de 0,9 segundos. No tiene un recuento de parámetros publicado, ni una ventana de contexto, ni un modelo base con nombre, ni una descripción de arquitectura. Uno de estos te dice todo excepto para qué sirve; el otro te dice exactamente para qué sirve y nada sobre qué es.

Ese es el verdadero eje de esta comparación, y no es el eje al que invitan los dos lanzamientos. G​ranite 4.2 3B es un modelo de razonamiento autoalojable con una especificación que puedes auditar antes de descargarlo. G​limpse es una vista previa de investigación alojada cuya capacidad publicada en su totalidad es un comportamiento: volver a un momento dentro de un clip que ya ha visto, volver a escanearlo a una tasa de fotogramas más densa y responder a partir de lo que encuentra allí. Ninguno de los dos está en nuestro catálogo, y eso importa menos aquí que de costumbre, porque la decisión entre ellos no es principalmente una decisión de enrutamiento.

Dos lanzamientos, dos estrategias de divulgación opuestas

La línea Granite 4.2 de IBM es razonamiento denso en tres tamaños — 3B, 8B y 30B — y el 3B es el más pequeño de los tres. Está post-entrenado a partir de Granite-4.1-3B-Base mediante lo que la tarjeta describe como un pipeline de tres etapas, y conserva la ventana nativa de 128.000 tokens de la familia con una ruta de extensión documentada hasta 512.000. Doce idiomas figuran como probados. La tarjeta publica la arquitectura completa: 40 capas, un ancho de embedding de 2.560, un feed-forward SwiGLU con ancho oculto de 8.192, atención de consultas agrupadas en 40 cabezas de consulta y 8 cabezas clave-valor con tamaño de cabeza 64, una base RoPE de 10 millones, RMSNorm con épsilon 1e-5, embeddings no atados, pesos bfloat16 y una clase de servicio GraniteForCausalLM. El muestreo recomendado es temperatura 1,0 con top-p 0,95.

La publicación de Elorian's Glimpse no publica nada de eso. Lo que publica, en cambio, es un mecanismo. En las trazas detalladas publicadas junto con el modelo, Glimpse hace una primera pasada por un clip a unas 8 fotogramas por segundo, forma una lectura tentativa y luego vuelve sobre nueve décimas de segundo de ese clip a unos 14 fotogramas por segundo para resolver una cuestión que su primera pasada no pudo —en el ejemplo publicado, si la cámara hizo un paneo o un corte. Una segunda traza sigue un borde de ventana desde aproximadamente el segundo 2,2 hasta que casi se detiene a los 5,13 segundos. La empresa llama a la superficie de visualización el espacio de trabajo visual y dice que el modelo se ha entrenado de extremo a extremo para usar herramientas multimodales, generando subagentes que intercambian texto, imágenes y representaciones internas.

Ambas son estrategias de lanzamiento legítimas, y fallan de maneras opuestas. Una ficha que lo publica todo aún puede equivocarse sobre en qué es bueno el modelo. Una publicación que publica un mecanismo aún puede estar describiendo una demo.

La especificación publicada, dimensión por dimensión

• Parámetros — G​ranite 4.2 3B es un modelo denso de 3 mil millones de parámetros, aproximadamente 4B en bfloat16 una vez contada la tabla de embeddings. El número de parámetros de Glimpse nunca ha sido publicado por E​lorian; la única declaración sobre su tamaño en la publicación de lanzamiento es la afirmación de ser "un modelo sustancialmente más pequeño y más barato" que los sistemas de frontera con los que se compara.

• Ventana de contexto — 128.000 tokens nativos para G​ranite 4.2 3B, con una ruta documentada hasta los 512.000. No se publica para G​limpse, que es el hueco más determinante de la ficha, dado que su capacidad estrella es leer vídeo.

• Pesos — Apache 2.0 en Hugging Face para G​ranite 4.2 3B: descárgalo, ejecútalo en tu propio hardware, ajústalo, publícalo. Ninguno para G​limpse. Es una API y una interfaz de chat con registro gratuito, y nada en la publicación sugiere que vayan a llegar los pesos.

• Disponibilidad alojada — I​BM no publicó ninguna API alojada propia con el 3B en el momento del lanzamiento; lo que se entrega es la tarjeta. G​limpse es lo inverso: solo alojado, sin artefacto que conservar.

• Precio — 0,60 $ por millón de tokens de entrada y 3,00 $ por millón de salida para G​limpse. Para G​ranite 4.2 3B no existe ninguna tarifa, porque el coste es la electricidad y el hardware que ya tienes.

• Evaluación independiente — ninguna de las dos tiene alguna que merezca mención. Las cifras de G​ranite 4.2 3B son de I​BM; las de G​limpse, de E​lorian. En esta dimensión concreta, ambas publicaciones están idénticamente sin verificar, algo que conviene decir sin rodeos antes de que alguien trate a una de ellas como la mitad digna de confianza. p>img src="3.png" alt="Un marcador titulado «G​limpse vs G​ranite 4.2 3B — la brecha de divulgación» con el subtítulo «Seis dimensiones, ambos lados, las mismas etiquetas». Dos columnas comparten las mismas seis etiquetas de fila. La columna izquierda, encabezada «E​lorian G​limpse», dice «Parámetros: no publicados», «Contexto: no publicado», «Pesos: ninguno; solo API y chat», «Modelo base: sin nombre; descrito únicamente como de pesos abiertos», «Artefacto publicado: una publicación de lanzamiento con trazas resueltas», «Verificable en tu hardware: no». La columna derecha, encabezada «G​ranite 4.2 3B», dice «Parámetros: denso 3B, alrededor de 4B en bfloat16», «Contexto: 128.000 nativo, 512.000 con extensión», «Pesos: Apache 2.0 en Hugging Face», «Modelo base: G​ranite-4.1-3B-Base, con nombre», «Artefacto publicado: tarjeta de modelo completa, arquitectura, valores predeterminados de muestreo», «Verificable en tu hardware: sí». Una línea al pie dice «Las cifras de G​limpse las reporta el proveedor y no se han reproducido. Las cifras de G​ranite 4.2 3B según la tarjeta de modelo publicada por I​BM; los benchmarks agénticos no se publicaron para el 3B». El logotipo de OrcaRouter se encuentra en la esquina inferior derecha." />

Por qué estos dos no son sustitutos

La tentación es presentar un modelo de 3.000 millones de parámetros frente a una vista previa de tamaño desconocido como David contra Goliat, y ese planteamiento es erróneo en ambas direcciones.

Granite 4.2 3B es un modelo de razonamiento y de seguimiento de instrucciones. Su conjunto de evaluaciones publicadas es: AIME 2025 con 78,33; HMMT February 2025 con 66,67; GPQA con 54,80; LiveCodeBench v6 con 69,71; MMLU-Pro con 67,84; IFBench con 74,33; BFCL v4 con 52,41; y RULER con 67,52 para entradas de 64K, cifra que baja a 55,30 en 128K. Nótese lo que falta en esa lista: no hay una fila de SWE-Bench ni una fila de Terminal-Bench para 3B, aunque los miembros más grandes de la familia incluyen una etapa de aprendizaje por refuerzo agéntico. IBM se negó a publicar cifras de codificación agéntica para el miembro más pequeño de la familia en lugar de estimarlas, y esa honestidad es más informativa de lo que habría sido una fila inflada.

Glimpse no compite en ninguno de esos ejes. La propia tabla comparativa de Elorian lo sitúa por delante de GPT-6 Astra en WGO Bench (42.70 vs 39.42), CharXiv-R (92.90 vs 92.10), UGC-VideoCap (82.66 vs 80.32) y FSC-147 (83.36 vs 82.02), y por detrás en BabyVision (95.36 vs 97.68), DREAM-1K (76.04 vs 79.05), TOMATO (93.60 vs 96.02), Video-MME v2 (56.68 vs 64.06), CountQA (82.66 vs 86.42) y Humanity's Sixth Sense (46.36 vs 53.6). Cada una de esas filas está reportada por el proveedor, no reproducida, ejecutada con el máximo esfuerzo de pensamiento de Glimpse y su arnés de agente nativo, con una nota al pie que revela que varios competidores fueron evaluados por debajo de su máximo. Granite 4.2 3B nunca se ha ejecutado en ninguno de ellos.

Así que el panorama honesto es que no hay un marcador compartido, porque no hay una tarea compartida. Un modelo de texto de 3B no puede volver a escanear un intervalo de video, y una vista previa de rebobinado de video no se puede descargar en un portátil.

Donde el argumento del tamaño juega en sentido contrario

El argumento más sólido a favor de G​ranite 4.2 3B en esta comparación no es el rendimiento. Es que 3000 millones de parámetros densos constituyen una configuración de despliegue real. En bfloat16 a 4B, los pesos caben en unos pocos gigabytes, lo que significa que una compilación cuantizada se ejecuta en un único acelerador de consumo o, con baja precisión, en un portátil reciente. Doce idiomas probados bastan para un despliegue europeo o indio en el que una ruta de soporte en doce idiomas es un requisito obligatorio y no un simple extra. Apache 2.0 elimina por completo la discusión sobre licencias. Y la ventana de 128K con una extensión de 512K está documentada, lo que significa que planificar la capacidad en función de ella es aritmética y no conjeturas.

El argumento más sólido a favor de Glimpse es lo que no tiene equivalente en un modelo pequeño: las preguntas que el muestreo con programación fija no puede responder. Si una cámara hizo un paneo o un corte. Si el objeto en el encuadre en el segundo 12 es el mismo objeto que salió del encuadre en el segundo 4. Qué ocurrió durante el medio segundo alrededor de un evento. No son difíciles porque necesiten un modelo grande. Son difíciles porque la información nunca se muestreó, y más parámetros a 8 fotogramas por segundo no la recuperan. Gastar cómputo adicional en un intervalo después de haber visto el clip completo es una respuesta genuinamente distinta, y ninguna cantidad de pesos abiertos en un paquete de 3B la sustituye.

El único lugar al que una vista previa alojada no puede seguir

Hay una razón en forma de cumplimiento para preocuparse por la asimetría, y no tiene nada que ver con la calidad de ninguno de los dos modelos.

El entregable de G​ranite 4.2 3B es un archivo. Si el video, el documento o el registro del cliente no pueden salir de tu infraestructura —y en la mayoría de las implementaciones reguladas no pueden hacerlo—, entonces el modelo se ejecuta donde están los datos, y toda la cuestión de la disponibilidad del proveedor, los límites de velocidad, la región y la retención desaparece. G​limpse no tiene esa opción. Su capacidad solo existe detrás del endpoint de E​lorian, lo que significa que el material audiovisual va a E​lorian, y ningún documento publicado dice lo contrario.

Ahí es donde una capa de enrutamiento merece una frase, y donde no. OrcaRouter te da una sola clave delante de más de 200 modelos con el precio de lista del proveedor trasladado sin añadir nada por token, de modo que una carga de trabajo puede combinar un G​ranite 4.2 3B autoalojado en tu propio hardware con modelos alojados en la misma ruta de código, y la conmutación por error automática mantiene viva una ruta cuando uno de ellos se cae. Un DSL de enrutamiento decide qué modelo ve cada solicitud sin necesidad de reescribir la aplicación. Lo que no hace es cambiar la cuestión de la custodia: una capa de enrutamiento mueve solicitudes entre endpoints, y si un endpoint no está en tu edificio, el enrutamiento no puede ponerlo ahí. Ni G​ranite 4.2 3B ni G​limpse están hoy en nuestro catálogo — G​ranite 4.2 3B es una descarga y G​limpse es la API propia de E​lorian —, así que esto es una afirmación sobre cómo enrutamos y ponemos precio, no una pretensión de servir a ninguno de los dos.

Leyendo ambas hojas de benchmark con la misma sospecha

Dos hábitos que vale la pena trasladar a ambos lanzamientos, ya que ninguno de los dos se libra de ellos.

Lo primero es que la tabla de benchmarks de un proveedor es una selección, no una medición. La tabla de Elorian es inusual porque publica filas en las que su propio modelo pierde — eso es una señal de credibilidad, y aun así es una tabla que el proveedor armó, con tareas que el proveedor eligió, en configuraciones que el proveedor configuró. La ficha de Granite de IBM es más reducida y más convencional: benchmarks académicos estándar, publicados en una configuración declarada, con las filas agénticas simplemente ausentes en 3B en lugar de reemplazadas por algo halagador.

La segunda es que el número que falta suele ser el que sostiene la carga. Para Granite 4.2 3B, el número que importa no aparece en la ficha técnica en absoluto: nadie fuera de IBM ha publicado el rendimiento ni la precisión en tareas del mundo real para el 3B con contexto de 128K, y la caída de RULER de 67.52 a 55.30 entre 64K y 128K es una advertencia de que la ventana se degrada mucho antes de llegar a su fin. Para Glimpse, el número faltante que sostiene la carga es la ventana de contexto, porque una función de razonamiento de vídeo cuya ventana no puede contener el metraje que le entrega un flujo de trabajo real es una demostración y no una herramienta.

¿Qué resolvería esto y qué hacer mientras tanto?

Tres acontecimientos cambiarían esta comparación, y ninguno de ellos ha ocurrido.

Un arnés independiente que reproduzca cualquiera de los dos conjuntos de números sería el primero. La tabla Glimpse de Elorian y la tarjeta Granite 4.2 3B de IBM son ambas autoinformadas, en tareas diferentes, y los dos lanzamientos son idénticos en exactamente una dimensión: la ausencia de verificación externa.

Que G​limpse publique su ventana de contexto, su número de parámetros o su modelo base sería lo segundo. Cualquier cifra que circule actualmente sobre el tamaño de G​limpse es una estimación, y no una divulgación, y tratar una estimación como si fuera una especificación es la manera en que un plan de capacidad acaba mal.

Que Granite 4.2 3B reciba una etapa de RL agéntico, o un endpoint alojado propio, sería el tercero. Cualquiera de los dos cambiaría el carril en el que se sitúa el 3B.

Hasta entonces, la regla de decisión es breve. Si el trabajo es texto, si tiene que ejecutarse en hardware que tú controlas, si la licencia tiene que ser Apache 2.0, o si los datos no pueden cruzar un límite de red, G​ranite 4.2 3B es la respuesta y la cuestión de G​limpse nunca se plantea: descárgalo, ejecuta tu propia evaluación y trata las filas agénticas que faltan en la tarjeta como un límite, no como un vacío. Si el trabajo es vídeo y el modo de fallo es temporal en lugar de semántico, G​limpse es el único de los dos cuyo mecanismo declarado apunta a eso, el registro gratuito abarata la prueba y la propia traza es la prueba: ejecuta un clip, lee el espacio de trabajo visual y comprueba si el modelo volvió alguna vez al intervalo que decidió la respuesta. Ambos, ahora mismo, están sin verificar. Solo uno de ellos puede verificarse en tu propio hardware.

Los fallos de IA documentados y los incidentes de agentes que hay detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.