Glimpse מול Intern Decision 4B: איזה משני אלה באמת עונה על השאלה שלך

שני המודלים בהשוואה הזו חולקים מודאליות וכמעט שום דבר אחר. E​lorian G​limpse, שיצא ב-16 באוקטובר 2026, הוא תצוגה מקדימה לחשיבה חזותית שיכול לחזור לחלון בתוך סרטון שכבר צפה בו — בתיעוד שפורסם, תשע עשיריות השנייה נסרקו מחדש בקצב של כ-14 פריימים לשנייה לאחר מעבר ראשון בקצב של כ-8 — ואז כותב תשובה בפרוזה. Intern-Decision-4B, שהועלה על ידי צוות I​nternLM של Shanghai AI Laboratory ב-26 בספטמבר 2026 בלי שום הכרזה, לא כותב דבר. הוא מקבל מצב משותף, סכימה של שאלות בעלות שמות ובאופן אופציונלי כמה תמונות, ומחזיר התפלגות הסתברות מכוילת על פני התשובות הנקובות בשמות האלה במעבר קדימה אחד. הוא אף פעם לא קורא ל-generate(). אין שרשרת מחשבה, אין משפט, אין פלט טוקן-אחר-טוקן מכל סוג שהוא.

מה שאומר שהשאלה הראשונה בהשוואה הזו איננה איזה מודל טוב יותר. היא אם הבעיה שלכם היא בעיית קריאה או בעיית החלטה, ורוב הצוותים מגלים שהם התייחסו לבעיית החלטה כאל בעיית קריאה מפני שקריאה הייתה הכלי היחיד שעמד לרשותם.

מודל שמחזיר מספר במקום פסקה

משפחת Intern-Decision הגיעה בשקט בבוקר של 26 בספטמבר 2026 — שלושה גדלים, 0.8B, 2B ו-4B, הועלו בתוך ארבעים שניות זו מזו, שזו החתימה של סקריפט ולא של תהליך שחרור. לא היה פוסט בבלוג, לא מאמר כרטיס מודל, לא שרשור השקה. ה-Space הדמו החזיר 401 בזמן כתיבת שורות אלו, האוסף החזיר 401, ארגון GitHub החזיר 404, והחבר הגדול ביותר במשפחה צבר אפס הורדות ולייק אחד. כל מה שלהלן נקרא מתוך התצורה והמאגר ששוחררו ולא מספק שמספר לנו מה זה עושה.

מה שהתצורה אומרת הוא ספציפי. Intern-Decision-4B הוא כיוונון עדין של Q​wen 3.5 4B עם 4.54 מיליארד פרמטרים, והממשק שלו הוא מנוע החלטות ולא השלמת צ'אט. מוסרים לו מצב משותף — ההקשר שכל השאלות חולקות — בתוספת סכימה שמפרטת קבוצה של שאלות, בתוספת עד שמונה תמונות. הוא מחזיר התפלגות על אוצר מילים קבוע של סימנים של טוקן בודד: A עד Z, a עד z, ו-0 עד 9. שישים ושניים סימנים, וזו בדיוק הסיבה שתקרת האפשרויות היא שישים ושתיים, ולא בחירה עיצובית שמישהו הגיע אליה על ידי מחשבה על כמה תשובות אדם רוצה. שלושה סוגי שאלות נתמכים: בחירה בין אפשרויות בעלות שם, ציון על סקאלה, והחלטה בצורת כן/לא.

זה כל המוצר. הערך שלו אינו בדיוק כשלעצמו. הוא בכך שהפלט הוא הסתברות שאפשר להציב עליה סף ולערוך עליה ביקורת בדיעבד, שמופקת באופן דטרמיניסטי במעבר קדימה אחד, ולא פסקה שאת מידת הביטחון שלה צריך להסיק מהטון שלה.

הממשק הוא ההבדל האמיתי

• מה נכנס — Glimpse מקבל וידאו ותמונות ושאלה בשפה טבעית. Intern-Decision-4B מקבל מצב משותף, סכמה של שאלות בעלות שמות מפורשים, ועד שמונה תמונות.

• מה יוצא — Glimpse מחזיר פרוזה ועוד עקבה של היכן בקליפ הוא הסתכל. Intern-Decision-4B מחזיר התפלגות על פני עד 62 סמלים, שזה מספר לכל אפשרות ותו לא.

• עלות פלט — מעבר קדימה אחד על פני זרם טוקנים. G​limpse גובה 3.00 דולר למיליון טוקני פלט, והמנגנון שלה מוציא בכוונה טוקנים נוספים על הסתכלות חוזרת, כך שהעקבה היא הקבלה. Intern-Decision-4B מפיק קומץ קבוע של לוגיטים לכל בקשה, מה שהופך את עלות הפלט לכמעט קבועה במקום פרופורציונלית למידת הקושי של השאלה.

• גודל — 4.54 מיליארד פרמטרים, פורסם, ניתן להורדה. לא פורסם עבור G​limpse, שמציין רק שהוא "קטן וזול יותר באופן משמעותי" ממודלי החזית בטבלת הבנצ'מרק שלו.

• משקלים — פתוחים לכל חבר במשפחת Intern-Decision. אין אפילו אחד עבור G​limpse, שקיים רק מאחורי ה-API וממשק הצ'אט של E​lorian.

• עצמאות — כאן השניים שווים, ושווים גם בחולשתם. שורות הבנצ'מרק של Glimpse הן של Elorian עצמה, ללא שחזור, והורצו במאמץ החשיבה הגבוה ביותר שלה מול מתחרים שהוערכו ברמה נמוכה משלהם. ל-Intern-Decision-4B אין כל הערכה מפורסמת מסוג כלשהו שהמאמר הזה הצליח למצוא; המספרים בתצורה שלו הם גאומטריית קשב, לא דיוק.

המגבלה שמסתתרת בטוקנייזר

הנה המספר שמכריע אם Intern-Decision-4B שמיש למשימה נתונה, והוא לא מופיע בשום כותרת.

מגדל ה-Qwen 3.5 4B הבסיסי מצהיר על הטמעת מיקום מקסימלית של 262,144 טוקנים. מנוע קבלת ההחלטות העוטף אותו נבנה עם max_length=8192, וקלטים מעל לכך נדחים לחלוטין ולא נחתכים. כשלעצמו זהו שיקול הנדסי מוצדק — חיתוך שקט הופך הקשר ארוך לתשובה שגויה בלי שום שגיאה. אבל שמונה התמונות נספרות מול אותו תקציב של 8,192. בתהליך עבודה שמעביר למודל סט צילומי מסך יחד עם מצב משותף המתאר מקרה, התקרה המעשית מושגת הרבה יותר מוקדם ממה ש-262,144 מרמז, והכישלון הוא דחייה חד-משמעית ולא תשובה ירודה.

כל מי שמתכנן להשתמש ב-Intern-Decision-4B לסקירת מסמכים צריך לבחון את הגבול הזה לפני שיתכנן סביבו. ה-Space של ההדגמה, ה-collection וה-repository היו כולם לא נגישים כשזה נכתב, כך שהדרך היחידה לקבוע את התקרה האמיתית היא לבנות קלטים ולראות היכן המנוע מסרב לקבל אותם.

ל-G​limpse יש את הבעיה של תמונת הראי באותו מקום. חלון ההקשר של Glimpse מעולם לא פורסם, והיכולת המובילה של המודל היא קריאת וידאו. קטע של 0.9 שניות נכנס בכל חלון. קטע של שעתיים לא, ואף נתון שפורסם לא אומר היכן עובר הגבול. בשני המקרים יכולת החשיבה מתוארת, והמכל שהיא צריכה להיכנס לתוכו הוא החלק שנשאר לניחושים — צירוף מקרים של השמטות ולא צירוף מקרים של תכנון.

במה כל אחד מהם טוב יותר באמת

הטיעון המוחשי בעד Glimpse הוא רזולוציה זמנית. דגימה לפי לוח זמנים קבוע מאבדת כל מה שנופל בין שני פריימים שנדגמו, ולכן תנועת פאן או חיתוך, זהות אובייקט לאורך הסתרה ואירועים של פחות משנייה הם שאלות קשות ולא קלות. יותר פרמטרים בשמונה פריימים לשנייה לא משחזרים את המידע החסר; השקעת מחשוב נוסף במרווח אחד לאחר שכל הקליפ נראה כן משחזרת את המידע החסר. העקבות של Elorian מראות שהמודל עושה בדיוק את זה, ומרחב העבודה החזותי הופך את ההחלטה לניתנת לבדיקה בדיעבד — אפשר לראות אם הוא אי פעם חזר למרווח שהכריע את התשובה.

המקרה הקונקרטי של Intern-Decision-4B הוא שהוא מסיר לחלוטין את שלב הפענוח מצינור סיווג. שקול תהליך חיתום או מיון שבכיום קורא למודל גדול עם פרומפט שמבקש ממנו להשיב באחת מחמש תוויות, ואז מפענח את התשובה, ואז מנסה שוב כשהמודל עונה במשפט במקום בתווית, ואז מתייחס ל"כנראה כן" כאילו היה כן. Intern-Decision-4B מצמצם את זה למעבר קדימה אחד שמחזיר חמש הסתברויות. בלי מפענח, בלי לולאת ניסיונות חוזרים, בלי עמימות לגבי למה התכוון המודל. אם הסף על התווית השלישית הוא 0.7, זהו מספר בקוד שלך ולא היוריסטיקה בפרומפט שלך.

גם את הטיעון בעד אף אחד מהשניים שווה להציג. אם מה שאתם צריכים הוא פסקה שמסבירה מה מתרחש בסצנה, Intern-Decision-4B לא יכול להפיק אותה — אין לו כלל מסלול יצירה. אם מה שאתם צריכים הוא החלטת סף לגבי התוכן הסמנטי של תמונה, Glimpse הוא דרך יקרה לקבל מספר שיכולתם לקבל בזול יותר, וטבלת הבנצ'מרק של הספק עצמו היא עדות לכך שהחזרה אחורה במדיה אינה משפרת את ההסקה לגבי מה שהסצנה מרמזת: בהערכת Humanity's Sixth Sense של Elorian, Glimpse מקבל 46.36 לעומת 53.6 של GPT-6 Astra, בבנצ'מרק ש-Elorian בנה עם Scale AI.

הצבת מי מהשניים מאחורי נתיב פרודקשן

שאלת הניתוב כאן אינה שאלה של מחיר, מפני ששני המודלים אינם תחליפי מחיר — האחד מחויב לפי טוקן, האחר הוא מעבר קדמי קבוע, ואף אחד מהם אינו בקטלוג שלנו. מדובר במה שעומד לפני מודל שצורת הכשל שלו היא דחייה מוחלטת.

Intern-Decision-4B מסרב לקלטים שחורגים ממגבלת המנוע שלו. צינור עיבוד שאין לו מסלול גיבוי לסירוב כזה מפיל בקשות. התשובה של OrcaRouter לבעיה מהסוג הזה היא מעבר אוטומטי לגיבוי: מפתח אחד לפני יותר מ-200 מודלים, עם DSL לניתוב שמחליט איזו בקשה הולכת לאן, כך שבקשה שמנוע קבלת ההחלטות דוחה יכולה להישלח למודל גנרטיבי שקורא את אותם קלטים וכותב את התשובה בפרוזה. מחיר המחירון של הספק מועבר הלאה בלי שום תוספת לכל טוקן, כך שהמסלול המשני עולה בדיוק את מה שהספק שלו גובה, ומשתנה ביום שבו אותו ספק משנה את התעריף שלו. אותה שכבה בדיוק הופכת תצוגה מקדימה שטרם הוכחה לניתנת לבדיקה בלי לקדם אותה: הציבו את G​limpse על מסלול צל, השוו את הכרעותיו למודל שאתם כבר סומכים עליו, וקדמו אותו רק כשהעקבות מראות שהוא חוזר למרווחים שבאמת חשובים. אנחנו לא מגישים אף אחד מהשניים — ה-API של E​lorian עצמו הוא המקום שבו G​limpse חי, ו-Intern-Decision-4B הוא הורדה — כך ששכבת הניתוב עושה עבודה על צורתו של הצינור, לא על הזמינות של שני אלה.

מה ישנה את התשובה

לגבי G​limpse, שלושה דברים: רתמת בדיקה עצמאית המשחזרת שורה מהטבלה של E​lorian, חלון הקשר שפורסם, וכל גילוי של מודל הבסיס שהחברה ביצעה עליו אימון-המשך. כל שלושתם כרגע ריקים.

לגבי Intern-Decision-4B, שני דברים. תיעוד יהיה הראשון — שלוש העלאות מודל בארבעים שניות עם Space לא נגיש, collection לא נגיש ו-repository 404 זה לא שחרור, זה תמונת מצב שברחה. מנוע החלטה בלי נתוני דיוק מפורסמים לא יכול להיות מכויל מול שום דבר, ומודל שמחזיר הסתברויות שווה בדיוק כמו האמון שאפשר לתת בהן. העלאת מגבלת מנוע או הדרכה כנה על תקציב התמונות תהיה השנייה, כי תקרה של 8,192 טוקנים שכוללת בשקט עד שמונה תמונות היא הפתעה מפרטית שמחכה לקרות בייצור.

עד שהם יגיעו, החלוקה נקייה ואין לה דבר עם איזה מודל גדול יותר. אם התפקיד שלך הוא לצפות בצילומים ולספר לאדם מה קרה, כשהמרווח שהכריע את התשובה גלוי בעקבה, G​limpse הוא היחיד מבין השניים שיכול לעשות זאת, וההרשמה החינמית הופכת את הבדיקה לזולה. אם התפקיד שלך הוא לסווג, לתת ציון או להכריע בין אפשרויות נקובות ואתה צריך מספר מכויל לכל אפשרות ולא משפט אודותיהן, Intern-Decision-4B נבנה בדיוק לשם כך ולא לשום דבר אחר — קבל שהוא אינו מתועד, בדוק בשלב מוקדם את גבול 8,192 הטוקנים, ואל תצפה שהוא יסביר את עצמו, כי אין לו מנגנון לעשות זאת.

הכשלים המתועדים של ה-AI ותקריות הסוכנים שמאחורי גרסאות כמו זו נאספים בארכיון תקריות ה-AI של OrcaRouter, שבו כל רשומה כוללת מקורות משלה, חומרה, דירוג מהימנות ודגל מחלוקת.