Glimpse vs Intern Decision 4B: ¿Cuál de estos dos responde realmente a tu pregunta?

Los dos modelos de esta comparación comparten una modalidad y casi nada más. E​lorian G​limpse, publicado el 16 de octubre de 2026, es una vista previa de razonamiento visual que puede volver a una ventana dentro de un vídeo que ya ha visto —en la traza publicada, nueve décimas de segundo reescaneadas a aproximadamente 14 fotogramas por segundo después de una primera pasada a aproximadamente 8— y luego escribe una respuesta en prosa. Intern-Decision-4B, subido por el equipo de I​nternLM de Shanghai AI Laboratory el 26 de septiembre de 2026 sin ningún anuncio en absoluto, no escribe nada. Toma un estado compartido, un esquema de preguntas con nombre y, opcionalmente, algunas imágenes, y devuelve una distribución de probabilidad calibrada sobre esas respuestas con nombre en una única pasada hacia adelante. Nunca llama a generate(). No hay cadena de pensamiento, ni frase, ni salida token por token de ningún tipo.

Lo que significa que la primera pregunta en esta comparación no es qué modelo es mejor. Es si tu problema es un problema de lectura o un problema de decisión, y la mayoría de los equipos descubren que han estado tratando un problema de decisión como un problema de lectura porque la lectura era el único instrumento disponible.

Un modelo que devuelve un número en lugar de un párrafo

La familia Intern-Decision llegó en silencio la mañana del 26 de septiembre de 2026: tres tamaños, 0.8B, 2B y 4B, subidos con cuarenta segundos de diferencia entre sí, lo cual es la firma de un script más que de un proceso de lanzamiento. No hubo entrada de blog, ni ensayo de tarjeta del modelo, ni hilo de lanzamiento. El Space de demostración devolvía 401 en el momento de escribir esto, la colección devolvía 401, la organización de GitHub devolvía 404, y el miembro más grande de la familia había acumulado cero descargas y un me gusta. Todo lo que sigue se lee directamente de la configuración y el repositorio publicados, en lugar de provenir de un proveedor que nos diga qué hace.

Lo que dice la configuración es específico. Intern-Decision-4B es un ajuste fino de 4,54 mil millones de parámetros de Qwen 3.5 4B, y su interfaz es un motor de decisiones en lugar de una finalización de chat. Se le entrega un estado compartido —el contexto que comparten todas las preguntas—, más un esquema que nombra un conjunto de preguntas, más hasta ocho imágenes. Devuelve una distribución sobre un vocabulario fijo de símbolos de un solo token: de la A a la Z, de la a a la z y del 0 al 9. Sesenta y dos símbolos, que es exactamente por lo que el límite de opciones es sesenta y dos, y no una decisión de diseño a la que alguien haya llegado pensando en cuántas respuestas quiere un humano. Se admiten tres tipos de preguntas: una elección entre opciones con nombre, una puntuación en una escala y una decisión con forma de sí/no.

Ese es todo el producto. Su valor no es la precisión en abstracto. Es que la salida es una probabilidad a la que se le puede poner un umbral y auditar después, producida de forma determinista en una sola pasada hacia adelante, en lugar de un párrafo cuya confianza hay que inferir por su tono.

La interfaz es la verdadera diferencia

• Qué se introduce — G​limpse acepta vídeo e imágenes y una pregunta en lenguaje natural. Intern-Decision-4B acepta un estado compartido, un esquema de preguntas con nombres explícitos y hasta ocho imágenes.

• Qué se obtiene — Glimpse devuelve prosa más un rastro de dónde miró dentro del clip. Intern-Decision-4B devuelve una distribución sobre hasta 62 símbolos, es decir, un número por opción y nada más.

• Coste de salida — una única pasada hacia delante sobre un flujo de tokens. Glimpse factura 3,00 $ por millón de tokens de salida y su mecanismo dedica deliberadamente tokens adicionales a volver a mirar, así que la traza es el recibo. Intern-Decision-4B produce un puñado fijo de logits por solicitud, lo que hace que el coste de salida sea casi constante en lugar de proporcional a la dificultad de la pregunta.

• Tamaño — 4540 millones de parámetros, publicado y descargable. Sin publicar en el caso de Glimpse, que solo afirma que es «sustancialmente más pequeño y más barato» que los modelos de frontera de su propia tabla comparativa.

• Pesos — abiertos para todos los miembros de la familia Intern-Decision. Ninguno para Glimpse, que solo existe detrás de la API y la interfaz de chat de Elorian.

• Independencia — aquí ambos son iguales, e igualmente débiles. Las filas de referencia de G​limpse son las propias de E​lorian, sin reproducción, ejecutadas con su máximo esfuerzo de razonamiento frente a rivales evaluados por debajo de los suyos. Intern-Decision-4B no cuenta con ninguna evaluación publicada de ningún tipo que este artículo haya podido encontrar; los números de su configuración son geometría de atención, no precisión.

El límite que se esconde en el tokenizador

Aquí está el número que decide si Intern-Decision-4B es utilizable para un trabajo determinado, y no aparece en ningún titular.

La torre subyacente Qwen 3.5 4B declara un embedding de posición máximo de 262.144 tokens. El motor de decisión que la envuelve está construido con max_length=8192, y las entradas que superan esa cifra se rechazan de plano en lugar de truncarse. Por sí sola, esa es una decisión de ingeniería defendible: el truncamiento silencioso convierte un contexto largo en una respuesta incorrecta sin ningún error. Pero las ocho imágenes cuentan contra el mismo presupuesto de 8.192. En un flujo de trabajo que le entrega al modelo un conjunto de capturas de pantalla más un estado compartido que describe un caso, el techo práctico se alcanza mucho antes de lo que sugiere 262.144, y el fallo es un rechazo rotundo en lugar de una respuesta degradada.

Cualquiera que planee usar Intern-Decision-4B para la revisión de documentos debería probar ese límite antes de diseñar en torno a él. El Space de demostración, la colección y el repositorio estaban todos inaccesibles cuando se escribió esto, así que la única forma de establecer el techo real es construir entradas y observar dónde el motor las rechaza.

Glimpse tiene el problema de imagen especular en el mismo lugar. Su ventana de contexto nunca se ha publicado, y la capacidad más destacada del modelo es leer video. Un intervalo de 0,9 segundos cabe en cualquier ventana. Un clip de dos horas no, y ninguna cifra publicada dice dónde está el límite. En ambos casos se describe la capacidad de razonamiento y el contenedor en el que tiene que encajar es la parte que queda a la conjetura —una coincidencia de omisiones más que una coincidencia de diseño.

En qué es realmente mejor cada uno

El argumento concreto a favor de G​limpse es la resolución temporal. El muestreo con cadencia fija pierde todo lo que cae entre dos fotogramas muestreados, y por eso el paneo o corte, la identidad de los objetos a través de una oclusión y los eventos subsegundo son preguntas difíciles en lugar de fáciles. Más parámetros a ocho fotogramas por segundo no recuperan la información faltante; dedicar cómputo adicional a un intervalo después de haber visto todo el clip sí lo hace. Las trazas de E​lorian muestran al modelo haciendo exactamente eso, y el espacio de trabajo visual hace que la decisión sea inspeccionable a posteriori — se puede ver si alguna vez volvió al intervalo que decidió la respuesta.

El caso concreto a favor de Intern-Decision-4B es que elimina por completo el paso de parseo de una canalización de clasificación. Considera un flujo de suscripción o de triaje que actualmente llama a un modelo grande con un prompt que le pide que responda con una de cinco etiquetas, luego parsea la respuesta, luego reintenta cuando el modelo responde con una frase en lugar de una etiqueta, luego trata «probablemente sí» como si fuera un sí. Intern-Decision-4B reduce eso a una sola pasada hacia adelante que devuelve cinco probabilidades. Sin parser, sin bucle de reintentos, sin ambigüedad sobre lo que quiso decir el modelo. Si el umbral de la tercera etiqueta es 0.7, eso es un número en tu código en lugar de una heurística en tu prompt.

También vale la pena exponer el caso a favor de ninguno de los dos. Si lo que necesitas es un párrafo que explique lo que está ocurriendo en una escena, Intern-Decision-4B no puede producirlo: no tiene ninguna ruta de generación. Si lo que necesitas es una decisión de umbral sobre el contenido semántico de una imagen, Glimpse es una forma cara de obtener un número que podrías haber obtenido más barato, y la propia tabla de referencia de su proveedor es evidencia de que rebobinar el contenido multimedia no mejora la inferencia sobre lo que implica una escena: en la evaluación Humanity's Sixth Sense de Elorian, Glimpse obtiene 46.36 frente a los 53.6 de GPT-6 Astra, en un benchmark que Elorian construyó con Scale AI.

Poner cualquiera de los dos detrás de una ruta de producción

La cuestión de enrutamiento aquí no se trata del precio, porque los dos modelos no son sustitutos en cuanto a precio —uno se factura por token, el otro es una pasada hacia adelante fija, y ninguno está en nuestro catálogo—. Se trata de qué se sitúa delante de un modelo cuyo modo de fallo es un rechazo duro.

Intern-Decision-4B rechaza las entradas que superan su límite de motor. Una canalización que no tiene respaldo para ese rechazo descarta solicitudes. La respuesta de OrcaRouter a ese tipo de problema es la conmutación por error automática: una clave delante de más de 200 modelos, con un DSL de enrutamiento que decide qué solicitud va a dónde, de modo que una solicitud que el motor de decisión rechaza puede enviarse a un modelo generativo que lee las mismas entradas y escribe la respuesta en prosa. El precio de lista del proveedor se traspasa sin añadir nada por token, así que la ruta secundaria cuesta exactamente lo que cobra su propio proveedor y cambia el día que ese proveedor mueva su tarifa. Esa misma capa hace que una vista previa sin probar se pueda testear sin promocionarla: pon G​limpse en una ruta en la sombra, compara sus veredictos con los de un modelo en el que ya confías y promociónalo solo cuando las trazas muestren que vuelve a los intervalos que importan. No servimos ninguno de los dos modelos —la propia API de E​lorian es donde vive G​limpse, e Intern-Decision-4B es una descarga—, así que la capa de enrutamiento trabaja sobre la forma de la canalización, no sobre la disponibilidad de estos dos.

¿Qué cambiaría la respuesta?

Para G​limpse, tres cosas: un arnés independiente que reproduzca una fila de la tabla de E​lorian, una ventana de contexto publicada y cualquier divulgación del modelo base sobre el que la empresa realizó el post-entrenamiento. Las tres están actualmente en blanco.

Para Intern-Decision-4B, dos cosas. La documentación sería lo primero: tres cargas de modelos en cuarenta segundos con un Space inaccesible, una colección inaccesible y un repositorio 404 no es un lanzamiento, es una instantánea que se escapó. Un motor de decisiones sin cifras de precisión publicadas no se puede calibrar contra nada, y un modelo que devuelve probabilidades vale exactamente lo mismo que la confianza que puedas depositar en ellas. Un límite de motor más alto o una guía honesta sobre el presupuesto de imágenes sería lo segundo, porque un techo de 8.192 tokens que incluye silenciosamente hasta ocho imágenes es una sorpresa de especificación esperando a ocurrir en producción.

Hasta que lleguen esos, la división es clara y no tiene nada que ver con cuál modelo es más grande. Si tu trabajo es ver metraje y contarle a una persona qué pasó, con el intervalo que decidió la respuesta visible en la traza, G​limpse es el único de los dos que puede hacerlo, y el registro gratuito abarata la prueba. Si tu trabajo es clasificar, puntuar o decidir entre opciones con nombre y necesitas un número calibrado por opción en lugar de una frase sobre ellas, Intern-Decision-4B se creó precisamente para eso y para nada más: acepta que no está documentado, prueba pronto el límite de 8,192 tokens y no esperes que se explique por sí mismo, porque no tiene ningún mecanismo para hacerlo.

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.