Glimpse vs MiniCPM5 2B：7週間にわたる書面の記録と0.9秒

MiniCPM5-2BとE​lorian G​limpseはどちらも、自分よりはるかに大きなものを打ち負かすと主張する小型モデルであり、その主張を正反対の尺度で行っている。MiniCPM5-2Bは、M​odelBestとO​penBMBによって2026年7月19日のWAICで披露され、2026年9月6日にようやく重みが公開されたもので、自身のテストセットで平均53.9というカードを添えており、より大きなオープンモデルは最高で51.1に留まっている。G​limpseは2026年10月16日にリリースされ、0.9秒のウィンドウを特徴とする。最初のパスは毎秒約8フレームで、その後、毎秒約14フレームで0.9秒の再スキャンを行う。また、ベンチマークの行はベンダー自身によるもので、再現されておらず、注目すべきことにまちまちである。一方には7週間分の公開された文書の裏付けがあり、ダウンロード可能な成果物もある。もう一方にはメカニズムがあるが、数字はほとんどない。

この比較は、実のところ同じものの2バージョン同士の比較ではない。なぜなら、MiniCPM5-2B は画像も読める汎用推論モデルである一方、Glimpse はほぼそれ以外のことはしないホスト型の視覚推論プレビューだからだ。両者を並べて読む理由は、どちらも小規模モデルに何ができるかについての主張であり、その2つの主張は異なる、示唆に富む形で失敗しているからだ。

待つこと、そして待つことが生み出したもの

MiniCPM5-2Bのタイムラインは再構築する価値がある。なぜならそれは、リリース日の検索では見落とされてしまう物語の部分だからだ。

モデルは2026年7月19日、World Artificial Intelligence Conferenceで披露され、その目玉機能は512,000トークンのコンテキストウィンドウだった。重みが登場したのは9月6日で、変更履歴は9月7日に続いた。その2つの日の間、モデルはデモンストレーションと数字の集合として存在していた。

出荷されたものは宣伝されていたものとは異なり、その隔たりは検証できる。リリースされた設定では max_position_embeddings が 131,072 に設定され、rope_scaling ブロックは存在しない。つまり 131,072 トークンであり、WAIC の数値の 4 分の 1 である。それは不誠実というより、研究チームがステージで見せるものと、エンジニアリングチームが設定ファイルで承認しようとするものとの間にある、よくある違いにすぎない。しかし重要なのはその数値である。なぜなら、あなたのデプロイが継承するのはその数値だからだ。

出荷されたものは、このサイズクラスのモデルとしては異例なほど充実している。最終のBF16チェックポイント——RLとOPDをマージしたもの——に加えて、SFT、midtrain、baseの各段階が個別に公開され、ローカルランタイム向けのGGUF、MLX、GPTQビルド、投機的デコーディング用のDSparkドラフトモデル、そして学習コーパスそのものがUltraDataファミリーとしてリリースされている。9つのチップセットへのDay-zero対応はFlagOSを通じて実現し、モデルカードでは、実装がカスタムカーネルを一切使っておらず、モデルコードのフォークもないことをわざわざ明言している。その最後の点こそが、ほかのすべてを信頼できるものにしている。標準的なツールで動くモデルは、著者たちのクラスターがある場所だけでなく、あなたのいる場所でも動くモデルなのだ。

G​limpseのタイムラインは比較すると圧縮されており、その文書による裏付けも薄い。2026年10月16日、本記事の前日に、無料のサインアップでE​lorianのAPIとチャットインターフェースから利用できる研究プレビューとして公開された。重みはなく、事後学習の基になったベースモデルも公開されておらず、いかなる成果物もない。同社は2026年4月にステルス状態から姿を現し、元G​oogle研究者のAndrew Daiを擁して、Striker Ventures、Menlo Ventures、Altimeterから5,500万ドルを調達し、N​VIDIA、49 Palms、Jeff Deanの参加も得た。このモデルは同社が初めて送り出したものだ。

番号と、各セットが対象とする内容

• パラメータ — MiniCPM5-2B は合計 2,516,756,480 個で、うち 1,981,982,720 個が非埋め込みである。42 層、16 個のクエリヘッドと 2 個のキーバリューヘッドにわたるグループクエリ注意を備え、標準の LlamaForCausalLM クラスを通じて提供される。G​limpse のパラメータ数は非公開で、そのローンチ記事には、ベンチマーク対象のフロンティアモデルよりも「大幅に小さく安価」であるとしか記されていない。

• アーティファクト — MiniCPM5-2B 向けの Apache 2.0 ライセンスの重みに加え、SFT、midtrain、base、GGUF、MLX、GPTQ の各バリアント。Glimpse にはそうしたものはなく、ホスト型エンドポイントを提供するのみで、ダウンロードできるものは何もない。

• コンテキスト — MiniCPM5-2B に設定されているのは 131,072 トークンで、WAIC のデモで謳われた 512,000 トークンという数字とは対照的だ。Glimpse 向けには非公開——2 つのうちより重大な空白である。その決定的な能力が動画の読み取りだからだ。

• モダリティ — MiniCPM5-2B は画像を入力しテキストを出力。Glimpse は動画と画像に対応し、最初のパスの後にインターバルへ戻ることができます。

• 評価 — MiniCPM5-2Bのカードは、LiveCodeBench v6が69.1、AIME 2025と2026がいずれも86.5、MATH-500が94.6、MMLU-Proが70.8、LongBench v2が43.7、BFCL v4が66.6、SWE-bench Verifiedが46.4と報告しており、一部の行には社内測定ではなくArtificial Analysisのリリースからの引き継ぎであることを示すダガーが付されている。Glimpseの行はElorian自身のもので、GPT-6 Astraに対するものであり、いくつかの競合製品は最大思考エフォート未満で実行された一方、Glimpseはその最高設定で実行されたことを開示する脚注が付いている。

• 価格 — G​limpse は入力トークン100万あたり$0.60、出力トークン100万あたり$3.00で、巻き戻しは出力トークンとして課金されるため、トレースがそのまま領収書になる。MiniCPM5-2B の料金表はない。成果物がファイルだからだ。

両者がともに主張するその主張と、それが成り立つさまざまな仕方

MiniCPM5-2Bの中核的な主張は算術的で、検証可能だ。25億パラメータのモデルで、カード平均は53.9、同じセット上でより大規模なオープンモデルの最高平均は51.1である。それは「この小さなものがこれらのタスクでその大きなものに勝つ」という形式の主張であり、重みはダウンロードでき、テストは公開されているのだから、GPUと半日あれば誰にでも反証可能だ。

その仕組みは3つの段階で文書化されている。約4,000億トークンの深い思考データによる教師あり微調整、教師モデルを用いた強化学習、そして16のRLエキスパート——うち5つはエージェント型——を1つのチェックポイントに統合するオンポリシー蒸留である。その統合に付随する内部数値は、統合前の状態と比較して、推論および一般タスクで10.96ポイントの向上、エージェント型タスクで6.96の向上である。これらはベンダー自身による自社パイプラインの測定値であり、第三者が今や検証できる種類の主張である。最終チェックポイントだけでなく中間チェックポイントも提供することの狙いがそこにある。

Glimpseの中核的な主張は算術ではない。それは振る舞いである：最初のパス後にサブ秒ウィンドウへ戻ることが、固定グリッド上でのサンプリングには決してなし得なかったほど、時間的質問に対してより良い回答を生み出すということだ。裏付けとなる証拠は、一連の実例トレースと、ほぼ半々に分かれるベンチマーク表である — 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）では先行し、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）では後れを取っている。

どちらの主張ももっともらしい。だが現時点で、そのうちの一方だけが、その主張を行った企業の外部の人間によって検証できる。

2つの開示に共通する点

MiniCPM5-2B のカードでは、一部の行にダガー（†）が付いており、それらは著者らが測定したものではなく、Artificial Analysis のリリースから取った数値であることを示している。それは欠陥ではなく開示だと受け止めてほしい。代替手段——印を付けずに他人の測定値を自分の表にこっそり混ぜ込むこと——はよくあることで、しかもより悪い。

両モデルは、入手可能な証拠に基づく限り、同じ特定の意味において未検証である。G​limpseの表は、ベンダー自身の最良構成でベンダーが実行したものである。MiniCPM5-2Bもまた、個々の行の出所がどうであれ、そのカード平均について独立した再現を持たない。この次元では、この2つのリリースは同一であり、どちらかが比較の信頼できる側として扱われる前に、そのことに気づく価値がある。

より大きな違いは、次に何が起こるかにある。誰でもMiniCPM5-2Bをダウンロードし、今日の午後には、誰にも許可を求めずに、自分のデータで独自の評価を実行できる。G​limpseではそれは誰にもできない。トライアルは無料で、トレースも検査できるが、評価はE​lorianが何を見せることを選んだかによって制約され、モデルが存在するのはエンドポイントだけだ。

監護権が争点を決する場合

これは、2つのモデルが大きく異なっている次元であり、能力とは何の関係もない。

MiniCPM5-2B の成果物は、GGUF ビルドと MLX ビルドを含む、Apache 2.0 の下で提供されるファイル一式です。つまり、モデルはラップトップ上で動作し、画像がマシンの外に出ることはなく、デプロイのリクエスト経路にはベンダーが存在しません — 可用性の時間枠も、保持についての疑問も、レート制限も、足元で変わり得る価格もありません。画像を扱う規制対象の業務や、メディアがネットワーク境界を越えられないあらゆる用途にとって、それこそが判断のすべてであり、G​limpse はトレースがどれほど良く見えようと候補にはなりません。

Glimpseの能力はElorianのエンドポイントの背後にのみ存在する。その際立った特徴は視覚的なスクラッチスペースであり、移し替えるべきアーティファクトは存在しない。それは製品の欠陥ではない。価値が重みではなくメカニズムにあると言える研究プレビューの特性なのだ。

ここはまた、ルーティングレイヤーが役に立つ場面であり、役に立たなくなる場面でもあります。OrcaRouter は 200 以上のモデルの前に 1 つのキーを置き、プロバイダーの定価をそのまま通し、トークンごとの上乗せは一切ありませんので、ローカルの MiniCPM5-2B とホスト型モデルを 2 つではなく 1 つのコードパスに載せられますルーティング DSL がリクエストごとに選択し、自動フェイルオーバーがレーン障害時でもリクエストを生かし続けます。この組み合わせのうちホスト型の半分は、ベンダーが値下げすれば、次の更新時ではなく当日に当社側で反映されます。ルーティングにできないのは管理権の移動です。エンドポイントがお客様のハードウェア上になければ、どんなルーティングルールでもそこに置くことはできません。MiniCPM5-2B も G​limpse も当社のカタログにはありません — 一方はダウンロード、もう一方は E​lorian 自身の API とチャットインターフェースです — つまりこれは当社がどうルーティングするかを述べたものであり、どちらのモデルも提供するという主張ではありません。

その決定と、添えられた説明

MiniCPM5-2B と G​limpse は競合相手ではありません。そのように扱うと、比較自体が無意味になります。一方は自分で所有できる25億パラメータの汎用モデルです。もう一方は、珍しいことを1つだけ行うホステッドプレビューです。

これら二つの間に共有のスコアボードはなく、作るすべもない。MiniCPM5-2Bのカードは、コーディング、数学、指示追従、長文脈検索を測定する。Glimpseの表は、GPT-6 Astraに対する動画・画像認識を測定する。共通するタスクはないため、意味のある比較は自分のワークロードに対するものだけだ。三つの問いが、表よりも早く決着をつける。

モデルは自分のハードウェア上で実行しなければならないのか、それともライセンスが寛容型でなければならないのか？ それなら、ここでは MiniCPM5-2B が唯一の候補です。GGUF または MLX ビルドをダウンロードし、WAIC で示された 512,000 ではなく、設定が実際に指定している 131,072 トークンのコンテキストを見込んでください。そして、カードのダガー（†）付きの行は、著者らによる測定値としてではなく、元の評価へのポインターとして扱ってください。

失敗モードは時間的なものか——カメラのパンがカットと誤認される、遮蔽をまたいで物体の同一性が変わる、1秒未満のウィンドウ内で起きる出来事か？ それなら、2つのうち、明示されたメカニズムがそれに対処しているのは G​limpse だけだ。トライアルは無料で、トレースがそのテストになる：自分のクリップを実行し、モデルが答えを決定づけた区間に本当に戻ったかどうかを確認しよう。

その作業はロングコンテキストだがロングビデオではないのか——一つのウィンドウ内に収めなければならない文書セット、ファイリングアーカイブ、監査証跡のような？ どちらのモデルの公開評価も、その点を確定できない。LongBench v2の43.7は、ある行動カテゴリ全体に対する単一の数値であり、MiniCPM5-2Bが120,000トークンのあなたの文書でどのように性能を発揮するかは教えてくれない。それを測定しない限り、どちらの判断も安全ではない。

このページを変えるものがあるとすれば、エロリアン以外の誰かによるGlimpseのベンチマーク行の再現、そのパラメータ数やコンテキストウィンドウの公表、あるいは131,072トークン構成と512,000トークンのデモの間のギャップを埋めるMiniCPM5チェックポイントのいずれかだ。どれも予定には入っていない。それらが登場するまでは、これらのモデルの一方は今夜にでも誰でもテストでき、もう一方はできない——そして、その非対称性こそが、どのベンチマーク行よりも、計画を立てるうえで基準にすべきものだ。

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。