Glimpse vs Granite 4.2 3B: 하나는 모든 것을 공개하고, 다른 하나는 행동 하나를 공개한다

두 개의 사양서를 나란히 놓고 보면, 비교는 이례적인 방향으로 한쪽으로 치우쳐 보인다. Granite 4.2 3B는 IBM이 2026년 8월 25일 Apache 2.0으로 공개했으며, 레이어 수, 어텐션 헤드 구조, RoPE 베이스, 정규화 엡실론, 활성화 함수, 임베딩 타이잉, 은닉 차원, 권장 샘플링 온도, 그리고 팀이 공개하기로 선택한 모든 벤치마크 항목을 명시한 모델 카드를 함께 제공한다. Elorian Glimpse는 2026년 10월 16일 공개되었고, 함께 오는 것은 0.9초짜리 영상 기록 하나뿐이다. 공개된 파라미터 수가 없고, 컨텍스트 윈도도 없고, 이름이 밝혀진 베이스 모델도 없고, 아키텍처 설명도 없다. 이 둘 중 하나는 그것이 무엇을 위한 것인지만 빼고 모든 것을 알려주고, 다른 하나는 그것이 무엇을 위한 것인지만 정확히 알려주고 그것이 무엇인지에 대해서는 아무것도 알려주지 않는다.

그것이 이 비교의 진짜 축이며, 두 출시가 유도하는 축은 아니다. G​ranite 4.2 3B는 다운로드하기 전에 사양을 감사할 수 있는 자체 호스팅 가능한 추론 모델이다. G​limpse는 호스팅형 연구 프리뷰로, 공개된 역량 전체가 하나의 행동, 즉 이미 본 클립 안의 한 순간으로 돌아가 더 촘촘한 프레임 레이트로 다시 스캔하고, 그곳에서 찾은 것으로부터 답하는 행동이다. 둘 다 우리 카탈로그에는 없으며, 여기서는 그 점이 평소보다 덜 중요하다. 둘 사이의 선택은 주로 라우팅 결정이 아니기 때문이다.

두 번의 릴리스, 두 가지 상반된 공개 전략

IBM의 Granite 4.2 라인은 3B, 8B, 30B의 세 가지 크기로 제공되는 덴스 추론 모델이며, 3B가 그중 가장 작다. 이 모델은 Granite-4.1-3B-Base에서 카드에 설명된 3단계 파이프라인을 거쳐 포스트트레이닝되었으며, 패밀리의 128,000토큰 네이티브 윈도우를 유지하고 512,000까지의 확장 경로가 문서화되어 있다. 테스트된 것으로 나열된 언어는 12개다. 카드에는 전체 아키텍처가 공개되어 있다: 40개 레이어, 임베딩 너비 2,560, 히든 너비 8,192의 SwiGLU 피드포워드, 헤드 크기 64에서 40개 쿼리 헤드와 8개 키-값 헤드를 사용하는 그룹 쿼리 어텐션, RoPE 베이스 1,000만, 엡실론 1e-5의 RMSNorm, 비타이드 임베딩, bfloat16 가중치, 그리고 서빙 클래스 GraniteForCausalLM. 권장 샘플링은 온도 1.0, top-p 0.95이다.

엘로리안의 글림프가 게시한 글에는 그런 내용이 전혀 없다. 대신 게시된 것은 하나의 메커니즘이다. 모델과 함께 공개된 작업 추적 기록에서 글림프는 약 초당 8프레임으로 클립을 1차 훑고, 잠정적인 판독을 형성한 뒤, 1차 훑기에서 해결하지 못한 문제 — 공개된 예시에서는 카메라가 팬한 것인지 컷한 것인지 — 를 확정하기 위해 그 클립의 0.9초 분량으로 돌아가 약 초당 14프레임으로 다시 살핀다. 두 번째 추적 기록은 약 2.2초 지점부터 하나의 창 가장자리를 따라가며 5.13초에 거의 멈출 때까지 이어진다. 회사는 이 표시 표면을 시각적 스크래치 공간이라고 부르며, 모델이 텍스트와 이미지, 내부 표상을 주고받는 하위 에이전트를 생성하는 멀티모달 도구를 사용하도록 처음부터 끝까지 훈련되었다고 말한다.

둘 다 타당한 공개 전략이지만, 서로 반대되는 방식으로 실패한다. 모든 것을 공개하는 카드도 모델이 무엇을 잘하는지에 대해서는 여전히 틀릴 수 있다. 메커니즘을 공개하는 글도 여전히 데모를 설명하고 있을 수 있다.

공개된 사양, 차원별로

• 파라미터 — G​ranite 4.2 3B는 30억 개 파라미터의 덴스 모델로, 임베딩 테이블을 포함하면 bfloat16 기준 대략 4B 정도입니다. G​limpse의 파라미터 수는 E​lorian이 한 번도 공개한 적이 없으며, 출시 게시물에서 크기에 관해 언급한 유일한 내용은 자사가 벤치마크하는 프런티어 시스템보다 "훨씬 더 작고 저렴한 모델"이라는 주장뿐입니다.

• 컨텍스트 윈도우 — G​ranite 4.2 3B 기준 네이티브 128,000 토큰이며, 512,000까지의 문서화된 경로가 마련되어 있습니다. G​limpse에 대해서는 공개되지 않았는데, 영상 읽기가 대표 기능이라는 점을 고려하면 이 표에서 가장 중대한 단 하나의 공백입니다.

• 가중치 — Granite 4.2 3B의 경우 Hugging Face에서 Apache 2.0으로 제공됩니다. 다운로드하고, 자체 하드웨어에서 실행하고, 파인튜닝하고, 배포하세요. Glimpse는 해당되지 않습니다. Glimpse는 무료 가입이 가능한 API이자 채팅 인터페이스일 뿐이며, 이 게시물 어디에도 가중치가 공개될 것이라는 내용은 없습니다.

• 호스팅 가용성 — I​BM은 3B 출시 당시 자사 호스팅 API를 공개하지 않았으며, 카드가 결과물입니다. G​limpse는 그 반대입니다. 호스팅 전용이며 보관할 아티팩트가 없습니다.

• 가격 — Glimpse의 경우 입력 토큰 100만 개당 $0.60, 출력 100만 개당 $3.00입니다. Granite 4.2 3B의 경우에는 요금표 자체가 없는데, 비용이라고 할 만한 것은 전기료와 이미 보유하고 있는 하드웨어뿐이기 때문입니다.

• 독립적 평가 — 어느 쪽도 내세울 만한 게 없다. Granite 4.2 3B의 수치는 IBM 자체 수치이고, Glimpse의 수치는 Elorian 자체 수치다. 이 특정 차원에서 두 릴리스는 동일하게 검증되지 않았으며, 누군가 둘 중 하나를 신뢰할 수 있는 쪽으로 취급하기 전에 분명히 말해 둘 만하다. p>img src="3.png" alt="제목이 'Glimpse vs Granite 4.2 3B — 공개 격차'이고 부제가 '여섯 차원, 양측, 동일한 라벨'인 점수판. 두 열은 동일한 여섯 개의 행 라벨을 공유한다. 왼쪽 열은 'Elorian Glimpse'라는 제목 아래 '파라미터: 비공개', '컨텍스트: 비공개', '가중치: 없음; API와 채팅만', '기반 모델: 이름 없음; 오픈 웨이트라고만 설명됨', '공개된 산출물: 예시 트레이스가 포함된 출시 게시물 하나', '사용자 하드웨어에서 검증 가능: 아니요'라고 적혀 있다. 오른쪽 열은 'Granite 4.2 3B'라는 제목 아래 '파라미터: dense 3B, bfloat16에서 약 4B', '컨텍스트: 네이티브 128,000, 확장 시 512,000', '가중치: Hugging Face의 Apache 2.0', '기반 모델: Granite-4.1-3B-Base, 이름 명시됨', '공개된 산출물: 전체 모델 카드, 아키텍처, 샘플링 기본값', '사용자 하드웨어에서 검증 가능: 예'라고 적혀 있다. 바닥글에는 'Glimpse 수치는 벤더 보고이며 재현되지 않음. Granite 4.2 3B 수치는 IBM의 공개 모델 카드 기준; 에이전트 벤치마크는 3B용으로 공개되지 않음.'이라고 적혀 있다. OrcaRouter 로고가 오른쪽 아래 모서리에 있다." />

이 둘이 왜 대체재가 아닌가

30억 개 파라미터 모델을 크기를 알 수 없는 프리뷰와 맞세워 다윗과 골리앗의 구도로 프레이밍하고 싶은 유혹이 들지만, 그런 프레이밍은 양쪽 방향 모두에서 잘못이다.

Granite 4.2 3B는 추론 및 지시 수행 모델입니다. 공개된 평가 세트에서 AIME 2025는 78.33, HMMT February 2025는 66.67, GPQA는 54.80, LiveCodeBench v6는 69.71, MMLU-Pro는 67.84, IFBench는 74.33, BFCL v4는 52.41, RULER는 64K 입력에서 67.52이고 128K에서는 55.30으로 떨어집니다. 그 목록에서 빠진 것이 무엇인지 주목하십시오: 3B에는 SWE-Bench 행도 없고 Terminal-Bench 행도 없습니다. 다만 이 제품군의 더 큰 모델들은 에이전트형 강화학습 단계를 갖추고 있습니다. IBM은 가장 작은 형제 모델에 대한 에이전트형 코딩 수치를 추정하기보다 공개하지 않기로 했으며, 그 정직함은 억지로 채워 넣은 행보다 더 많은 정보를 줍니다.

G​limpse는 그러한 축들 중 어느 것에서도 경쟁하지 않는다. E​lorian의 자체 비교표는 WGO Bench(42.70 대 39.42), CharXiv-R(92.90 대 92.10), UGC-VideoCap(82.66 대 80.32), FSC-147(83.36 대 82.02)에서 G​limpse를 GPT-6 Astra보다 앞에 두고, BabyVision(95.36 대 97.68), DREAM-1K(76.04 대 79.05), TOMATO(93.60 대 96.02), Video-MME v2(56.68 대 64.06), CountQA(82.66 대 86.42), Humanity's Sixth Sense(46.36 대 53.6)에서는 뒤에 둔다. 그 모든 행은 공급업체가 보고한 수치이며, 재현된 적이 없고, G​limpse의 네이티브 에이전트 하네스로 G​limpse의 최고 사고 노력에서 실행되었으며, 여러 경쟁 모델이 최대치 이하로 평가되었다는 사실을 밝히는 각주가 붙어 있다. G​ranite 4.2 3B는 그중 어느 것에서도 실행된 적이 없다.

솔직히 말하면 공유된 점수판은 없습니다. 왜냐하면 공유된 과제가 없기 때문입니다. 3B 텍스트 모델은 비디오 구간을 다시 스캔할 수 없고, 비디오 되감기 미리보기는 노트북에 다운로드할 수 없습니다.

규모 논리가 반대 방향으로 작용하는 경우

이 비교에서 Granite 4.2 3B에 대한 가장 강력한 근거는 성능이 아니다. 그것은 30억 개의 dense 파라미터가 실제 배포 형태라는 점이다. 4B bfloat16에서 가중치는 몇 기가바이트에 들어가므로, 양자화 빌드는 단일 소비자용 가속기에서, 또는 낮은 정밀도에서는 최신 노트북에서 실행된다. 테스트된 12개 언어는 12개 언어 지원 경로가 있으면 좋은 것이 아니라 필수 요건인 유럽이나 인도 배포에 충분하다. Apache 2.0은 라이선스 논의를 완전히 없앤다. 그리고 512K 확장이 있는 128K 윈도는 문서화되어 있으므로, 이에 대한 용량 계획은 추측이 아니라 산술이다.

G​limpse를 위한 가장 강력한 근거는 소형 모델에 상응하는 것이 없는 것입니다: 고정 스케줄 샘플링이 답할 수 없는 질문들입니다. 카메라가 팬했는지 컷했는지. 12초에 프레임에 있는 객체가 4초에 프레임을 떠난 동일한 객체인지. 이벤트 전후의 0.5초 동안 무슨 일이 일어났는지. 이것들은 큰 모델이 필요해서 어려운 것이 아닙니다. 이것들이 어려운 이유는 정보가 샘플링된 적이 없기 때문이며, 초당 8프레임으로 샘플링할 때 더 많은 파라미터가 있어도 그것을 복구할 수 없습니다. 전체 클립을 본 후 하나의 구간에 추가 연산을 투자하는 것은 진정으로 다른 답이며, 3B 패키지에 아무리 많은 오픈 웨이트가 있어도 그것을 대체할 수 없습니다.

호스팅된 미리보기가 따라갈 수 없는 유일한 곳

비대칭성을 신경 써야 할 만한 컴플라이언스 모양의 이유가 있는데, 그것은 두 모델 중 어느 쪽의 품질과도 아무 관련이 없습니다.

G​ranite 4.2 3B의 산출물은 파일입니다. 비디오, 문서 또는 고객 기록이 귀하의 인프라를 떠날 수 없다면 — 그리고 대부분의 규제 배포 환경에서는 그럴 수 없습니다 — 모델은 데이터가 있는 곳에서 실행되며, 공급업체 가용성, 속도 제한, 리전 및 보존에 관한 모든 문제는 사라집니다. G​limpse에는 그런 선택지가 없습니다. 그 기능은 E​lorian의 엔드포인트 뒤에만 존재하므로, 영상은 E​lorian으로 전송되며, 그렇지 않다고 말하는 공개 문서는 없습니다.

라우팅 계층이 한 문장을 할애할 가치가 있는 곳이 바로 여기이며, 그렇지 않은 곳도 여기입니다. OrcaRouter는 200개 이상의 모델 앞에 단 하나의 키를 제공하며 제공자의 정가가 그대로 전달되고 토큰당 아무것도 추가되지 않습니다. 따라서 워크로드는 자체 하드웨어에서 자체 호스팅한 G​ranite 4.2 3B를 호스팅 모델과 동일한 코드 경로에서 섞어 쓸 수 있으며, 자동 페일오버는 그중 하나가 다운되어도 라우트를 살려 둡니다. 라우팅 DSL은 애플리케이션을 다시 작성하지 않고 어떤 모델이 어떤 요청을 처리할지 결정합니다. 그렇다고 해서 보관 주체 문제가 달라지는 것은 아닙니다. 라우팅 계층은 엔드포인트 사이에서 요청을 이동시키며, 엔드포인트가 당신의 건물 안에 없다면 라우팅이 그것을 그곳에 놓을 수는 없습니다. 현재 우리 카탈로그에는 G​ranite 4.2 3B도 G​limpse도 없습니다 — G​ranite 4.2 3B는 다운로드이고 G​limpse는 E​lorian 자체 API입니다 — 따라서 이는 우리가 라우팅하고 가격을 책정하는 방식에 관한 설명이며, 둘 중 하나를 제공하겠다는 주장은 아닙니다.

두 벤치마크 시트를 같은 의심으로 읽으며

두 릴리스 모두에 가져갈 가치가 있는 두 가지 습관입니다. 어느 릴리스도 그 습관에서 자유롭지 않기 때문입니다.

첫 번째는 공급업체의 벤치마크 표가 측정이 아니라 선별이라는 점이다. Elorian의 표는 자사 모델이 지는 행까지 공개한다는 점에서 이례적인데, 이는 신뢰도의 신호이면서도 여전히 공급업체가 고른 작업과 공급업체가 정한 구성으로 공급업체가 조립한 표다. IBM의 Granite 카드는 더 좁고 더 관습적이다. 표준 학술 벤치마크를 명시된 구성으로 공개하며, 3B에서는 에이전트 관련 행이 유리하게 포장된 무언가로 대체되지 않고 그냥 없다.

두 번째는 누락된 숫자가 대개 가장 중요한 숫자라는 점이다. G​ranite 4.2 3B의 경우, 중요한 숫자는 스펙 카드에 전혀 없다: I​BM 외부에서는 아무도 128K 컨텍스트에서 3B의 처리량이나 실제 작업 정확도를 공개하지 않았으며, 64K와 128K 사이에서 RULER가 67.52에서 55.30으로 하락한 것은 윈도우가 끝나기 훨씬 전에 성능이 저하된다는 경고이다. G​limpse의 경우, 가장 중요한 누락된 숫자는 컨텍스트 윈도우이다. 왜냐하면 실제 워크플로우가 제공하는 영상을 담을 수 없는 윈도우를 가진 비디오 추론 기능은 도구라기보다는 데모에 불과하기 때문이다.

무엇이 이 일을 해결해 줄 수 있을까, 그리고 그동안 무엇을 해야 할까

세 가지 사건이 이 비교를 바꿔 놓았을 텐데, 그중 어느 것도 일어나지 않았다.

두 수치 집합 중 하나라도 재현하는 독립적인 하네스가 나온다면, 그것이 첫 사례가 될 것이다. E​lorian의 G​limpse 표와 I​BM의 G​ranite 4.2 3B 카드는 모두 서로 다른 작업에 대해 자체 보고된 것이며, 두 릴리스는 정확히 한 가지 차원에서 동일하다: 바로 외부 검증의 부재다.

G​limpse가 컨텍스트 윈도우, 파라미터 수 또는 베이스 모델을 공개하는 것이 두 번째가 될 것이다. 현재 G​limpse의 규모를 두고 떠도는 어떤 수치든 공개된 정보가 아니라 추정치이며, 추정치를 사양으로 취급하는 것이 바로 용량 계획이 어긋나는 방식이다.

Granite 4.2 3B가 에이전트형 RL 단계를 거치게 되거나 자사 호스팅 엔드포인트를 갖게 된다면, 그것이 세 번째가 될 것이다. 둘 중 어느 쪽이든 3B가 어느 레인에 속하는지를 바꿔 놓을 것이다.

그때까지 결정 규칙은 짧다. 작업이 텍스트라면, 직접 통제하는 하드웨어에서 실행해야 한다면, 라이선스가 Apache 2.0이어야 한다면, 또는 데이터가 네트워크 경계를 넘을 수 없다면, Granite 4.2 3B가 답이며 Glimpse 질문은 아예 나오지 않는다 — 다운로드하고, 자체 평가를 실행하고, 카드에서 빠진 에이전트 관련 행들은 공백이라기보다 경계로 취급하라. 작업이 영상이고 실패 모드가 의미적이라기보다 시간적이라면, Glimpse는 둘 중 명시된 메커니즘이 바로 그것을 겨냥하는 유일한 쪽이고, 무료 가입 덕분에 시도 비용이 저렴하며, 트레이스 자체가 테스트다: 클립을 실행하고, 시각적 스크래치 공간을 읽고, 모델이 답을 결정한 구간으로 되돌아간 적이 있는지 확인하라. 둘 다, 지금은, 검증되지 않았다. 오직 하나만이 당신의 자체 하드웨어에서 검증될 수 있다.

이번과 같은 릴리스의 배경이 되는, 문서화된 AI 실패 및 에이전트 사건들은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급 및 이의 제기 플래그가 포함되어 있습니다.