Glimpse vs MiniCPM5 2B: Tujuh Minggu Jejak Dokumen dan Sembilan Persepuluh Detik

MiniCPM5-2B dan E​lorian G​limpse keduanya adalah model kecil yang diklaim mengalahkan hal-hal yang jauh lebih besar dari diri mereka sendiri, dan mereka membuat klaim itu dalam mata uang yang berlawanan. MiniCPM5-2B, yang ditampilkan oleh M​odelBest dan O​penBMB di WAIC pada 19 Juli 2026 dan akhirnya bobotnya dirilis pada 6 September 2026, hadir dengan kartu model yang rata-rata mencetak 53,9 pada set ujinya sendiri melawan model terbuka yang lebih besar yang puncaknya 51,1. G​limpse, yang dirilis pada 16 Oktober 2026, hadir dengan jendela 0,9 detik — proses pertama pada kira-kira 8 frame per detik, lalu pemindaian ulang selama sembilan persepuluh detik pada sekitar 14 frame per detik — dan serangkaian baris benchmark yang merupakan milik vendor sendiri, belum direproduksi, dan terbilang campur aduk. Salah satunya memiliki jejak dokumen publik selama tujuh minggu dan artefak yang dapat diunduh. Yang lain memiliki mekanisme dan hampir tidak ada angka.

Perbandingan ini sebenarnya bukan dua versi dari hal yang sama, karena MiniCPM5-2B adalah model penalaran umum yang juga membaca gambar, sedangkan Glimpse adalah pratinjau penalaran visual yang dihosting yang hampir tidak melakukan hal lain. Alasan untuk membacanya bersama-sama adalah bahwa keduanya merupakan argumen tentang apa yang bisa dilakukan model kecil — dan kedua argumen itu gagal dengan cara yang berbeda dan instruktif.

Penantian itu, dan apa yang dihasilkan oleh penantian itu

Lini masa MiniCPM5-2B layak direkonstruksi, karena itulah bagian dari kisah yang akan terlewat oleh pencarian tanggal rilis.

Model tersebut diperkenalkan pada 19 Juli 2026 di Konferensi Kecerdasan Buatan Dunia, dengan kemampuan utamanya berupa jendela konteks 512.000 token. Bobotnya baru muncul pada 6 September, disusul catatan perubahan pada 7 September. Di antara kedua tanggal itu, model tersebut hanya ada sebagai demonstrasi dan sekumpulan angka.

Yang dirilis bukanlah yang diiklankan, dan selisihnya dapat diperiksa. Konfigurasi yang dirilis menetapkan max_position_embeddings ke 131.072 tanpa blok rope_scaling, yang berarti 131.072 token — seperempat dari angka WAIC. Itu bukanlah ketidakjujuran, melainkan perbedaan biasa antara apa yang ditunjukkan tim riset di atas panggung dan apa yang bersedia disetujui oleh tim rekayasa dalam file konfigurasi, tetapi angka itulah yang penting, karena itulah yang diwarisi oleh deployment Anda.

Yang dirilis ini luar biasa lengkap untuk model di kelas ukuran ini. Selain checkpoint BF16 final — gabungan RL plus OPD — ada tahap SFT, midtrain, dan base yang diterbitkan secara terpisah, build GGUF, MLX, dan GPTQ untuk runtime lokal, model draf DSpark untuk decoding spekulatif, dan korpus pelatihan itu sendiri yang dirilis sebagai keluarga UltraData. Dukungan day-zero pada sembilan chipset datang melalui FlagOS, dan kartu model tersebut secara tegas menyatakan bahwa implementasinya tidak menggunakan kernel kustom dan tidak mem-fork kode model. Detail terakhir itulah yang membuat sisanya kredibel: model yang berjalan di perkakas standar adalah model yang berjalan di tempat Anda berada, bukan hanya di tempat klaster para penulisnya.

Lini masa G​limpse lebih terkompresi jika dibandingkan dan jejak dokumennya lebih tipis. Dirilis 16 Oktober 2026, satu hari sebelum artikel ini, sebagai pratinjau riset yang dapat diakses melalui API dan antarmuka chat E​lorian dengan pendaftaran gratis. Tidak ada bobot, tidak ada publikasi model dasar yang menjadi dasar pasca-pelatihannya, tidak ada artefak dalam bentuk apa pun. Perusahaan ini keluar dari mode stealth pada April 2026 dengan Andrew Dai, mantan peneliti G​oogle, di baliknya, dengan dana $55 juta dari Striker Ventures, Menlo Ventures, dan Altimeter serta partisipasi dari N​VIDIA, 49 Palms, dan Jeff Dean. Model ini adalah hal pertama yang dirilis perusahaan.

Angka-angkanya, dan apa yang dicakup oleh setiap set

• Parameter — MiniCPM5-2B berjumlah total 2.516.756.480, di mana 1.981.982.720 di antaranya non-embedding; 42 lapisan, attention group-query di seluruh 16 kepala query dan 2 key-value, dilayani melalui kelas LlamaForCausalLM standar. Jumlah parameter G​limpse tidak dipublikasikan, dan posting peluncurannya hanya menyatakan bahwa model tersebut "jauh lebih kecil dan lebih murah" daripada model-model frontier yang dijadikan tolok ukurnya.

• Artefact — bobot Apache 2.0 plus varian SFT, midtrain, base, GGUF, MLX, dan GPTQ untuk MiniCPM5-2B. Tidak ada untuk G​limpse, yang menawarkan endpoint yang dihosting dan tidak ada apa pun untuk diunduh.

• Konteks — 131.072 token sebagaimana dikonfigurasi untuk MiniCPM5-2B, dibandingkan angka 512.000 token yang digembar-gemborkan pada demonstrasi WAIC. Tidak dipublikasikan untuk Glimpse — kekosongan yang lebih berdampak di antara keduanya, karena kemampuan yang menjadi ciri khasnya adalah membaca video.

• Modalitas — gambar masuk, teks keluar untuk MiniCPM5-2B. Video dan gambar untuk Glimpse, dengan kemampuan untuk kembali ke suatu interval setelah pass pertama.

• Evaluasi — Kartu MiniCPM5-2B melaporkan LiveCodeBench v6 sebesar 69,1, AIME 2025 dan 2026 keduanya 86,5, MATH-500 94,6, MMLU-Pro 70,8, LongBench v2 43,7, BFCL v4 66,6 dan SWE-bench Verified 46,4, dengan beberapa baris ditandai belati sebagai hasil yang dibawa dari rilis Artificial Analysis, bukan diukur secara internal. Baris G​limpse adalah milik E​lorian sendiri, terhadap GPT-6 Astra, dengan catatan kaki yang mengungkapkan bahwa beberapa pesaing dijalankan di bawah upaya berpikir maksimum sementara G​limpse berjalan pada upaya tertingginya.

• Harga — $0,60 per juta token masukan dan $3,00 per juta token keluaran untuk G​limpse, dengan rewind yang ditagih sebagai token keluaran, sehingga jejaknya adalah tanda terimanya. Tidak ada daftar tarif untuk MiniCPM5-2B, karena hasil yang diserahkan adalah file.

Klaim yang dibuat oleh keduanya, dan berbagai cara klaim itu berlaku.

Klaim utama MiniCPM5-2B bersifat aritmetis dan dapat diperiksa. Sebuah model dengan 2,5 miliar parameter, rata-rata kartu 53,9, melawan model-model terbuka yang lebih besar yang rata-rata terbaiknya 51,1 pada set yang sama. Itu adalah klaim dalam bentuk "hal kecil ini mengalahkan hal besar itu pada tugas-tugas ini," dan dapat difalsifikasi oleh siapa pun yang memiliki GPU dan waktu satu sore, karena bobotnya dapat diunduh dan tesnya dipublikasikan.

Mekanisme untuk itu didokumentasikan dalam tiga tahap: penyetelan halus terawasi pada sekitar 400 miliar token data pemikiran mendalam, pembelajaran penguatan dengan model guru, dan kemudian distilasi on-policy yang menggabungkan enam belas pakar RL — lima di antaranya bersifat agentik — kembali ke dalam satu checkpoint. Angka internal yang melekat pada penggabungan tersebut adalah peningkatan 10,96 poin pada tugas penalaran dan tugas umum serta 6,96 pada tugas agentik dibandingkan dengan keadaan sebelum penggabungan. Itu adalah pengukuran vendor sendiri terhadap pipeline-nya sendiri, dan itu adalah jenis klaim yang sekarang dapat diperiksa oleh pihak ketiga, yang merupakan inti dari merilis checkpoint perantara serta yang final.

Klaim utama Glimpse bukanlah aritmetika. Ini adalah perilaku: bahwa kembali ke jendela sub-detik setelah lintasan pertama menghasilkan jawaban yang lebih baik pada pertanyaan temporal daripada yang bisa dihasilkan pengambilan sampel pada grid tetap. Bukti pendukungnya adalah serangkaian jejak kerja dan tabel benchmark yang terbelah hampir merata — unggul pada WGO Bench (42.70 vs 39.42), CharXiv-R (92.90 vs 92.10), UGC-VideoCap (82.66 vs 80.32) dan FSC-147 (83.36 vs 82.02); tertinggal pada 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) dan Humanity's Sixth Sense (46.36 vs 53.6).

Kedua klaim itu masuk akal. Hanya satu di antaranya yang saat ini dapat diperiksa oleh seseorang di luar perusahaan yang membuatnya.

Apa kesamaan kedua pengungkapan tersebut

Kartu MiniCPM5-2B membubuhkan tanda belati pada sebagian barisnya, menandainya sebagai angka yang diambil dari rilis Artificial Analysis alih-alih diukur oleh para penulis. Anggaplah itu sebagai pengungkapan, bukan cacat. Alternatifnya — diam-diam menyelipkan pengukuran orang lain ke dalam tabel Anda sendiri tanpa penanda — lazim dan lebih buruk.

Kedua model, berdasarkan bukti yang tersedia, tidak terverifikasi dalam pengertian spesifik yang sama. Tabel Glimpse dijalankan oleh vendor pada konfigurasi terbaik vendor. MiniCPM5-2B juga tidak memiliki reproduksi independen atas rata-rata kartunya, apa pun asal-usul baris-baris individualnya. Dalam dimensi ini kedua rilis identik, dan perlu diperhatikan hal itu sebelum salah satu dari keduanya diperlakukan sebagai bagian yang dapat diandalkan dalam perbandingan.

Perbedaan yang lebih kuat adalah apa yang terjadi selanjutnya. Siapa pun dapat mengunduh MiniCPM5-2B dan menjalankan evaluasi mereka sendiri sore ini, dengan data mereka sendiri, tanpa meminta izin kepada siapa pun. Tidak ada yang bisa melakukan itu dengan G​limpse. Uji cobanya gratis dan jejaknya dapat diperiksa, tetapi evaluasinya dibatasi oleh apa yang E​lorian pilih untuk ditunjukkan, dan endpoint adalah satu-satunya tempat model itu ada.

Ketika hak asuh menentukan persoalan

Ini adalah dimensi di mana kedua model tidak berdekatan, dan hal itu sama sekali tidak ada hubungannya dengan kemampuan.

Deliverable MiniCPM5-2B adalah sekumpulan file di bawah Apache 2.0, termasuk build GGUF dan build MLX. Itu berarti model berjalan di laptop, gambar tidak pernah meninggalkan mesin, dan deployment tidak memiliki vendor di jalur permintaannya — tidak ada jendela ketersediaan, tidak ada pertanyaan retensi, tidak ada batas laju, tidak ada harga yang bisa bergeser di bawah Anda. Untuk pekerjaan teregulasi yang melibatkan citra, atau untuk apa pun yang medianya tidak boleh melintasi batas jaringan, itulah keseluruhan keputusannya, dan G​limpse bukan kandidat, seberapa bagus pun jejak yang terlihat.

Kemampuan G​limpse hanya ada di balik endpoint E​lorian. Ciri pembedanya adalah ruang coretan visual, dan tidak ada artefak untuk direlokasi. Itu bukan cacat pada produk; itu adalah properti dari pratinjau riset yang nilainya bisa dibilang terletak pada mekanismenya, bukan pada bobotnya.

Di sinilah juga lapisan routing berguna dan di sinilah kegunaannya berhenti. OrcaRouter memberi Anda satu kunci di depan 200+ model dengan harga daftar penyedia diteruskan dan tidak ada tambahan per token, sehingga MiniCPM5-2B lokal dan model yang dihosting dapat berada pada satu jalur kode, bukan dua, dengan DSL routing yang memilih per permintaan dan failover otomatis yang menjaga permintaan tetap hidup saat sebuah jalur gagal. Bagian campuran yang dihosting, jika vendor memangkas harganya, aktif di sisi kami pada hari yang sama, bukan pada perpanjangan berikutnya. Yang tidak dapat dilakukan routing adalah memindahkan kustodi: jika suatu endpoint tidak ada di perangkat keras Anda, tidak ada aturan routing yang menempatkannya di sana. Baik MiniCPM5-2B maupun G​limpse tidak ada di katalog kami — yang satu adalah unduhan dan yang lainnya adalah API serta antarmuka obrolan milik E​lorian sendiri — jadi ini menjelaskan cara kami melakukan routing, bukan klaim untuk melayani salah satu model tersebut.

Keputusan itu, dengan akuntansi yang terlampir

MiniCPM5-2B dan G​limpse bukan pesaing, dan memperlakukannya sebagai pesaing hanya menyia-nyiakan perbandingan. Yang satu adalah model umum 2,5 miliar parameter yang dapat Anda miliki. Yang lainnya adalah pratinjau yang dihosting yang melakukan satu hal tidak biasa.

Tidak ada papan skor bersama antara keduanya, dan tidak ada cara untuk membuatnya. Kartu MiniCPM5-2B mengukur pemrograman, matematika, kemampuan mengikuti instruksi, dan pengambilan konteks panjang. Tabel G​limpse mengukur persepsi video dan gambar dibandingkan dengan GPT-6 Astra. Keduanya tidak memiliki tugas yang sama, jadi satu-satunya perbandingan yang penting adalah terhadap beban kerja Anda sendiri. Tiga pertanyaan menyelesaikannya lebih cepat daripada tabel.

Apakah model harus berjalan di perangkat keras Anda sendiri, ataukah lisensinya harus permisif? Kalau begitu, MiniCPM5-2B adalah satu-satunya kandidat di sini. Unduh build GGUF atau MLX, anggarkan untuk konteks 131.072 token yang benar-benar ditetapkan oleh konfigurasi, bukan 512.000 yang ditampilkan di WAIC, dan perlakukan baris bertanda dagger pada kartu tersebut sebagai penunjuk ke evaluasi asli, bukan sebagai pengukuran oleh penulis.

Apakah mode kegagalannya bersifat temporal — pan kamera yang disalahartikan sebagai cut, objek yang berubah identitas melewati oklusi, peristiwa di dalam jendela sub-detik? Maka G​limpse adalah satu-satunya di antara keduanya yang mekanisme yang dinyatakannya menangani hal itu. Uji cobanya gratis, dan trace-nya adalah ujiannya: jalankan klip Anda sendiri dan periksa apakah model pernah kembali ke interval yang menentukan jawabannya.

Apakah pekerjaannya berkonteks panjang tetapi bukan video panjang — kumpulan dokumen, arsip berkas, jejak audit yang harus muat dalam satu jendela? Evaluasi yang dipublikasikan dari kedua model tidak menjawab pertanyaan itu. LongBench v2 pada 43,7 adalah satu angka untuk keseluruhan kategori perilaku, dan itu tidak akan memberi tahu Anda bagaimana performa MiniCPM5-2B pada dokumen Anda di 120.000 token. Hal itu harus diukur sebelum keputusan mana pun aman.

Apa yang akan mengubah halaman ini: reproduksi apa pun atas baris benchmark G​limpse oleh siapa pun selain E​lorian, penerbitan jumlah parameter atau jendela konteksnya, atau checkpoint MiniCPM5 yang menutup kesenjangan antara konfigurasi 131.072 token dan demonstrasi 512.000 token. Tidak ada satu pun yang ada di kalender. Sampai semua itu terjadi, salah satu model ini dapat diuji oleh siapa pun malam ini dan yang lainnya tidak — dan asimetri itu, lebih daripada baris benchmark mana pun, adalah hal yang harus diperhitungkan dalam perencanaan.

Kegagalan AI yang terdokumentasi dan insiden agen di balik rilis seperti ini dikumpulkan dalam the OrcaRouter AI Incident Archive, tempat setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda sengketa.