Glimpse מול LFM2.5 2.6B Base: אחד מאלה לא יכול לענות על שאלה

Glimpse הוא תצוגה מקדימה מחקרית של Elorian בתחום הסקה חזותית, ששוחררה ב-16 באוקטובר 2026, ונקודת המכירה שלו היא התנהגות: בזמן שהוא חושב הוא יכול לחזור לתמונה או לסרטון, לסרוק מחדש מקטע של 0.9 שניות בקצב פריימים צפוף יותר, לבצע זום לאזור, או לעקוב אחר תכונה אחת לאורך זמן, ורק אז לענות. LFM2.5 2.6B Base הוא צ'קפוינט עם 2.69 מיליארד פרמטרים שפרסמה Liquid AI ב-4 באוגוסט 2026 תחת רישיון LFM Open License v1.0, ואין בו כיוונון הוראות כלל — הוא מעולם לא אומן לענות על דבר. תן לו שאלה והוא ימשיך את הטקסט, באופן סביר, ברגיסטר של מה שקדם לו. זה אינו פגם או גרסה חסרה; זה המפרט. אז הדבר הראשון שיש לומר על השילוב הזה הוא שזו לא התמודדות בין שני מודלים באיכות שונה. זו התמודדות בין יכולת שאתה שוכר לבין חומר גלם שאתה מאמן, והעובדה היחידה שמכריעה ביניהם היא אם העבודה שיש לך היא שאלה או מערך נתונים.

כל מה שלהלן נובע מכך, כולל העובדה שרק לאחד מהשניים האלה יש טבלת בנצ'מרק — וזה לא זה שקורא היה מנחש.

שני אובייקטים, מתוארים ללא השיווק

ל-Glimpse אין ארטיפקט להורדה. Elorian לא מפרסמת מספר פרמטרים, לא ארכיטקטורה, לא חלון הקשר, ולא שם למודל הבסיס עם המשקולות הפתוחות שהיא אומרת שהוא אומן לאחר עליו. מה שכן קיים הוא API וממשק צ'אט עם הרשמה חינם, מחיר של 0.60 דולר למיליון טוקנים בקלט ו-3.00 דולר למיליון טוקנים בפלט, וקבוצה של עקבות מעובדות שמראות את המודל חוזר לראיות חזותיות באמצע החשיבה. מרחב הגירוד החזותי שלו — המשטח שבו הוא בוחן מחדש את מה שראה — הוא המוצר.

LFM2.5 2.6B Base הוא ההיפוך המדויק. הוא קובץ. שלושים שכבות, מתוכן 22 הן בלוקים של קונבולוציה קצרה עם שער כפול ו-8 הן קשב עם שאילתות מקובצות; כ-34 טריליון אסימוני אימון ב-16 שפות; חלון הקשר של 131,072 אסימונים; גרסה מכומתת בסביבות 1.67 GB. הוא טקסטואלי בלבד, הוא צפוף, והוא בכוונה ללא ציון, מכיוון שציינון נקודת ביקורת בסיס במדדי מעקב הוראות ימדוד את היעדר הכיוונון העדין ולא את איכות המצע.

• מה אתה מקבל — Glimpse: מפתח API ונקודת קצה מתארחת. LFM2.5 2.6B Base: משקולות, טוקנייזר ורישיון.

• מודאליות — Glimpse: קלט של תמונות ווידאו, עם דגימה חוזרת לאורך זמן. LFM2.5 2.6B Base: טקסט נכנס, טקסט יוצא.

• מחיר — Glimpse $0.60 / $3.00 למיליון טוקנים, כפי שמפורסם על ידי הספק. LFM2.5 2.6B Base: אין עלות לקריאה; החומרה מסופקת על ידך.

• גודל מפורסם — לא נחשף עבור Glimpse, דבר יוצא דופן עבור מודל מתארח ואף מהווה בעצמו את החשיפה. 2.69B צפוף עבור LFM2.5 2.6B Base, כל משקל גלוי במאגר.

• התנהגות כברירת מחדל — Glimpse עונה על שאלות על מה שהוא הסתכל עליו. LFM2.5 2.6B Base ממשיך את הטקסט שלך, כי זה מה שאימון מקדים מפיק.

• רישיון — Glimpse היא תצוגה מקדימה מתארחת בכפוף לתנאים של Elorian. LFM Open License v1.0, חינם מתחת להכנסה שנתית של 10 מיליון דולר, ומחייב רישיון נפרד בסף זה או מעליו.

למה רק לאחד מאלה יש כרטיס תוצאות?

זה החלק שנראה הפוך. המודל בלי משקלים, בלי גודל מוצהר ובלי הערכה בלתי תלויה מפרסם טבלת בנצ׳מרק בת שתים־עשרה שורות מול GPT-6 Astra. המודל שכל משקליו פורסמו ושארכיטקטורה שלו מתועדת במלואה לא מפרסם דבר.

שני החללים הריקים הם רציונליים, והם מציינים דברים מנוגדים, ולכן כדאי להפריד ביניהם.

הטבלה של Glimpse מדווחת על ידי הספק ולא שוחזרה — המספרים של Elorian עצמה, מול בחירת המתחרים שלה, הורצו במאמץ החשיבה הגבוה ביותר של המודל עם רתמת הסוכן המקורית שלו, עם הערת שוליים שחושפת שכמה מתחרים הורצו מתחת למאמץ המקסימלי שלהם וששורת ה-HSS מערבבת נתונים מדווחים ממאמרים של מעבדות אחרות. כטענה על כיוון היא אינפורמטיבית; כציון היא עדיין אינה ראיה, כי אף אחד מחוץ לחברה לא הריץ אותה. והמקום שבו הטבלה מועילה ביותר הוא דווקא המקום שבו היא לא מחמיאה: Glimpse מקבלת 46.36 ב-Humanity's Sixth Sense לעומת 53.6 של Astra, במדד ש-Elorian עצמה בנתה עם Scale AI. ה-rewind קונה תפיסה — ספירה, קריאת גרפים, מעקב אחר אובייקט בתנועה — ואינו קונה הסקה לגבי מה שסצנה מרמזת.

המקום הריק של LFM2.5 2.6B Base הוא מסוג אחר. אין מה לדרג. לצ'ק-פוינט בסיס אין התנהגות; יש לו התפלגות. בתקומו, Liquid AI מריצה בנצ'מרקים על האח שעבר אימון-המשך במשפחה, וזו ההחלטה ההנדסית הנכונה — והיא אומרת לך בדיוק אפס על האם המצע יתאים למשימה שלך.

לאי-הסימטריה הזו יש השלכה מעשית. עבור Glimpse, שאלת ההערכה היא "האם טענת הספק תשרוד את הקליפ שלי". עבור LFM2.5 2.6B Base, שאלת ההערכה היא "האם אני יכול לאמן את זה למשהו שעובד" — ושאלה השנייה ניתנת למענה היום, על ידך, במחיר של הורדה. הבילד של 1.67 GB נכנס במחשב נייד; לולאת האימון היא העבודה.

היחידות לא מומרות, לכן המר אותן ידנית.

מחיר לכל טוקן והורדה חינמית אינם ניתנים להשוואה ישירה, ושם רוב ההשוואות מהסוג הזה מרמות בשקט. הדרך ההגונה היא לבחור משימה ולתמחר את שני המסלולים.

קחו עבודה צרה עם נפח גבוה שכוונון עדין קטן באמת טוב בה: קריאת סוג מסמך קבוע ופליטת JSON מובנה, הרצת 50 מיליון טוקנים בחודש, בערך חצי קלט וחצי פלט. ב-Glimpse זה בערך 90$ בחודש — 15$ של קלט ב-0.60$ למיליון, 75$ של פלט ב-3.00$ — בתוספת זמן ההנדסה לכתיבת פרומפט ולתיקוף שלו. ב-LFM2.5 2.6B Base ההסקה בחינם, והחשבון עובר כולו לחזית: הרכבת כמה אלפי דוגמאות מתויגות, ריצת אימון אחת על הכרטיס שלכם, סט הערכה, וריצה חוזרת בכל פעם שפורמט המסמך משתנה.

שני דברים נובעים מהחשבון הזה שקל לפספס.

הראשונה היא שכיוונון עדין מנצח מבחינת עלות רק מעל סף נפח, והסף נקבע לפי כמה מאמץ הנדסי הצוות שלך יכול לספוג, ולא לפי מה ש-Liquid AI מפרסמת. לצוות בלי יכולת אימון אין כלל נקודת איזון בצד הזה של ההשוואה, וזו עובדה אמיתית ולעיתים קרובות מכרעת.

השנייה היא שטענות המחיר של Glimpse עצמה מכוונות למקום אחר לגמרי. Elorian מציגה את $0.60/$3.00 כ-94% מתחת ל-GPT-6 Astra ב-$10/$50 ו-85% מתחת ל-Claude Opus 5.5 ב-$4/$20. מול דגמי הדגל של החזית Glimpse זול. מול קצה המודלים הקטנים — צ'קפוינט 2.6B שבבעלותכם, או מסלול עתיר-נפח כמו Qwen3.8-Flash של אליבאבא ב-$0.15/$0.47 — הוא הצד היקר של ההשוואה, והמאמר שליד זה על Qwen 3.8מפרט זאת עם לוחות התעריפים האמיתיים. טענת הנחה של ספק היא תמיד ביחס למערך ההשוואה שהספק בחר.

איך היית בעצם מריץ את הבדיקה

ההשוואה שלמעלה שווה משהו רק אם היא זולה להרצה, והמכשול המעשי הוא ששני הצדדים נמצאים במערכות שונות: נקודת קצה מתארחת עם מפתח אחד, ולולאת אימון שמסתיימת במודל שצריך להגיש במקום כלשהו. הפיכת זה לבדיקת A/B על עומס העבודה שלך היא המקום שבו שכבת ניתוב מצדיקה את מקומה, והטיעון זהה בין אם אתה משווה כיוונון עדין ל-API או שני API-ים זה לזה.

OrcaRouter מציבה נקודת קצה לטקסט וכל מודל שפורסם זה לצד זה מאחורי מפתח אחד — יותר מ-200 מודלים, מחיר המחירון של הספק מועבר הלאה בלי שום תוספת לכל טוקן, חשבון אחד, ומעבר אוטומטי בין ספקים כך שאחר צהריים רע של ספק לא יהפוך לאחר צהריים רע של ההערכה שלך. לא Glimpse ולא LFM2.5 2.6B Base נמצאים בקטלוג הזה, ואף לא וריאנט של LFM2.5: Glimpse מגיע מה-API וממשק הצ'אט של Elorian עצמה, והצ'קפוינט של Liquid מגיע מ-Liquid AI, שניהם דברים שמשיגים ישירות. מה ששכבת הניתוב משנה הוא קבוצת הביקורת. כשהשאלה היא "האם הכיוונון העדין שלי באמת טוב יותר מאשר סתם לקרוא למשהו", אתה רוצה שה"משהו" יהיה שינוי תצורה ולא תהליך רכש, כי הניסוי שאתה יכול להריץ היום אחר הצהריים הוא היחיד שמייצר מספר.

לאן שכיוונון עדין לא יכול לקחת אותך, בכל גודל

זה החלק בהשוואה שאינו מצטמצם לשאלת עלות, וזו הסיבה ששני אלה אינם תחליפים זה לזה באף כיוון.

היכולת של Glimpse היא טמפורלית וחזותית. זהות אובייקט לאורך חיתוך, אירוע בתוך חלון תת-שנייה, ספירה שמשתנה כאשר משהו מסתיר — מנגנון הרצה לאחור מטפל בהם ישירות, והעקבות מראות האם המודל אכן סרק מחדש את המרווח שהיה חשוב. שום כמות של כוונון עדין של צ'קפוינט טקסטואלי בלבד של 2.69 מיליארד לא תפיק את ההתנהגות הזו, מכיוון שלמצע אין קלט וידאו ואין מנגנון לבזבז מחשוב נוסף על מרווח ספציפי לאחר מעבר ראשון. לא ניתן לאמן את דרכך לתוך ארכיטקטורה שלא בנית.

ההפך נכון באותה מידה. תצוגה מקדימה מתארחת שמספר הפרמטרים, חלון ההקשר ומודל הבסיס שלה אינם גלויים – אינה משהו שאפשר לשלב במוצר מוסדר, להריץ בסביבה מבודדת מרשת, או להבטיח את זמינותה. ומחירון של תצוגה מקדימה מחקרית יכול להשתנות בכל עת, מה שמתאים לניסוי אך לא נוח למודל עלויות.

אז הסיכום האמיתי הוא לא שאחד מהם טוב יותר, אלא שצוות עם משימת טקסט ומערך נתונים צריך להסתכל על ה-checkpoint, צוות עם שאלה חזותית טמפורלית צריך להסתכל על ה-preview, ולצוות שאין לו אף אחד מהשניים אין סיבה להשוות ביניהם עדיין.

שלושה תנאים, ומה כל אחד מהם מרמז

אם המשימה שלך צרה, טקסטואלית בלבד, ויש לך — או שאתה יכול לקנות — כמה אלפי דוגמאות מתויגות, LFM2.5 2.6B Base הוא האובייקט בעל הערך הרב יותר, כי בסופו של דבר אתה מחזיק בחפץ ומשלם על חשמל במקום על טוקנים. הורד תחילה את הבילד של 1.67 GB וודא שהדבר רץ על החומרה שלך לפני שאתה מתכנן משהו סביבו. הצעד הזה עולה אחר צהריים.

אם מצב הכשל שלכם הוא טמפורלי — המודל הסתכל אך לא הסתכל מספיק מקרוב — Glimpse הוא המודל המתארח הראשון שהמנגנון המוצהר שלו מכוון לכך ישירות, וההרשמה החינמית הופכת את הבדיקה לזולה. הריצו קליפ משלכם, ואז קראו את מרחב הטיוטה: אם הוא מעולם לא סרק מחדש את המרווח שהכריע את התשובה, למדתם משהו על הפייפליין שלכם ולא רק על המודל.

אם אתה עדיין לא יודע לאיזה משני אלה אתה שייך, סדר הפעולות נקבע: הרץ תחילה את המודל המתארח, כי הוא מספק בתוך אחר צהריים אחד תשובה שפרויקט כיוונון עדין מספק בתוך חודש. המצע נשאר זמין. הוא ימשיך להיות הורדה של 1.67 GB ברבעון הבא, והדבר היחיד שתוציא הוא הזמן שאחרת היית מוציא על הרכבת מערך נתונים למשימה שקריאת API הייתה עשויה לכסות.

שום דבר מזה אינו היפותטי: כשלי ה-AI המתועדים ותקריות הסוכנים העומדים מאחורי מהדורות כמו זו מרוכזים בארכיון תקריות ה-AI של OrcaRouter, שבו כל רשומה כוללת מקורות משלה, חומרה, דירוג מהימנות וסימון שנוי במחלוקת.