Glimpse vs MiniCPM5 2B : sept semaines de paperasse et neuf dixièmes de seconde

MiniCPM5-2B et E​lorian G​limpse sont tous deux de petits modèles censés surpasser des choses bien plus grandes qu'eux-mêmes, et ils font cette affirmation dans des monnaies opposées. MiniCPM5-2B, présenté par M​odelBest et O​penBMB au WAIC le 19 juillet 2026 et dont les poids ont finalement été publiés le 6 septembre 2026, est accompagné d'une fiche affichant une moyenne de 53,9 sur son propre jeu de tests, contre des modèles ouverts plus grands plafonnant à 51,1. G​limpse, publié le 16 octobre 2026, est accompagné d'une fenêtre de 0,9 seconde — une première passe à environ 8 images par seconde, puis un réexamen de neuf dixièmes de seconde à environ 14 images par seconde — et d'un ensemble de lignes de benchmark qui sont celles du fournisseur, non reproduites et notablement mitigées. L'un d'eux a derrière lui sept semaines de traces publiques et un artefact téléchargeable. L'autre a un mécanisme et presque aucun chiffre.

La comparaison n’oppose pas vraiment deux versions d’une même chose, car MiniCPM5-2B est un modèle de raisonnement général qui lit aussi des images, tandis que G​limpse est un aperçu hébergé de raisonnement visuel qui ne fait presque rien d’autre. La raison de les lire ensemble, c’est que tous deux sont des arguments sur ce que les petits modèles peuvent faire — et ces deux arguments échouent de manières différentes et instructives.

L’attente, et ce que l’attente a produit

La chronologie de MiniCPM5-2B vaut la peine d’être reconstituée, car c’est la partie de l’histoire qu’une recherche sur la date de sortie laisserait échapper.

Le modèle a été dévoilé le 19 juillet 2026 à la World Artificial Intelligence Conference, où la capacité phare était une fenêtre de contexte de 512 000 tokens. Les poids n’ont fait leur apparition que le 6 septembre, suivis d’un journal des modifications le 7 septembre. Entre ces deux dates, le modèle n’existait que sous la forme d’une démonstration et d’un ensemble de chiffres.

Ce qui est livré ne correspond pas à ce qui a été annoncé, et l’écart est vérifiable. La configuration publiée définit max_position_embeddings à 131 072 sans bloc rope_scaling, soit 131 072 jetons — un quart du chiffre de la WAIC. Ce n’est pas tant de la malhonnêteté que la différence ordinaire entre ce qu’une équipe de recherche montre sur scène et ce qu’une équipe d’ingénierie est prête à valider dans un fichier de configuration, mais c’est le chiffre qui compte, car c’est celui dont votre déploiement hérite.

Ce qui a été livré est d'une complétude inhabituelle pour un modèle de cette catégorie de taille. Aux côtés du checkpoint BF16 final — RL et OPD fusionnés —, les étapes SFT, midtrain et base sont publiées séparément, ainsi que des builds GGUF, MLX et GPTQ pour les runtimes locaux, un modèle draft DSpark pour le décodage spéculatif, et les corpus d'entraînement eux-mêmes, publiés sous la famille UltraData. Le support dès le premier jour sur neuf chipsets est passé par FlagOS, et la fiche met un point d'honneur à préciser que l'implémentation n'utilise aucun kernel personnalisé ni fork du code du modèle. Ce dernier détail est celui qui rend le reste crédible : un modèle qui tourne avec des outils standards est un modèle qui tourne là où vous êtes, pas seulement là où se trouve le cluster des auteurs.

La chronologie de G​limpse est comprimée en comparaison et sa trace écrite est plus ténue. Sorti le 16 octobre 2026, un jour avant cet article, sous la forme d'un aperçu de recherche accessible via l'API et l'interface de chat d'E​lorian avec une inscription gratuite. Aucun poids, aucune publication du modèle de base sur lequel il a été post-entraîné, aucun artefact d'aucune sorte. L'entreprise est sortie de l'ombre en avril 2026, avec Andrew Dai, un ancien chercheur de Google, à sa tête, et 55 millions de dollars de Striker Ventures, Menlo Ventures et Altimeter, avec la participation de NVIDIA, 49 Palms et Jeff Dean. Le modèle est la première chose qu'elle a livrée.

Les nombres, et ce que chaque ensemble couvre

• Paramètres — MiniCPM5-2B compte 2 516 756 480 paramètres au total, dont 1 981 982 720 non-embedding ; 42 couches, une attention par requêtes groupées réparties sur 16 têtes de requête et 2 têtes clé-valeur, servie via une classe LlamaForCausalLM standard. Le nombre de paramètres de G​limpse n'est pas publié, et son billet de lancement indique seulement qu'il est « nettement plus petit et moins coûteux » que les modèles de pointe auxquels il se compare.

• Artefact — Poids Apache 2.0 ainsi que variantes SFT, midtrain, base, GGUF, MLX et GPTQ pour MiniCPM5-2B. Aucun pour G​limpse, qui propose un point de terminaison hébergé et rien à télécharger.

• Contexte — 131 072 tokens tel que configuré pour MiniCPM5-2B, contre un chiffre de 512 000 tokens mis en avant lors de la démonstration WAIC. Non publié pour Glimpse — l'absence la plus lourde de conséquences des deux, puisque sa capacité déterminante est la lecture vidéo.

• Modalité — images en entrée, texte en sortie pour MiniCPM5-2B. Vidéo et images pour Glimpse, avec la possibilité de revenir à un intervalle après une première passe.

• Évaluation — la fiche de MiniCPM5-2B rapporte LiveCodeBench v6 à 69,1, AIME 2025 et 2026 tous deux à 86,5, MATH-500 à 94,6, MMLU-Pro à 70,8, LongBench v2 à 43,7, BFCL v4 à 66,6 et SWE-bench Verified à 46,4, certaines lignes étant signalées par une obèle comme reprises d'une publication d'Artificial Analysis plutôt que mesurées en interne. Les lignes de G​limpse sont celles d'E​lorian, face à GPT-6 Astra, avec une note de bas de page révélant que plusieurs concurrents ont été exécutés en dessous de l'effort de réflexion maximal, tandis que G​limpse, lui, tournait à son effort maximal.

• Prix — 0,60 $ par million de jetons d’entrée et 3,00 $ par million de jetons de sortie pour G​limpse, le retour arrière étant facturé comme jetons de sortie, donc la trace fait office de reçu. Aucune grille tarifaire pour MiniCPM5-2B, car le livrable est un fichier.

L'affirmation que tous les deux font, et les différentes manières dont elle tient

L'affirmation centrale de MiniCPM5-2B est arithmétique et vérifiable. Un modèle de 2,5 milliards de paramètres, avec une moyenne de 53,9 sur la fiche, face à des modèles ouverts plus grands dont la meilleure moyenne est de 51,1 sur le même ensemble. C'est une affirmation de la forme « cette petite chose bat cette grande chose sur ces tâches », et elle est falsifiable par quiconque dispose d'un GPU et d'un après-midi, car les poids sont téléchargeables et les tests sont publiés.

Le mécanisme correspondant est documenté en trois étapes : un ajustement supervisé sur environ 400 milliards de tokens de données de réflexion approfondie, un apprentissage par renforcement avec des modèles enseignants, puis une distillation on-policy qui fusionne seize experts RL — dont cinq agentiques — en un seul checkpoint. Les chiffres internes associés à cette fusion font état d'un gain de 10,96 points sur le raisonnement et les tâches générales, et de 6,96 sur les tâches agentiques, par rapport à l'état d'avant la fusion. Il s'agit des propres mesures du fournisseur sur son propre pipeline, et c'est le genre d'affirmation qu'un tiers peut désormais aller vérifier, ce qui est tout l'intérêt de livrer les checkpoints intermédiaires ainsi que le checkpoint final.

L'affirmation centrale de Glimpse n'est pas arithmétique. C'est un comportement : le fait de revenir à une fenêtre inférieure à la seconde après une première passe produit de meilleures réponses aux questions temporelles que ne pourrait jamais le faire un échantillonnage sur une grille fixe. Les preuves à l'appui sont un ensemble de traces détaillées et un tableau de benchmarks qui se répartit presque équitablement — en tête sur WGO Bench (42,70 vs 39,42), CharXiv-R (92,90 vs 92,10), UGC-VideoCap (82,66 vs 80,32) et FSC-147 (83,36 vs 82,02) ; en retrait sur 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) et Humanity's Sixth Sense (46,36 vs 53,6).

Les deux affirmations sont plausibles. Une seule peut actuellement être vérifiée par quelqu’un d’extérieur à l’entreprise qui l’a formulée.

Ce que les deux divulgations ont en commun

La fiche du MiniCPM5-2B porte des obèles sur un sous-ensemble de ses lignes, les marquant comme des chiffres tirés d'une publication d'Artificial Analysis plutôt que mesurés par les auteurs. Voyez-y une divulgation plutôt qu'un défaut. L'alternative — intégrer discrètement les mesures de quelqu'un d'autre dans son propre tableau sans marqueur — est courante et pire.

Les deux modèles sont, d'après les éléments disponibles, non vérifiés dans le même sens précis. Le tableau de Glimpse est exécuté par le fournisseur dans la meilleure configuration de celui-ci. MiniCPM5-2B ne dispose pas non plus d'une reproduction indépendante de la moyenne de sa fiche, quelle que soit la provenance des lignes individuelles. Sur cette dimension, les deux versions sont identiques, et il vaut la peine de le remarquer avant que l'une ou l'autre ne soit considérée comme la moitié fiable de la comparaison.

La différence la plus marquante tient à ce qui se passe ensuite. N’importe qui peut télécharger MiniCPM5-2B et réaliser sa propre évaluation cet après-midi, sur ses propres données, sans demander à personne. Personne ne peut en faire autant avec G​limpse. L’essai est gratuit et les traces sont inspectables, mais l’évaluation est limitée par ce qu’E​lorian a choisi de montrer, et le point de terminaison est le seul endroit où le modèle existe.

Là où la garde tranche la question

C'est la dimension où les deux modèles ne sont pas proches, et cela n'a rien à voir avec les capacités.

Le livrable de MiniCPM5-2B est un ensemble de fichiers sous Apache 2.0, comprenant une version GGUF et une version MLX. Cela signifie que le modèle fonctionne sur un ordinateur portable, que les images ne quittent jamais la machine et que le déploiement n’a aucun fournisseur dans son chemin de requête — aucune fenêtre de disponibilité, aucune question de rétention, aucune limite de débit, aucun prix susceptible de bouger sous vos pieds. Pour les travaux réglementés avec de l’imagerie, ou pour tout ce où les médias ne peuvent pas franchir une frontière réseau, c’est là toute la décision, et G​limpse n’est pas un candidat, aussi bonne que paraisse la trace.

La capacité de G​limpse n'existe que derrière le point de terminaison d'E​lorian. Sa caractéristique distinctive est l'espace de brouillon visuel, et il n'y a aucun artefact à déplacer. Ce n'est pas un défaut du produit ; c'est une propriété d'une préversion de recherche dont la valeur réside sans doute dans le mécanisme plutôt que dans les poids.

C’est aussi là qu’une couche de routage est utile et là qu’elle cesse de l’être. OrcaRouter vous donne une seule clé devant plus de 200 modèles, avec les prix catalogue des fournisseurs répercutés et sans rien ajouter par token, de sorte qu’un MiniCPM5-2B local et un modèle hébergé peuvent se trouver sur un seul chemin de code plutôt que deux, avec un DSL de routage qui choisit à chaque requête et un basculement automatique qui maintient une requête active lorsqu’une voie échoue. La moitié hébergée de ce mélange, si le fournisseur baisse son prix, est en ligne de notre côté le jour même plutôt qu’au prochain renouvellement. Ce que le routage ne peut pas faire, c’est déplacer la garde : si un point de terminaison n’est pas sur votre matériel, aucune règle de routage ne l’y place. Ni MiniCPM5-2B ni G​limpse ne figurent à notre catalogue — l’un est un téléchargement et l’autre est l’API et l’interface de chat propres à E​lorian — donc ceci décrit notre façon de router, et non une prétention à servir l’un ou l’autre modèle.

La décision, avec la comptabilité jointe

MiniCPM5-2B et G​limpse ne sont pas des concurrents, et les traiter comme tels rend la comparaison stérile. L'un est un modèle généraliste de 2,5 milliards de paramètres que vous pouvez posséder. L'autre est un aperçu hébergé qui fait une chose inhabituelle.

Il n'existe aucun tableau de scores partagé entre ces deux-là, et aucun moyen d'en construire un. La fiche de MiniCPM5-2B mesure le codage, les mathématiques, le suivi des instructions et la récupération en contexte long. Le tableau de G​limpse mesure la perception vidéo et image face à GPT-6 Astra. Ils ne partagent aucune tâche, donc les seules comparaisons qui comptent sont celles avec votre propre charge de travail. Trois questions tranchent plus vite qu'un tableau ne le ferait.

Le modèle doit-il fonctionner sur votre propre matériel, ou la licence doit-elle être permissive ? Dans ce cas, MiniCPM5-2B est le seul candidat ici. Téléchargez la version GGUF ou MLX, prévoyez le contexte de 131 072 tokens que la configuration définit réellement plutôt que les 512 000 affichés à WAIC, et considérez les lignes marquées d’une dague de la fiche comme des renvois vers l’évaluation d’origine plutôt que comme des mesures des auteurs.

Le mode de défaillance est-il temporel — un panoramique de caméra pris pour une coupe, un objet qui change d’identité au fil d’une occlusion, un événement dans une fenêtre de moins d’une seconde ? Alors Glimpse est le seul des deux dont le mécanisme déclaré traite ce cas. L’essai est gratuit, et la trace est le test : lancez vos propres clips et vérifiez si le modèle est jamais revenu à l’intervalle qui a déterminé la réponse.

Le travail est-il à contexte long mais pas à vidéo longue — un ensemble de documents, une archive de dossiers, une piste d’audit qui doit tenir dans une seule fenêtre ? L’évaluation publiée d’aucun des deux modèles ne tranche cette question. LongBench v2 à 43,7 est un chiffre unique pour toute une catégorie de comportements, et il ne vous dira pas comment MiniCPM5-2B se comporte sur vos documents à 120 000 tokens. Cela doit être mesuré avant que l’une ou l’autre décision ne soit sûre.

Ce qui changerait cette page : toute reproduction des lignes de benchmark de G​limpse par quelqu'un d'autre qu'E​lorian, la publication de son nombre de paramètres ou de sa fenêtre de contexte, ou un checkpoint MiniCPM5 qui comble l'écart entre la configuration à 131 072 tokens et la démonstration à 512 000 tokens. Rien de tout cela n'est au calendrier. En attendant qu'ils arrivent, l'un de ces modèles peut être testé par n'importe qui ce soir, l'autre non — et c'est cette asymétrie, plus que n'importe quelle ligne de benchmark, l'élément à prendre en compte dans la planification.

Les défaillances documentées de l’IA et les incidents d’agents à l’origine de versions comme celle-ci sont recueillis dans l’OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et un indicateur de contestation.