Glimpse vs MiniCPM5 2B: Siete semanas de rastro documental y nueve décimas de segundo

MiniCPM5-2B y E​lorian G​limpse son dos modelos pequeños que afirman superar a cosas mucho más grandes que ellos mismos, y lo afirman en monedas opuestas. MiniCPM5-2B, presentado por M​odelBest y O​penBMB en la WAIC el 19 de julio de 2026 y al que finalmente se le publicaron los pesos el 6 de septiembre de 2026, viene con una ficha que promedia 53.9 en su propio conjunto de pruebas frente a modelos abiertos más grandes que alcanzan como máximo 51.1. G​limpse, publicado el 16 de octubre de 2026, viene con una ventana de 0.9 segundos —una primera pasada a unos 8 fotogramas por segundo, y luego un reescaneo de nueve décimas de segundo a unos 14 fotogramas por segundo— y con una serie de filas de benchmarks que son del propio proveedor, no reproducidas y notablemente dispares. Uno de estos tiene siete semanas de rastro documental público detrás y un artefacto descargable. El otro tiene un mecanismo y casi ningún número.

La comparación no es realmente entre dos versiones de lo mismo, porque MiniCPM5-2B es un modelo de razonamiento general que también lee imágenes, mientras que Glimpse es una vista previa alojada de razonamiento visual que no hace casi nada más. La razón para leerlos juntos es que ambos son argumentos sobre lo que pueden hacer los modelos pequeños, y los dos argumentos fallan de maneras distintas e instructivas.

La espera, y lo que la espera produjo

La cronología de MiniCPM5-2B vale la pena reconstruirla, porque es la parte de la historia que una búsqueda de la fecha de lanzamiento pasaría por alto.

El modelo se presentó el 19 de julio de 2026 en la World Artificial Intelligence Conference, donde la capacidad más destacada fue una ventana de contexto de 512.000 tokens. Los pesos no aparecieron hasta el 6 de septiembre, con un registro de cambios publicado el 7 de septiembre. Entre esas dos fechas, el modelo existió como una demostración y un conjunto de números.

Lo que se lanzó no es lo que se anunció, y la diferencia es verificable. La configuración publicada establece max_position_embeddings en 131.072 sin ningún bloque rope_scaling, lo que equivale a 131.072 tokens: una cuarta parte de la cifra de la WAIC. Eso no es tanto una deshonestidad como la diferencia habitual entre lo que un equipo de investigación muestra en el escenario y lo que un equipo de ingeniería está dispuesto a aprobar en un archivo de configuración, pero es la cifra que importa, porque es la que hereda tu despliegue.

Lo que se lanzó es inusualmente completo para un modelo de esta clase de tamaño. Junto con el checkpoint final BF16 —RL más OPD fusionados—, se publican por separado las etapas SFT, midtrain y base, compilaciones GGUF, MLX y GPTQ para entornos de ejecución locales, un modelo borrador DSpark para decodificación especulativa, y los propios corpus de entrenamiento publicados como la familia UltraData. El soporte desde el primer día en nueve chipsets llegó a través de FlagOS, y la ficha del modelo insiste en señalar que la implementación no usa kernels personalizados ni un fork del código del modelo. Ese último detalle es el que hace creíble el resto: un modelo que funciona con herramientas estándar es un modelo que funciona donde tú estás, no solo donde está el clúster de los autores.

La cronología de G​limpse está comprimida en comparación y su rastro documental es más escaso. Lanzado el 16 de octubre de 2026, un día antes de este artículo, como una vista previa de investigación accesible a través de la API y la interfaz de chat de E​lorian con un registro gratuito. Sin pesos, sin publicación del modelo base sobre el que se realizó el post-entrenamiento, sin artefacto de ningún tipo. La empresa salió del sigilo en abril de 2026 con Andrew Dai, un exinvestigador de G​oogle, al frente, con 55 millones de dólares de Striker Ventures, Menlo Ventures y Altimeter, y la participación de N​VIDIA, 49 Palms y Jeff Dean. El modelo es lo primero que ha lanzado.

Los números, y qué abarca cada conjunto

• Parámetros — MiniCPM5-2B tiene 2.516.756.480 en total, de los cuales 1.981.982.720 no corresponden a embeddings; 42 capas, atención de consulta agrupada con 16 cabezas de consulta y 2 de clave-valor, servida mediante una clase LlamaForCausalLM estándar. El recuento de parámetros de Glimpse no se ha publicado, y su publicación de lanzamiento solo dice que es "sustancialmente más pequeño y más barato" que los modelos de frontera con los que se compara.

• Artefact — pesos Apache 2.0 más variantes SFT, midtrain, base, GGUF, MLX y GPTQ para MiniCPM5-2B. Ninguna para G​limpse, que ofrece un endpoint alojado y nada que descargar.

• Contexto — 131.072 tokens según la configuración de MiniCPM5-2B, frente a la cifra de 512.000 tokens que se presumió en la demostración del WAIC. Sin publicar para G​limpse — el vacío más trascendente de los dos, ya que su capacidad definitoria es leer vídeo.

• Modalidad — imágenes de entrada, texto de salida para MiniCPM5-2B. Vídeo e imágenes para G​limpse, con la capacidad de volver a un intervalo después de una primera pasada.

• Evaluación — La ficha de MiniCPM5-2B reporta LiveCodeBench v6 en 69,1; AIME 2025 y 2026, ambos en 86,5; MATH-500 en 94,6; MMLU-Pro en 70,8; LongBench v2 en 43,7; BFCL v4 en 66,6; y SWE-bench Verified en 46,4, con algunas filas marcadas con una daga por proceder de una publicación de Artificial Analysis en lugar de haber sido medidas internamente. Las filas de G​limpse son las propias de E​lorian, frente a GPT-6 Astra, con una nota al pie que revela que varios competidores se ejecutaron por debajo del máximo esfuerzo de razonamiento, mientras que G​limpse se ejecutó con el suyo al máximo.

• Precio — $0.60 por millón de tokens de entrada y $3.00 por millón de salida para Glimpse, con el rebobinado facturado como tokens de salida, así que la traza es el recibo. Sin tarifa para MiniCPM5-2B, porque el entregable es un archivo.

La afirmación que ambos hacen, y las distintas maneras en que se sostiene.

La afirmación central de MiniCPM5-2B es aritmética y comprobable. Un modelo de 2,5 mil millones de parámetros, con un promedio de 53,9 en la tarjeta, frente a modelos abiertos más grandes cuyo mejor promedio es 51,1 en el mismo conjunto. Es una afirmación de la forma «esto pequeño supera a aquello grande en estas tareas», y cualquiera con una GPU y una tarde puede refutarla, porque los pesos son una descarga y las pruebas están publicadas.

El mecanismo para ello está documentado en tres etapas: ajuste fino supervisado sobre unos 400.000 millones de tokens de datos de pensamiento profundo, aprendizaje por refuerzo con modelos maestros y, después, destilación on-policy que fusiona dieciséis expertos en RL —cinco de ellos agénticos— en un único punto de control. Las cifras internas asociadas a esa fusión son una ganancia de 10,96 puntos en razonamiento y tareas generales, y de 6,96 en las agénticas, en relación con el estado previo a la fusión. Esas son las mediciones del propio proveedor sobre su propio pipeline, y son el tipo de afirmación que ahora un tercero puede comprobar por su cuenta, que es el objetivo de publicar tanto los puntos de control intermedios como el final.

La afirmación central de Glimpse no es aritmética. Es un comportamiento: que volver a una ventana inferior a un segundo después de una primera pasada produce mejores respuestas en preguntas temporales de lo que jamás podría hacerlo el muestreo en una cuadrícula fija. La evidencia que lo respalda es un conjunto de trazas elaboradas y una tabla comparativa que se divide casi por igual — por delante 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); 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).

Ambas afirmaciones son plausibles. Solo una de ellas puede ser verificada actualmente por alguien ajeno a la empresa que la formuló.

Lo que las dos revelaciones tienen en común

La ficha de MiniCPM5-2B lleva dagas en un subconjunto de sus filas, lo que las marca como cifras tomadas de una publicación de Artificial Analysis en lugar de medidas por los autores. Interpreta eso como una declaración de transparencia y no como un defecto. La alternativa —incorporar discretamente las mediciones de otros en tu propia tabla sin ninguna marca— es habitual y peor.

Ambos modelos, según la evidencia disponible, no están verificados en el mismo sentido específico. La tabla de Glimpse está ejecutada por el proveedor en la mejor configuración del proveedor. MiniCPM5-2B tampoco tiene una reproducción independiente del promedio de su tarjeta, sea cual sea la procedencia de las filas individuales. En esta dimensión, los dos lanzamientos son idénticos, y vale la pena notarlo antes de que cualquiera de los dos sea tratado como la mitad fiable de la comparación.

La diferencia más fuerte es lo que ocurre después. Cualquiera puede descargar MiniCPM5-2B y ejecutar su propia evaluación esta tarde, con sus propios datos, sin pedirle permiso a nadie. Nadie puede hacer eso con G​limpse. La prueba es gratuita y las trazas se pueden inspeccionar, pero la evaluación está limitada por lo que E​lorian eligió mostrar, y el endpoint es el único lugar donde existe el modelo.

Donde la custodia decide la cuestión

Esta es la dimensión en la que los dos modelos no están cerca, y no tiene nada que ver con la capacidad.

El entregable de MiniCPM5-2B es un conjunto de archivos bajo Apache 2.0, que incluye una compilación GGUF y una compilación MLX. Eso significa que el modelo se ejecuta en un portátil, las imágenes nunca salen de la máquina y el despliegue no tiene ningún proveedor en su ruta de solicitudes — sin ventana de disponibilidad, sin preguntas sobre retención, sin límite de velocidad, sin un precio que pueda cambiar bajo tus pies. Para trabajo regulado con imágenes, o para cualquier cosa donde el contenido multimedia no pueda cruzar una frontera de red, esa es toda la decisión, y Glimpse no es candidato por muy buena que parezca la traza.

La capacidad de Glimpse existe solo detrás del endpoint de Elorian. Su característica distintiva es el espacio de bocetos visual, y no hay ningún artefacto que reubicar. Eso no es un defecto del producto; es una propiedad de una vista previa de investigación cuyo valor reside, podría decirse, en el mecanismo más que en los pesos.

También es donde una capa de enrutamiento resulta útil y donde deja de serlo. OrcaRouter te ofrece una sola clave frente a más de 200 modelos, con los precios de lista del proveedor transferidos tal cual y sin añadir nada por token, de modo que un MiniCPM5-2B local y un modelo alojado pueden estar en una sola ruta de código en lugar de dos, con un DSL de enrutamiento que elige por solicitud y una conmutación automática por error que mantiene viva una solicitud cuando falla una vía. La mitad alojada de esa combinación, si el proveedor baja su precio, está activa en nuestro lado el mismo día en lugar de en la próxima renovación. Lo que el enrutamiento no puede hacer es trasladar la custodia: si un endpoint no está en tu hardware, ninguna regla de enrutamiento lo pone ahí. Ni MiniCPM5-2B ni G​limpse están en nuestro catálogo —uno es una descarga y el otro es la propia API e interfaz de chat de E​lorian—, así que esto describe cómo enrutamos, no una afirmación de que servimos ninguno de los dos modelos.

La decisión, con la contabilidad adjunta

MiniCPM5-2B y Glimpse no son competidores, y tratarlos como tales desperdicia la comparación. Uno es un modelo general de 2,5 mil millones de parámetros que puedes tener en propiedad. El otro es una vista previa alojada que hace una cosa inusual.

No hay una tabla de puntuaciones compartida entre estos dos, ni forma de crear una. La ficha de MiniCPM5-2B mide programación, matemáticas, seguimiento de instrucciones y recuperación de contexto largo. La tabla de G​limpse mide percepción de vídeo e imagen frente a GPT-6 Astra. No comparten ninguna tarea, así que las únicas comparaciones que importan son contra tu propia carga de trabajo. Tres preguntas lo resuelven más rápido que una tabla.

¿Tiene que ejecutarse el modelo en tu propio hardware, o tiene que ser permisiva la licencia? Entonces MiniCPM5-2B es el único candidato aquí. Descarga la compilación GGUF o MLX, presupuesta para el contexto de 131,072 tokens que la configuración realmente establece en lugar de los 512,000 que se muestran en WAIC, y trata las filas de la tarjeta marcadas con una daga como referencias a la evaluación original en lugar de como mediciones realizadas por los autores.

¿Es el modo de fallo temporal —un paneo de cámara confundido con un corte, un objeto que cambia de identidad a través de una oclusión, un evento dentro de una ventana de menos de un segundo? Entonces G​limpse es el único de los dos cuyo mecanismo declarado lo aborda. La prueba es gratuita, y la traza es la prueba: ejecuta tus propios clips y comprueba si el modelo alguna vez volvió al intervalo que decidió la respuesta.

¿El trabajo es de contexto largo pero no de vídeo largo — un conjunto de documentos, un archivo de expedientes, un rastro de auditoría que tiene que caber en una sola ventana? La evaluación publicada de ninguno de los dos modelos resuelve eso. LongBench v2 con 43,7 es un único número para toda una categoría de comportamiento, y no te dirá cómo rinde MiniCPM5-2B con tus documentos a 120.000 tokens. Eso hay que medirlo antes de que cualquiera de las dos decisiones sea segura.

Lo que cambiaría esta página: cualquier reproducción de las filas de benchmark de G​limpse por parte de alguien que no sea E​lorian, la publicación de su número de parámetros o ventana de contexto, o un checkpoint de MiniCPM5 que cierre la brecha entre la configuración de 131.072 tokens y la demostración de 512.000 tokens. Ninguna de ellas está en el calendario. Hasta que lleguen, cualquiera puede probar uno de estos modelos esta noche y el otro no — y esa asimetría, más que cualquier fila de benchmark, es lo que hay que tener en cuenta a la hora de planificar.

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.