Glimpse לעומת MiniCPM5 2B: שבעה שבועות של שובל ניירת ותשע עשיריות של שנייה

MiniCPM5-2B וE​lorian G​limpseשניהם מודלים קטנים הנטענים לנצח דברים גדולים בהרבה מעצמם, והם מציגים את הטענה במטבעות מנוגדים. MiniCPM5-2B, שהוצג על ידי M​odelBest ו-O​penBMB ב-WAIC ב-19 ביולי 2026 ולבסוף קיבל משקלים ב-6 בספטמבר 2026, מגיע עם כרטיס שממוצע 53.9 על פני מערך המבחנים שלו מול מודלים פתוחים גדולים יותר שמגיעים לשיא של 51.1. G​limpse, שיצא ב-16 באוקטובר 2026, מגיע עם חלון של 0.9 שניות — מעבר ראשון בקצב של בערך 8 פריימים לשנייה, ואז סריקה חוזרת של תשע עשיריות השנייה בקצב של בערך 14 פריימים לשנייה — וקבוצה של שורות בנצ'מרק שהן של הספק עצמו, לא משוחזרות, ומעורבות באופן בולט. לאחד מהם יש שבעה שבועות של שובל ניירת פומבי מאחוריו וארטיפקט להורדה. לשני יש מנגנון וכמעט אין מספרים.

ההשוואה אינה ממש שתי גרסאות של אותו הדבר, מכיוון ש-MiniCPM5-2B הוא מודל הסקה כללי שקורא גם תמונות, בעוד ש-G​limpse הוא תצוגה מקדימה מתארחת של הסקה חזותית שכמעט ולא עושה דבר אחר. הסיבה לקרוא אותם יחד היא ששניהם טיעונים לגבי מה שמודלים קטנים יכולים לעשות — ושני הטיעונים נכשלים בדרכים שונות ומלמדות.

ההמתנה, ומה שההמתנה הניבה

כדאי לשחזר את ציר הזמן של MiniCPM5-2B, כי זהו החלק בסיפור שחיפוש לפי תאריך שחרור היה מפספס.

המודל נחשף ב-19 ביולי 2026 בכנס העולמי לבינה מלאכותית, שבו היכולת המרכזית הייתה חלון הקשר של 512,000 טוקנים. המשקולות לא הופיעו עד 6 בספטמבר, כשלוג השינויים פורסם ב-7 בספטמבר. בין שני התאריכים הללו המודל התקיים כהדגמה וכאוסף מספרים.

מה שסופק אינו מה שפורסם, והפער ניתן לבדיקה. התצורה ששוחררה מגדירה את max_position_embeddings ל-131,072 ללא בלוק rope_scaling, שהם 131,072 טוקנים — רבע מהנתון של WAIC. זו לא כל כך חוסר יושר אלא יותר ההבדל הרגיל בין מה שצוות מחקר מציג על הבמה לבין מה שצוות הנדסה מוכן לחתום עליו בקובץ תצורה, אבל זה המספר שקובע, כי הוא זה שהפריסה שלך יורשת.

מה ששוחרר בפועל הוא שלם באופן יוצא דופן עבור מודל בקטגוריית גודל זו. לצד נקודת הביקורת הסופית BF16 — RL ו-OPD ממוזגים — ישנם שלבי SFT, midtrain ו-base שפורסמו בנפרד, גרסאות GGUF, MLX ו-GPTQ עבור סביבות הרצה מקומיות, מודל טיוטה DSpark לפענוח ספקולטיבי, וקורפוסי האימון עצמם שוחררו תחת משפחת UltraData. תמיכת יום-אפס בתשעה ערכות שבבים הגיעה דרך FlagOS, וכרטיס המודל מקפיד לציין שהמימוש אינו משתמש בקרנלים מותאמים אישית ואף לא בפיצול קוד מודל. הפרט האחרון הזה הוא מה שהופך את השאר לאמין: מודל שרץ על כלים סטנדרטיים הוא מודל שרץ איפה שאתם נמצאים, לא רק איפה שהאשכול של המחברים נמצא.

ציר הזמן של G​limpse דחוס יחסית, ושובל התיעוד שלה דק יותר. הוא שוחרר ב-16 באוקטובר 2026, יום אחד לפני מאמר זה, כתצוגה מקדימה מחקרית שניתן להגיע אליה דרך ה-API וממשק הצ'אט של E​lorian עם הרשמה חינמית. אין משקולות, אין פרסום של מודל הבסיס שעליו עבר אימון-המשך, אין שום ארטיפקט מכל סוג. החברה יצאה מחשאיות באפריל 2026 בהובלת אנדרו דאי, חוקר G​ogle לשעבר, עם 55 מיליון דולר מ-Striker Ventures, Menlo Ventures ו-Altimeter, ובהשתתפות N​VIDIA, 49 Palms וג'ף דין. המודל הוא הדבר הראשון שהיא שחררה.

המספרים, ומה כל סט מכסה

• פרמטרים — MiniCPM5-2B מונה סך כולל של 2,516,756,480, מתוכם 1,981,982,720 שאינם embedding; 42 שכבות, קשב group-query על פני 16 ראשי query ו-2 ראשי key-value, המוגש דרך מחלקת LlamaForCausalLM סטנדרטית. מספר הפרמטרים של Glimpse לא פורסם, ופוסט ההשקה שלו אומר רק שהוא "קטן וזול באופן מהותי" מהמודלים המובילים שהוא נבחן מולם.

• Artefact — משקלים ברישיון Apache 2.0 וכן וריאנטים של SFT, midtrain, base, GGUF, MLX ו־GPTQ עבור MiniCPM5-2B. אין כאלה עבור Glimpse, שמציע נקודת קצה מתארחת וכלום שאינו להורדה.

• הקשר — 131,072 אסימונים כפי שהוגדרו עבור MiniCPM5-2B, לעומת נתון של 512,000 אסימונים שהוצג לראווה בהדגמת WAIC. לא פורסם עבור G​limpse — החלל המשמעותי יותר מבין השניים, שכן היכולת המגדירה שלו היא קריאת וידאו.

• מודאליות — קלט תמונות, פלט טקסט עבור MiniCPM5-2B. וידאו ותמונות עבור Glimpse, עם היכולת לחזור למרווח לאחר מעבר ראשון.

• הערכה — הכרטיס של MiniCPM5-2B מדווח על LiveCodeBench v6 ב-69.1, AIME 2025 ו-2026, שניהם ב-86.5, MATH-500 ב-94.6, MMLU-Pro ב-70.8, LongBench v2 ב-43.7, BFCL v4 ב-66.6 ו-SWE-bench Verified ב-46.4, כאשר כמה שורות מסומנות בפגיון כהועברו מפרסום של Artificial Analysis ולא נמדדו בבית. השורות של G​limpse הן של E​lorian עצמה, מול GPT-6 Astra, עם הערת שוליים שחושפת שכמה מתחרים הורצו במאמץ חשיבה נמוך מהמקסימלי בעוד ש-G​limpse הורצה במאמץ הגבוה ביותר שלה.

• מחיר — $0.60 למיליון טוקני קלט ו-$3.00 למיליון טוקני פלט עבור G​limpse, כאשר ההחזרה לאחור מחויבת כטוקני פלט, כך שהעקבה היא הקבלה. אין מחירון עבור MiniCPM5-2B, כי התוצר הוא קובץ.

הטענה ששניהם מעלים, והאופנים השונים שבהם היא תקפה

הטענה המרכזית של MiniCPM5-2B היא אריתמטית וניתנת לבדיקה. מודל בן 2.5 מיליארד פרמטרים, ממוצע כרטיס 53.9, מול מודלים פתוחים גדולים יותר שהממוצע הטוב ביותר שלהם הוא 51.1 על אותה קבוצה. זו טענה מהצורה "הדבר הקטן הזה מנצח את הדבר הגדול הזה במשימות האלה", והיא ניתנת להפרכה בידי כל מי שיש לו GPU ואחר צהריים, מפני שהמשקולות הן הורדה והמבחנים מפורסמים.

המנגנון לכך מתועד בשלושה שלבים: כיוונון עדין מפוקח על כ-400 מיליארד טוקנים של נתוני חשיבה עמוקה, למידת חיזוק עם מודלי מורים, ולאחר מכן זיקוק לפי-מדיניות (on-policy distillation) שממזג שישה-עשר מומחי RL — חמישה מהם סוכניים — בחזרה לנקודת ביקורת אחת. המספרים הפנימיים המשויכים למיזוג הזה הם רווח של 10.96 נקודות במשימות הסקה וכלליות ו-6.96 במשימות סוכניות ביחס למצב שלפני המיזוג. אלה המדידות של הספק עצמו על ה-pipeline שלו עצמו, והן מסוג הטענות שצד שלישי יכול כעת ללכת ולבדוק, וזה בדיוק העיקר שבשחרור נקודות הביקורת הביניימיות לצד זו הסופית.

הטענה המרכזית של Glimpse אינה אריתמטית. זוהי התנהגות: חזרה לחלון תת-שנייה לאחר מעבר ראשון מניבה תשובות טובות יותר לשאלות טמפורליות מאשר שדגימה על רשת קבועה תוכל אי-פעם להניב. הראיות התומכות הן קבוצה של עקבות מעובדות וטבלת בנצ'מרק שמתחלקת כמעט שווה בשווה — מוביל ב-WGO Bench (42.70 לעומת 39.42), CharXiv-R (92.90 לעומת 92.10), UGC-VideoCap (82.66 לעומת 80.32) ו-FSC-147 (83.36 לעומת 82.02); מפגר ב-BabyVision (95.36 לעומת 97.68), DREAM-1K (76.04 לעומת 79.05), TOMATO (93.60 לעומת 96.02), Video-MME v2 (56.68 לעומת 64.06), CountQA (82.66 לעומת 86.42) ו-Humanity's Sixth Sense (46.36 לעומת 53.6).

שתי הטענות סבירות. רק אחת מהן ניתנת כרגע לבדיקה על ידי מישהו מחוץ לחברה שהשמיעה אותה.

מה משותף לשני הגילויים

כרטיס MiniCPM5-2B נושא סימני פגיון על חלק משורותיו, ומסמן אותם כנתונים שנלקחו מפרסום של Artificial Analysis ולא כנתונים שנמדדו על ידי המחברים. יש לקרוא זאת כגילוי נאות ולא כפגם. החלופה — להכניס בשקט מדידות של מישהו אחר לטבלה שלך בלי סימון — נפוצה וגרועה יותר.

שני המודלים, על פי הראיות הזמינות, אינם מאומתים באותו מובן ספציפי. הטבלה של Glimpse מופעלת על ידי הספק בתצורה המיטבית של הספק. ל-MiniCPM5-2B גם אין שחזור בלתי תלוי של ממוצע הכרטיס שלו, יהא מקורן של שורות בודדות אשר יהא. במימד הזה שתי המהדורות זהות, וראוי לשים לב לכך לפני שמתייחסים לאחת מהן כאל החצי האמין של ההשוואה.

ההבדל המשמעותי יותר הוא מה שקורה בהמשך. כל אחד יכול להוריד את MiniCPM5-2B ולהריץ הערכה עצמאית משלו היום אחר הצהריים, על הנתונים שלו, בלי לבקש רשות מאף אחד. אף אחד לא יכול לעשות זאת עם G​limpse. הניסוי חינמי והעקבות ניתנות לבדיקה, אבל ההערכה מוגבלת למה ש-E​lorian בחר להראות, ונקודת הקצה היא המקום היחיד שבו המודל קיים.

כאשר המשמורת מכריעה את השאלה

זהו המימד שבו שני המודלים אינם קרובים זה לזה, ואין לכך שום קשר ליכולת.

התוצר של MiniCPM5-2B הוא קבוצה של קבצים תחת Apache 2.0, כולל build של GGUF ו-build של MLX. המשמעות היא שהמודל רץ על מחשב נייד, התמונות לעולם לא עוזבות את המכונה, ולפריסה אין ספק בנתיב הבקשות שלה — אין חלון זמינות, אין שאלת שמירת נתונים, אין מגבלת קצב, ואין מחיר שיכול לזוז מתחת לרגליכם. לעבודה רגולטורית עם תמונות, או לכל דבר שבו המדיה לא יכולה לחצות גבול רשת, זו ההחלטה כולה, ו-Glimpse אינו מועמד, ולא משנה כמה טוב נראה ה-trace.

היכולת של G​limpse קיימת רק מאחורי נקודת הקצה של E​lorian. התכונה המייחדת שלה היא מרחב השרטוט החזותי, ואין ארטיפקט למקם מחדש. זה לא פגם במוצר; זו תכונה של תצוגה מקדימה מחקרית שערכה הוא, לכאורה, במנגנון ולא במשקולות.

זה גם המקום שבו שכבת ניתוב מועילה, וגם המקום שבו היא מפסיקה להיות מועילה. OrcaRouter נותן לך מפתח אחד מול יותר מ-200 מודלים, כשמחירי המחירון של הספקים מועברים כמו שהם ובלי שום תוספת לכל טוקן, כך ש-MiniCPM5-2B מקומי ומודל מתארח יכולים לשבת על נתיב קוד אחד ולא על שניים, כששפת DSL לניתוב בוחרת לפי כל בקשה ומעבר אוטומטי לגיבוי משאיר בקשה בחיים כשנתיב נופל. החצי המתארח של השילוב הזה, אם הספק מוריד את המחיר שלו, מתעדכן אצלנו באותו יום ולא בחידוש הבא. מה שניתוב לא יכול לעשות זה להעביר בעלות: אם נקודת קצה אינה על החומרה שלך, שום כלל ניתוב לא ימקם אותה שם. לא MiniCPM5-2B ולא Glimpse נמצאים בקטלוג שלנו — האחד הוא הורדה והאחר הוא ה-API וממשק הצ'אט של Elorian עצמה — כך שזה מתאר כיצד אנחנו מנתבים, ולא טענה שאנחנו מגישים את אף אחד מהמודלים.

ההחלטה, עם החשבונאות המצורפת

MiniCPM5-2B ו-G​limpse אינם מתחרים, והתייחסות אליהם ככאלה מבזבזת את ההשוואה. האחד הוא מודל כללי בעל 2.5 מיליארד פרמטרים שיכול להיות בבעלותך. האחרת היא תצוגה מקדימה מתארחת שעושה דבר אחד יוצא דופן.

אין לוח תוצאות משותף בין השניים, ואין דרך לבנות אחד. הכרטיס של MiniCPM5-2B מודד קידוד, מתמטיקה, ביצוע הוראות ושליפה בהקשר ארוך. הטבלה של G​limpse מודדת תפיסת וידאו ותמונה מול GPT-6 Astra. אין להם משימה משותפת, כך שההשוואות היחידות שחשובות הן מול עומס העבודה שלך. שלוש שאלות יכריעו את זה מהר יותר מטבלה.

האם המודל חייב לרוץ על החומרה שלך, או שהרישיון חייב להיות מתירני? אז MiniCPM5-2B הוא המועמד היחיד כאן. הורד את הבילד של GGUF או MLX, תקצב עבור הקונטקסט של 131,072 טוקנים שהתצורה מגדירה בפועל ולא 512,000 שמוצגים ב-WAIC, והתייחס לשורות המסומנות בפגיון בכרטיס המודל כאל מצביעים להערכה המקורית ולא כאל מדידות של המחברים.

האם מצב הכשל הוא זמני — תנועת מצלמה שנחשבת בטעות לחתך, אובייקט שמחליף זהות לאורך הסתרה, אירוע בתוך חלון של פחות משנייה? אז G​limpse הוא היחיד מבין השניים שהמנגנון המוצהר שלו מטפל בכך. הניסיון חינם, והעקבה היא המבחן: הריצו את הקליפים שלכם ובדקו אם המודל אי פעם חזר למרווח שהכריע את התשובה.

האם העבודה היא עם הקשר ארוך אך לא עם וידאו ארוך — אוסף מסמכים, ארכיון תיוק, נתיב ביקורת שחייב להיכנס לחלון אחד? ההערכה שפורסמה של אף אחד מהמודלים אינה מכריעה את הסוגיה. LongBench v2 בציון 43.7 הוא מספר בודד עבור קטגוריה שלמה של התנהגות, והוא לא יגיד לך כיצד MiniCPM5-2B מתפקד על המסמכים שלך ב-120,000 טוקנים. את זה צריך למדוד לפני שאפשר לקבל כל אחת מההחלטות בבטחה.

מה היה משנה את הדף הזה: כל רפרודוקציה של שורות הבנצ'מרק של G​limpse בידי מישהו אחר מלבד E​lorian, פרסום מספר הפרמטרים או חלון ההקשר שלו, או צ'קפוינט של MiniCPM5 שסוגר את הפער בין תצורת 131,072 הטוקנים לבין הדגמת 512,000 הטוקנים. אף אחד מהם לא נמצא בלוח הזמנים. עד שהם יגיעו, אחד מהמודלים האלה יכול להיבדק על ידי כל אחד הלילה, והאחר לא יכול — והאסימטריה הזו, יותר מכל שורת בנצ'מרק, היא הדבר שסביבו צריך לתכנן.

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.