Glimpse 対 Granite 4.2 3B：一方はすべてを開示し、もう一方はある振る舞いを開示する

2つの仕様書を並べてみると、その比較は珍しい方向に偏って見える。Granite 4.2 3Bは、IBMが2026年8月25日にApache 2.0のもとで公開したもので、レイヤー数、アテンションヘッドの形状、RoPEベース、正規化イプシロン、活性化関数、埋め込みのタイイング、隠れ次元、推奨サンプリング温度、そしてチームが公表を選んだすべてのベンチマーク行を明記したモデルカードを伴っている。Elorian Glimpseは、2026年10月16日に公開され、0.9秒のビデオトレースを伴っている。公開されたパラメータ数もなく、コンテキストウィンドウもなく、名前の挙げられたベースモデルもなく、アーキテクチャの説明もない。一方は、それが何のためなのかを除くすべてを教えてくれる。もう一方は、それが何のためなのかを正確に教え、それが何であるかについては何も教えない。

それこそがこの比較の本当の軸であり、2つのローンチが招く軸ではありません。Granite 4.2 3B は、ダウンロード前に仕様を監査できるセルフホスト可能な推論モデルです。Glimpse はホスト型の研究プレビューであり、公表されている能力のすべてがひとつの振る舞いです——すでに見たクリップ内のある瞬間に戻り、より高密度なフレームレートでそれを再スキャンし、そこで見つけたものから答えることです。どちらも当社のカタログにはありませんが、その点はここでは通常より重要度が低くなります。両者を選ぶことは、主としてルーティングの判断ではないからです。

2つのリリース、正反対の開示戦略

IBMのGranite 4.2シリーズは、3B、8B、30Bの3サイズで高密度な推論を行うもので、3Bはその中で最小です。これはGranite-4.1-3B-Baseから、カードが3段階のパイプラインと説明するプロセスでポストトレーニングされており、ファミリー共通の128,000トークンのネイティブウィンドウを維持し、512,000までの拡張パスが文書化されています。テスト済みとして12言語が記載されています。カードは完全なアーキテクチャを公開しています。40層、埋め込み幅2,560、隠れ幅8,192のSwiGLUフィードフォワード、ヘッドサイズ64で40のクエリヘッドと8のキーバリューヘッドにわたるグループクエリ注意、RoPE基数1,000万、RMSNormのイプシロン1e-5、非結合埋め込み、bfloat16重み、サービングクラスはGraniteForCausalLM。推奨サンプリングはtemperature 1.0、top-p 0.95です。

Elorian's Glimpseの投稿はそうしたものは一切公開していない。代わりに公開しているのはメカニズムだ。モデルとともに公開された実際のトレースでは、Glimpseはクリップを毎秒約8フレームで最初に一通り見て、暫定的な読み取りを行い、その後、そのクリップの0.9秒の部分に毎秒約14フレームで戻り、最初のパスでは解決できなかった問題を解決する。公開された例では、カメラがパンしたのかカットしたのかである。2番目のトレースは、あるウィンドウの端を約2.2秒の地点から追跡し、5.13秒でほぼ停止するまで続く。同社は表示面をビジュアルスクラッチスペースと呼び、モデルはマルチモーダルツールを使うようにエンドツーエンドで訓練されており、テキスト、画像、内部表現を交換するサブエージェントを生成すると述べている。

どちらも正当なリリース戦略であり、失敗の仕方は正反対だ。すべてを公開するモデルカードでも、そのモデルが何を得意とするかについては間違っていることがある。メカニズムを公開する投稿でも、実際にはデモを説明しているだけであることがある。

公開された仕様書を、次元ごとに

• パラメータ — Granite 4.2 3B は稠密な30億パラメータモデルで、埋め込みテーブルを数に入れると bfloat16 ではおよそ 4B になります。Glimpse のパラメータ数は Elorian によってこれまで公表されたことがなく、ローンチ投稿でサイズについて述べている唯一の記述は、ベンチマークの比較対象としているフロンティアシステムよりも「大幅に小さく安価なモデル」であるという主張だけです。

• コンテキストウィンドウ — Granite 4.2 3B ではネイティブで128,000トークン、512,000トークンに至る経路も文書化されている。Glimpse については公表されていない。動画の読み取りを主眼とする能力を持つことを考えれば、この表において最も重大な空白である。

• 重み — G​ranite 4.2 3B 向けに Hugging Face 上で Apache 2.0：ダウンロードして、自分のハードウェアで動かし、ファインチューニングして、出荷できます。G​limpse にはなし。これは無料サインアップ付きの API とチャットインターフェースであり、この投稿には重みが提供されることをうかがわせる内容は何もありません。

• ホスト型での提供 — I​BMは3Bのリリース時にファーストパーティのホスト型APIを一切公開しておらず、成果物となるのはカードです。G​limpseはその逆で、ホスト型のみであり、保持すべき成果物はありません。

• 価格 — G​limpse の場合、入力トークン100万個あたり $0.60、出力トークン100万個あたり $3.00 です。G​ranite 4.2 3B には料金表がまったくありません。なぜなら、コストは電気代と、すでに所有しているハードウェアだからです。

• 独立評価 — どちらにも、特筆すべきものは何もない。Granite 4.2 3Bの数値はIBM自身によるもので、Glimpseの数値はElorian自身によるものだ。この特定の次元において、両リリースはまったく同じく未検証である。どちらかを信頼できる側と見なす前に、この点ははっきりと言っておく価値がある。p>img src="3.png" alt="「Glimpse vs Granite 4.2 3B — 開示のギャップ」と題されたスコアボード。サブ見出しは「6つの次元、両者、同じラベル」。2つの列が同じ6つの行ラベルを共有している。左の列は「Elorian Glimpse」という見出しで、次のように記されている: 「パラメータ: 非公開」「コンテキスト: 非公開」「重み: なし。APIとチャットのみ」「ベースモデル: 名称非公開。オープンウェイトとのみ記述」「公開された成果物: 実行トレース付きのローンチ投稿1本」「自分のハードウェアで検証可能: いいえ」。右の列は「Granite 4.2 3B」という見出しで、次のように記されている: 「パラメータ: dense 3B、bfloat16で約4B」「コンテキスト: ネイティブ128,000、拡張時512,000」「重み: Hugging FaceでApache 2.0」「ベースモデル: Granite-4.1-3B-Base、名称あり」「公開された成果物: 完全なモデルカード、アーキテクチャ、サンプリングのデフォルト」「自分のハードウェアで検証可能: はい」。フッター行には「Glimpseの数値はベンダー報告であり未再現。Granite 4.2 3Bの数値はIBMが公開したモデルカードによる。3Bについてはエージェント型ベンチマークは公開されていない」と記されている。OrcaRouterのロゴが右下隅にある。" />

なぜこの2つは代替品にならないのか

30億パラメータのモデルを、サイズ不明のプレビューとダビデ対ゴリアテのごとく対置したくなる誘惑に駆られるが、その構図はどちらの方向にも間違っている。

Granite 4.2 3B は、推論と指示追従のモデルです。公開されている評価セットは、AIME 2025 が 78.33、HMMT February 2025 が 66.67、GPQA が 54.80、LiveCodeBench v6 が 69.71、MMLU-Pro が 67.84、IFBench が 74.33、BFCL v4 が 52.41、RULER が 64K 入力で 67.52、128K では 55.30 に低下します。このリストから何が欠けているかに注目してください。3B には SWE-Bench の行も Terminal-Bench の行もありません。ただし、ファミリー内のより大きなモデルたちはエージェント型強化学習の段階を備えています。IBM は、最小の兄弟モデルについてエージェント型コーディングの数値を推定するのではなく、公表しないことを選びました。その誠実さは、水増しされた行があった場合よりも多くのことを教えてくれます。

G​limpseはそれらの軸のいずれにおいても競合していない。E​lorian自身の比較表では、GlimpseはWGO Bench（42.70 対 39.42）、CharXiv-R（92.90 対 92.10）、UGC-VideoCap（82.66 対 80.32）、FSC-147（83.36 対 82.02）でGPT-6 Astraを上回り、BabyVision（95.36 対 97.68）、DREAM-1K（76.04 対 79.05）、TOMATO（93.60 対 96.02）、Video-MME v2（56.68 対 64.06）、CountQA（82.66 対 86.42）、Humanity's Sixth Sense（46.36 対 53.6）では下回っている。それらの行はすべてベンダー報告であり、再現されておらず、Glimpseの最高思考エフォートで、そのネイティブエージェントハーネスを用いて実行されたもので、複数の競合モデルが最大値未満で評価されたことを開示する脚注が付いている。G​ranite 4.2 3Bはそれらのいずれでも実行されたことがない。

正直に言えば、共通のスコアボードなど存在しない。なぜなら、共通のタスクなど存在しないからだ。3Bのテキストモデルは動画の区間を再スキャンできないし、動画巻き戻しプレビューをノートPCにダウンロードすることもできない。

サイズの議論が逆の方向に働く場合

この比較におけるG​ranite 4.2 3Bの最も強い根拠は、性能ではありません。それは、30億の密なパラメータが現実的なデプロイ形態であることです。4B bfloat16では重みが数ギガバイトに収まるため、量子化ビルドは単一のコンシューマー向けアクセラレータ上で、あるいは低精度なら最近のノートPC上で動作します。12のテスト済み言語は、12言語のサポートパスが「あれば便利」ではなく必須要件となる欧州またはインドでのデプロイには十分です。Apache 2.0はライセンスの話を完全に不要にします。また、512K拡張を備えた128Kウィンドウは文書化されているため、それを前提とした容量計画は当て推量ではなく算術で済みます。

Glimpseの最も強力な根拠は、小規模モデルには相当するものがない点にある。それは、固定スケジュールサンプリングでは答えられない問いだ。カメラがパンしたのか、それともカットしたのか。12秒のフレーム内の物体が、4秒にフレームから出た同じ物体であるかどうか。イベント前後の0.5秒間に何が起きたか。これらが難しいのは、大規模モデルが必要だからではない。難しいのは、情報が一度もサンプリングされなかったからであり、毎秒8フレームでパラメータを増やしてもそれを回復できない。クリップ全体を見た後に一つの区間に追加の計算を費やすことは、真に異なる答えであり、3Bパッケージのオープンウェイトがどれだけあってもそれに代わるものではない。

ホスト型プレビューが追従できない唯一の場所

非対称性を気にかけるべきコンプライアンス上の理由があり、それはどちらのモデルの品質とも何の関係もない。

G​ranite 4.2 3Bの成果物はファイルである。動画、文書、顧客記録があなたのインフラストラクチャから出られない場合——そして規制対象のほとんどのデプロイメントでは出られない——モデルはデータのある場所で実行され、ベンダーの可用性、レート制限、リージョン、保持期間という問題全体が消え去る。G​limpseにはそのような選択肢はない。その能力はE​lorianのエンドポイントの背後にしか存在せず、つまり映像はE​lorianに送られるのであり、そうでないと述べた公開文書は存在しない。

そこが、ルーティング層について一言述べる価値があるところであり、そうでないところでもある。OrcaRouterは、200以上のモデルの前に1つのキーを提供し、プロバイダーの定価をそのまま通し、トークンあたり何も上乗せしない。そのため、ワークロードは、自前のハードウェア上のセルフホスト型G​ranite 4.2 3Bとホスト型モデルを同じコードパスで混在させることができ、さらにどちらかが落ちても自動フェイルオーバーがルートを維持する。ルーティングDSLは、アプリケーションを書き換えることなく、どのモデルがどのリクエストを見るかを決める。それが変えないのは、管理（custody）の問いである。ルーティング層はエンドポイント間でリクエストを移動させるのであり、エンドポイントがあなたの建物内になければ、ルーティングでそこに置くことはできない。G​ranite 4.2 3BもG​limpseも、現在当社のカタログにはない — G​ranite 4.2 3Bはダウンロードであり、G​limpseはE​lorian自身のAPIだ — したがって、これは私たちがどのようにルーティングし価格設定するかについての表明であり、どちらかを提供するという主張ではない。

両方のベンチマークシートを同じ疑いの目で読む

どちらのリリースもこの2つの習慣からは逃れられないのだから、両方のリリースに持ち込む価値がある。

第一に、ベンダーのベンチマーク表は測定ではなく選択である。Elorianの表が珍しいのは、自社モデルが負ける行まで公開している点だ——それは信頼性のシグナルではあるが、それでもベンダーが選んだタスクについて、ベンダーが設定した構成で、ベンダーが組み立てた表にすぎない。IBMのGraniteカードはより限定的で、より慣例的だ。標準的な学術ベンチマークを、明示された構成で公開しており、エージェント関連の行は3Bでは単に存在しないのであって、何か見栄えのするものに置き換えられているわけではない。

第二に、欠けている数値はたいてい、全体を支える要の数値だ。Granite 4.2 3B の場合、重要な数値はスペック表には一切載っていない。IBM の外部では誰も、128K コンテキストにおける 3B のスループットや実世界タスク精度を公表しておらず、64K と 128K の間で RULER が 67.52 から 55.30 に低下することは、ウィンドウが終端のかなり手前で劣化するという警告だ。Glimpse の場合、欠けている要の数値はコンテキストウィンドウだ。なぜなら、実際のワークフローが渡す映像を収められないウィンドウを持つ動画推論機能は、ツールではなくデモにすぎないからだ。

これを解決するには何が必要か、そしてその間はどうすればよいか

3つの出来事が起きればこの比較は変わるだろうが、そのいずれも起きていない。

独立したハーネスがどちらか一方の数値セットを再現すれば、それは初となるだろう。E​lorianのG​limpse表とI​BMのG​ranite 4.2 3Bカードはどちらも自己申告であり、異なるタスクを対象としており、この2つのリリースが完全に同一なのはただ1つの次元においてのみだ。それは外部検証の欠如である。

G​limpseがコンテキストウィンドウ、パラメータ数、ベースモデルを公開することは、2番目の話になるだろう。現在出回っているG​limpseの規模に関する数値は開示ではなく推定値であり、推定値を仕様として扱うことこそ、キャパシティプランが狂う原因である。

Granite 4.2 3B がエージェント型RLステージを獲得するか、ファーストパーティのホステッドエンドポイントが登場すれば、それが3つ目になる。どちらであっても、この3Bがどのレーンに位置するかが変わるだろう。

それまでは、判断ルールは短い。その作業がテキストで、自分が管理するハードウェア上で動かす必要があり、ライセンスが Apache 2.0 でなければならず、あるいはデータがネットワーク境界を越えられないなら、G​ranite 4.2 3B が答えであり、G​limpse の疑問はそもそも浮かばない — ダウンロードして、自分で評価を実行し、カードに欠けているエージェント行はギャップではなく境界として扱う。その作業が動画で、失敗モードが意味論的ではなく時間的なら、G​limpse は、両者のうち明言されたメカニズムがそれを狙っている唯一のものであり、無料サインアップで試用は安くつき、トレースそのものがテストだ。クリップを実行し、視覚スクラッチスペースを読み、モデルが答えを決めた区間へ戻ったことがあるかどうかを確認する。どちらも、現時点では未検証だ。自分のハードウェア上で検証できるのは、そのうち一方だけである。

このようなリリースの背景にある、文書化されたAI障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに収集されており、各エントリには独自の情報源、重大度、信頼度グレード、異議申し立てフラグが付いています。