Glimpse 대 MiniCPM5 2B: 7주간의 문서 기록과 0.9초

MiniCPM5-2B와 E​lorian G​limpse는 둘 다 자신보다 훨씬 큰 것들을 능가한다고 주장하는 소형 모델이며, 그 주장을 서로 상반된 화폐로 내세운다. 2026년 7월 19일 WAIC에서 M​odelBest와 O​penBMB가 공개하고 2026년 9월 6일에 마침내 가중치가 공개된 MiniCPM5-2B는, 더 큰 오픈 모델들이 51.1에서 정점을 찍는 가운데 자체 테스트 세트 전반에서 평균 53.9를 기록한 카드를 제공한다. 2026년 10월 16일 공개된 G​limpse는 0.9초 창 — 대략 초당 8프레임의 첫 패스, 이어서 초당 약 14프레임으로 0.9초를 재스캔 — 과 함께, 벤더 자체의 것이고 재현되지 않았으며 눈에 띄게 혼재된 일련의 벤치마크 행들을 제공한다. 이들 중 하나는 7주간의 공개 문서 흔적과 다운로드 가능한 아티팩트를 가지고 있다. 다른 하나는 메커니즘은 있지만 수치는 거의 없다.

이 비교는 정말로 같은 것의 두 가지 버전이라기보다는, MiniCPM5-2B는 이미지도 읽는 범용 추론 모델인 반면 G​limpse는 거의 다른 어떤 것도 하지 않는 호스팅형 시각 추론 프리뷰이기 때문입니다. 이 둘을 함께 읽는 이유는 둘 다 소형 모델이 무엇을 할 수 있는지에 대한 주장이라는 점이며 — 그리고 그 두 주장은 서로 다르고 교훈적인 방식으로 실패한다는 것입니다.

기다림, 그리고 그 기다림이 낳은 것

MiniCPM5-2B의 타임라인은 재구성할 가치가 있습니다. 왜냐하면 그것은 출시일 검색으로는 놓치게 될 이야기의 일부이기 때문입니다.

그 모델은 2026년 7월 19일 세계인공지능대회에서 공개되었으며, 당시 대표적인 특징은 512,000토큰 컨텍스트 윈도우였다. 가중치는 9월 6일이 되어서야 등장했고, 변경 로그는 9월 7일에 이어서 나왔다. 그 두 날짜 사이에 그 모델은 하나의 시연과 일련의 숫자로만 존재했다.

출시된 것은 광고된 것과 다르며, 그 격차는 확인할 수 있다. 릴리스된 구성은 rope_scaling 블록 없이 max_position_embeddings를 131,072로 설정하는데, 이는 131,072개 토큰, 즉 WAIC 수치의 4분의 1이다. 그것은 부정직이라기보다는 연구팀이 무대에서 보여주는 것과 엔지니어링 팀이 구성 파일에 승인해 넣으려는 것 사이의 흔한 차이에 가깝다. 하지만 중요한 것은 그 숫자다. 왜냐하면 당신의 배포가 물려받는 것이 바로 그 숫자이기 때문이다.

이번에 공개된 구성은 이 규모급 모델로서는 이례적으로 빈틈없다. 최종 BF16 체크포인트(RL + OPD 병합)와 함께 SFT, midtrain, base 단계가 별도로 공개되어 있고, 로컬 런타임용 GGUF, MLX, GPTQ 빌드, 추측 디코딩용 DSpark 드래프트 모델, 그리고 학습 코퍼스 자체가 UltraData 패밀리로 공개되어 있다. 9개 칩셋에 대한 데이제로 지원은 FlagOS를 통해 제공되었으며, 모델 카드는 구현이 커스텀 커널과 모델 코드 포크를 사용하지 않는다는 점을 분명히 밝히고 있다. 마지막 세부 사항이 나머지 전체를 신뢰할 수 있게 만든다: 표준 도구에서 실행되는 모델은 저자들의 클러스터가 있는 곳에서만이 아니라, 당신이 있는 곳에서도 실행되는 모델이다.

Glimpse의 타임라인은 비교적 압축되어 있고 문서 기록도 더 적다. 2026년 10월 16일, 이 기사가 나오기 하루 전에 무료 가입으로 Elorian의 API와 채팅 인터페이스를 통해 접근할 수 있는 연구 미리보기로 출시되었다. 가중치도 없고, 사후 학습에 사용된 기반 모델도 공개되지 않았으며, 어떤 종류의 산출물도 없다. 이 회사는 2026년 4월, 전 Google 연구원인 Andrew Dai를 중심으로 스텔스에서 나왔으며, Striker Ventures, Menlo Ventures, Altimeter로부터 5,500만 달러를 투자받았고 NVIDIA, 49 Palms, Jeff Dean이 참여했다. 이 모델은 회사가 출시한 첫 번째 제품이다.

숫자들, 그리고 각 세트가 다루는 내용

• 파라미터 — MiniCPM5-2B는 총 2,516,756,480개이며, 이 중 1,981,982,720개는 비임베딩 파라미터입니다. 42개 레이어, 16개 쿼리 헤드와 2개 키-값 헤드에 걸친 그룹 쿼리 어텐션을 사용하며, 기본 제공되는 LlamaForCausalLM 클래스를 통해 서빙됩니다. G​limpse의 파라미터 수는 공개되지 않았으며, 출시 게시물에는 벤치마크 대상인 프런티어 모델들보다 "훨씬 작고 저렴하다"는 내용만 언급되어 있습니다.

• Artefact — MiniCPM5-2B용 Apache 2.0 가중치와 SFT, midtrain, base, GGUF, MLX, GPTQ 변형을 제공합니다. G​limpse의 경우 호스팅 엔드포인트만 제공할 뿐 다운로드할 수 있는 것은 없습니다.

• 컨텍스트 — MiniCPM5-2B에 설정된 131,072 토큰으로, WAIC 시연에서 내세운 512,000 토큰 수치와 대비된다. G​limpse의 경우 미공개 — 두 공백 중 더 중대한 쪽인데, 이 모델의 정의적 역량이 바로 영상 읽기이기 때문이다.

• 모달리티 — MiniCPM5-2B는 이미지 입력, 텍스트 출력입니다. Glimpse는 동영상과 이미지를 지원하며, 첫 번째 패스 후 구간으로 되돌아갈 수 있는 기능을 갖추고 있습니다.

• 평가 — MiniCPM5-2B의 카드는 LiveCodeBench v6가 69.1, AIME 2025와 2026이 모두 86.5, MATH-500이 94.6, MMLU-Pro가 70.8, LongBench v2가 43.7, BFCL v4가 66.6, SWE-bench Verified가 46.4라고 보고합니다. 일부 행에는 자체 측정이 아니라 Artificial Analysis 릴리스에서 이어온 항목이라는 † 표시가 붙어 있습니다. G​limpse의 행은 GPT-6 Astra에 맞선 E​lorian 자체 결과이며, 여러 경쟁 모델이 최대 사고 노력 미만으로 실행된 반면 G​limpse는 최고 수준으로 실행되었다는 점을 밝히는 각주가 붙어 있습니다.

• 가격 — G​limpse의 경우 백만 입력 토큰당 $0.60, 백만 출력 토큰당 $3.00이며, rewind는 출력 토큰으로 청구되므로 trace가 영수증입니다. MiniCPM5-2B의 요금표는 없습니다. 산출물이 파일이기 때문입니다.

그들 둘 모두가 내세우는 주장, 그리고 그것이 성립하는 서로 다른 방식들

MiniCPM5-2B의 핵심 주장은 산술적이며 검증 가능하다. 25억 매개변수 모델, 카드 평균 53.9, 같은 세트에서 최고 평균이 51.1인 더 큰 오픈 모델들을 상대로. 이는 "이 작은 것이 이 과제들에서 저 큰 것을 이긴다"라는 형태의 주장이며, 가중치는 다운로드할 수 있고 테스트는 공개되어 있기 때문에 GPU와 반나절만 있으면 누구나 반증할 수 있다.

그 메커니즘은 세 단계로 문서화되어 있다: 약 4,000억 토큰의 심층 사고 데이터에 대한 지도 미세 조정, 교사 모델을 사용한 강화 학습, 그런 다음 16개의 RL 전문가 — 그중 5개는 에이전트형 — 를 하나의 체크포인트로 다시 병합하는 온폴리시 증류. 그 병합에 붙은 내부 수치는 병합 전 상태 대비 추론 및 일반 작업에서 10.96포인트 향상, 에이전트형 작업에서 6.96포인트 향상이다. 이는 벤더가 자체 파이프라인을 자체적으로 측정한 것이며, 제3자가 이제 가서 확인할 수 있는 종류의 주장인데, 이는 최종 체크포인트뿐 아니라 중간 체크포인트도 공개하는 이유다.

Glimpse의 핵심 주장은 산술이 아니다. 그것은 하나의 행동 양식이다. 즉, 첫 번째 패스 이후 1초 미만의 창으로 되돌아가는 것이 고정 그리드에서 샘플링하는 방식으로는 결코 해낼 수 없는, 시간적 질문에 대한 더 나은 답을 만들어낸다는 것이다. 이를 뒷받침하는 증거는 일련의 작업 추적 기록과 거의 반반으로 갈리는 벤치마크 표다 — 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)에서는 앞서고, 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 뒤진다.

두 주장 모두 그럴듯하다. 현재로서는 그중 하나만 그 주장을 제기한 회사 외부의 사람이 확인할 수 있다.

두 공개 내용의 공통점

MiniCPM5-2B 카드는 일부 행에 단검 기호를 달고 있어, 그 행들이 저자들이 측정한 것이 아니라 Artificial Analysis 발표에서 가져온 수치임을 표시한다. 이는 결함이라기보다 공개로 읽어야 한다. 대안, 즉 다른 사람의 측정값을 아무 표시 없이 조용히 자신의 표에 끼워 넣는 것은 흔하며 더 나쁘다.

입수 가능한 증거로 볼 때, 두 모델은 동일한 특정한 의미에서 검증되지 않은 상태입니다. G​limpse의 표는 벤더가 벤더의 최적 구성에서 실행한 결과입니다. MiniCPM5-2B도 개별 행의 출처가 어떻든 카드 평균에 대한 독립적 재현이 없기는 마찬가지입니다. 이 차원에서 두 릴리스는 동일하며, 둘 중 어느 하나를 비교의 신뢰할 수 있는 절반으로 취급하기 전에 이 점을 주목할 가치가 있습니다.

더 강력한 차이는 다음에 벌어지는 일에 있다. 누구든 MiniCPM5-2B를 다운로드해 오늘 오후 자신의 데이터로, 누구에게도 묻지 않고 자체 평가를 돌려볼 수 있다. G​limpse로는 아무도 그렇게 할 수 없다. 체험판은 무료이고 트레이스는 검사할 수 있지만, 평가는 E​lorian이 보여주기로 선택한 것으로 제한되며, 모델이 존재하는 곳은 엔드포인트뿐이다.

양육권이 그 문제를 결정하는 경우

이것은 두 모델이 서로 가깝지 않은 차원이며, 능력과는 아무 관련이 없습니다.

MiniCPM5-2B의 결과물은 GGUF 빌드와 MLX 빌드를 포함한, Apache 2.0에 따른 파일 세트입니다. 즉, 모델이 노트북에서 실행되고, 이미지는 절대 그 기기를 떠나지 않으며, 배포의 요청 경로에는 공급업체가 없습니다 — 가용성 윈도우도, 보존 관련 문제도, 속도 제한도, 당신 몰래 바뀔 수 있는 가격도 없습니다. 이미지를 다루는 규제 대상 업무나 미디어가 네트워크 경계를 넘을 수 없는 모든 경우에, 이것이 결정의 전부이며, G​limpse는 트레이스가 아무리 좋아 보여도 후보가 아닙니다.

G​limpse의 기능은 E​lorian의 엔드포인트 뒤에만 존재합니다. 그것의 두드러진 특징은 시각적 스크래치 공간이며, 재배치할 아티팩트가 없습니다. 그것은 제품의 결함이 아닙니다. 그것은 그 가치가 가중치보다는 메커니즘에 있다고 할 수 있는 연구 프리뷰의 속성입니다.

이것은 또한 라우팅 계층이 유용한 지점이자 유용하지 않게 되는 지점입니다. OrcaRouter는 200개 이상의 모델 앞에 하나의 키를 제공하며, 제공업체 정가를 그대로 전달하고 토큰당 추가 비용이 없으며, 따라서 로컬 MiniCPM5-2B와 호스팅 모델이 두 개가 아닌 하나의 코드 경로에 놓일 수 있습니다. 여기에는 요청별로 선택하는 라우팅 DSL 및 레인이 실패할 때 요청을 계속 살려 두는 자동 페일오버가 포함됩니다. 그 조합에서 호스팅되는 쪽은, 공급업체가 가격을 인하하면, 다음 갱신 때가 아니라 같은 날 우리 쪽에 반영됩니다. 라우팅이 할 수 없는 일은 보관 권한을 옮기는 것입니다: 엔드포인트가 당신의 하드웨어에 있지 않다면, 어떤 라우팅 규칙도 그것을 거기에 두지 못합니다. MiniCPM5-2B도 G​limpse도 우리 카탈로그에 없습니다 — 하나는 다운로드이고 다른 하나는 E​lorian의 자체 API 및 채팅 인터페이스입니다 — 따라서 이는 우리가 라우팅하는 방식을 설명하는 것이지, 두 모델 중 어느 하나를 제공하겠다는 주장이 아닙니다.

그 결정, 그에 대한 설명이 첨부된

MiniCPM5-2B와 G​limpse는 경쟁자가 아니며, 이들을 경쟁자로 취급하는 것은 비교를 낭비하는 일이다. 하나는 여러분이 직접 소유할 수 있는 25억 개 파라미터의 범용 모델이다. 다른 하나는 한 가지 독특한 일을 하는 호스팅된 프리뷰다.

이 둘 사이에는 공유 점수판이 없고, 그것을 만들 방법도 없다. MiniCPM5-2B의 카드는 코딩, 수학, 지시 수행, 장문맥 검색을 측정한다. Glimpse의 표는 GPT-6 Astra를 상대로 비디오 및 이미지 인식을 측정한다. 이들은 공유하는 작업이 없으므로, 중요한 유일한 비교는 여러분 자신의 워크로드와의 비교뿐이다. 세 가지 질문이 표보다 더 빠르게 판가름한다.

모델이 반드시 자체 하드웨어에서 실행되어야 합니까, 아니면 라이선스가 허용적이어야 합니까? 그렇다면 여기서는 MiniCPM5-2B가 유일한 후보입니다. GGUF 또는 MLX 빌드를 다운로드하고, WAIC에서 표시된 512,000이 아니라 구성이 실제로 설정하는 131,072토큰 컨텍스트를 예산에 잡으세요. 그리고 카드의 † 표시 행은 저자들이 수행한 측정값이 아니라 원래 평가를 가리키는 포인터로 취급하세요.

실패 모드가 시간적인가요 — 카메라 팬이 컷으로 오인되거나, 가림을 사이에 두고 객체의 정체성이 바뀌거나, 1초 미만의 창 안에서 벌어지는 이벤트인가요? 그렇다면 Glimpse는 둘 중 명시된 메커니즘이 그 문제를 다루는 유일한 쪽입니다. 체험은 무료이고, 트레이스가 시험입니다: 직접 클립을 돌려 보고 모델이 답을 결정한 구간으로 되돌아간 적이 있는지 확인해 보세요.

그 작업은 긴 컨텍스트이긴 하지만 긴 비디오는 아닌가 — 하나의 창 안에 들어가야 하는 문서 세트, 파일링 아카이브, 감사 추적인가? 어느 모델의 공개된 평가도 그 점을 확정하지 못한다. LongBench v2의 43.7점은 행동 범주 전체에 대한 단일 숫자일 뿐이며, 120,000 토큰에서 MiniCPM5-2B가 당신의 문서에서 어떻게 수행하는지는 알려주지 않는다. 어느 쪽 결정을 내리든 안전하려면 그것을 먼저 측정해야 한다.

이 페이지를 바꿀 수 있는 것: E​lorian이 아닌 누군가가 G​limpse의 벤치마크 행을 재현하는 것, G​limpse의 매개변수 수나 컨텍스트 윈도우가 공개되는 것, 또는 131,072토큰 구성과 512,000토큰 시연 사이의 격차를 좁히는 MiniCPM5 체크포인트. 그중 어느 것도 일정에 잡혀 있지 않습니다. 그것들이 실현되기 전까지는, 이 모델들 중 하나는 오늘 밤 누구나 테스트할 수 있지만 다른 하나는 그럴 수 없습니다 — 그리고 어떤 벤치마크 행보다도, 그 비대칭성이 바로 계획을 세울 때 중심에 두어야 할 것입니다.

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.