Glimpse kontra Intern Decision 4B: Który z tych dwóch faktycznie odpowiada na Twoje pytanie

Te dwa modele w tym porównaniu mają wspólną modalność i niemal nic poza tym. E​lorian G​limpse, wydany 16 października 2026 r., to wersja zapoznawcza rozumowania wizualnego, która potrafi wrócić do okna w już obejrzanym wideo — w opublikowanym śladzie dziewięć dziesiątych sekundy ponownie przeskanowano z szybkością około 14 klatek na sekundę po pierwszym przebiegu z szybkością około 8 — a następnie pisze odpowiedź prozą. Intern-Decision-4B, przesłany 26 września 2026 r. przez zespół I​nternLM z Shanghai AI Laboratory bez żadnego ogłoszenia, nic nie pisze. Przyjmuje wspólny stan, schemat nazwanych pytań i opcjonalnie kilka obrazów, a następnie zwraca skalibrowany rozkład prawdopodobieństwa dla tych nazwanych odpowiedzi w jednym przebiegu do przodu. Nigdy nie wywołuje generate(). Nie ma łańcucha myśli, żadnego zdania ani jakiegokolwiek wyjścia token po tokenie.

Co oznacza, że pierwszym pytaniem w tym porównaniu nie jest to, który model jest lepszy. Jest nim to, czy twój problem to problem czytania, czy problem decyzyjny — a większość zespołów odkrywa, że traktowała problem decyzyjny jak problem czytania, ponieważ czytanie było jedynym dostępnym narzędziem.

Model, który zwraca liczbę zamiast akapitu.

Rodzina Intern-Decision pojawiła się cicho rankiem 26 września 2026 roku — trzy rozmiary, 0.8B, 2B i 4B, przesłane w ciągu czterdziestu sekund od siebie, co jest charakterystyczne dla skryptu, a nie procesu wydawniczego. Nie było wpisu na blogu, eseju na karcie modelu ani wątku premiery. Demo Space zwracało 401 w chwili pisania, kolekcja zwracała 401, organizacja GitHub zwracała 404, a największy członek rodziny zgromadził zero pobrań i jedno polubienie. Wszystko poniżej odczytano z opublikowanej konfiguracji i repozytorium, a nie od dostawcy mówiącego nam, co to robi.

To, co mówi konfiguracja, jest konkretne. Intern-Decision-4B to dostrojona wersja Q​wen 3.5 4B o 4,54 miliarda parametrów, a jej interfejs to silnik decyzyjny, a nie uzupełnianie czatu. Przekazujesz mu współdzielony stan — kontekst wspólny dla wszystkich pytań — plus schemat nazywający zestaw pytań, plus do ośmiu obrazów. Zwraca rozkład na stałym słowniku symboli jednotokenowych: od A do Z, od a do z oraz od 0 do 9. Sześćdziesiąt dwa symbole — i właśnie dlatego limit opcji wynosi sześćdziesiąt dwa, a nie jest decyzją projektową, do której ktokolwiek doszedł, myśląc o tym, ilu odpowiedzi chce człowiek. Obsługiwane są trzy typy pytań: wybór spośród nazwanych opcji, ocena w skali oraz decyzja w formie tak/nie.

To jest cały produkt. Jego wartość nie polega na dokładności samej w sobie. Polega na tym, że wynikiem jest prawdopodobieństwo, na którym można ustawić próg i które można później poddać audytowi, generowane deterministycznie w jednym przebiegu w przód, a nie akapit, którego poziom pewności trzeba wywnioskować z jego tonu.

Interfejs to prawdziwa różnica

• Co wchodzi na wejście — Glimpse przyjmuje wideo, obrazy i pytanie w języku naturalnym. Intern-Decision-4B przyjmuje stan współdzielony, schemat jawnie nazwanych pytań i do ośmiu obrazów.

• Co wychodzi — G​limpse zwraca prozę oraz ślad tego, gdzie w klipie szukał. Intern-Decision-4B zwraca rozkład po maksymalnie 62 symbolach, czyli jedną liczbę na opcję i nic więcej.

• Koszt wyjścia — pojedynczy przebieg w przód względem strumienia tokenów. Glimpse pobiera 3,00 USD za milion tokenów wyjściowych, a jego mechanizm celowo zużywa dodatkowe tokeny na ponowne spojrzenie, więc ślad jest paragonem. Intern-Decision-4B generuje stałą garść logitów na żądanie, co sprawia, że koszt wyjścia jest niemal stały, a nie proporcjonalny do tego, jak trudne jest pytanie.

• Rozmiar — 4,54 miliarda parametrów, opublikowany, do pobrania. Nieopublikowany w przypadku Glimpse, który podaje jedynie, że jest „znacznie mniejszy i tańszy” niż modele frontier w jego własnej tabeli benchmarków.

• Wagi — otwarte dla każdego członka rodziny Intern-Decision. Brak dla G​limpse, który istnieje wyłącznie za pośrednictwem API i interfejsu czatu E​loriana.

• Niezależność — oba są tu równe i równie słabe. Wiersze benchmarkowe Glimpse'a to wyniki samego Eloriana, nieodtworzone, uzyskane przy jego najwyższym wysiłku myślowym, w porównaniu z rywalami ocenianymi przy niższym niż ich. Intern-Decision-4B nie ma żadnej opublikowanej ewaluacji, jaką udałoby się znaleźć na potrzeby tego artykułu; liczby w jego konfiguracji to geometria uwagi, a nie dokładność.

Limit ukryty w tokenizerze

Oto liczba, która decyduje, czy Intern-Decision-4B można użyć do danego zadania, a nie ma jej w żadnym nagłówku.

Bazowa wieża Q​wen 3.5 4B deklaruje maksymalny embedding pozycji na poziomie 262 144 tokenów. Silnik decyzyjny opakowany wokół niej jest skonstruowany z parametrem max_length=8192, a dane wejściowe powyżej tego są odrzucane w całości, a nie przycinane. Samo w sobie jest to wybór inżynierski, którego można bronić — ciche przycinanie zamienia długi kontekst w błędną odpowiedź bez zgłoszenia błędu. Ale osiem obrazów obciąża ten sam budżet 8 192. W przepływie pracy, który przekazuje modelowi zestaw zrzutów ekranu oraz wspólny stan opisujący przypadek, praktyczny pułap osiąga się znacznie szybciej, niż sugeruje 262 144, a niepowodzenie to twarde odrzucenie, a nie odpowiedź o obniżonej jakości.

Każdy, kto planuje używać Intern-Decision-4B do przeglądu dokumentów, powinien przetestować tę granicę, zanim zacznie projektować na jej podstawie. Demo Space, kolekcja i repozytorium były niedostępne w momencie pisania tego tekstu, więc jedynym sposobem ustalenia rzeczywistego pułapu jest konstruowanie danych wejściowych i obserwowanie, gdzie silnik je odrzuca.

Glimpse ma w tym samym miejscu problem lustrzanego odbicia. Jego okno kontekstowe nigdy nie zostało opublikowane, a flagową możliwością modelu jest odczytywanie wideo. Interwał 0,9 sekundy zmieści się w każdym oknie. Dwugodzinny klip już nie, a żadna opublikowana wartość nie mówi, gdzie przebiega granica. W obu przypadkach opisano zdolność rozumowania, a pojemnik, w którym musi się zmieścić, to część pozostawiona domysłom — przypadkowy zbieg pominięć, a nie zamierzony zbieg okoliczności.

W czym każde z nich jest naprawdę lepsze

Konkretny argument za G​limpse to rozdzielczość czasowa. Próbkowanie o stałym harmonogramie traci wszystko, co wypada między dwiema próbkowanymi klatkami — dlatego przesunięcie lub cięcie, tożsamość obiektu przez zasłonięcie i zdarzenia poniżej sekundy to pytania trudne, a nie łatwe. Większa liczba parametrów przy ośmiu klatkach na sekundę nie odzyskuje brakujących informacji; poświęcenie dodatkowej mocy obliczeniowej na jeden przedział po obejrzeniu całego klipu — tak. Ślady E​loriana pokazują, że model robi dokładnie to, a wizualna przestrzeń robocza sprawia, że decyzję można zbadać po fakcie — widać, czy kiedykolwiek wrócił do przedziału, który przesądził o odpowiedzi.

Konkretny argument za Intern-Decision-4B jest taki, że całkowicie usuwa krok parsowania z potoku klasyfikacji. Rozważmy przepływ underwritingu lub triage'u, który obecnie wywołuje duży model z promptem proszącym go o odpowiedź jedną z pięciu etykiet, następnie parsuje odpowiedź, potem ponawia próbę, gdy model odpowiada zdaniem zamiast etykiety, a na końcu traktuje „prawdopodobnie tak” tak, jakby to było „tak”. Intern-Decision-4B sprowadza to do jednego przejścia w przód, które zwraca pięć prawdopodobieństw. Żadnego parsera, żadnej pętli ponowień, żadnej dwuznaczności co do tego, co model miał na myśli. Jeśli próg dla trzeciej etykiety wynosi 0,7, to jest to liczba w twoim kodzie, a nie heurystyka w twoim promptcie.

Argument za żadnym z nich również warto przedstawić. Jeśli potrzebujesz akapitu wyjaśniającego, co dzieje się w scenie, Intern-Decision-4B nie może go wygenerować — nie ma w ogóle ścieżki generowania. Jeśli potrzebujesz decyzji progowej dotyczącej treści semantycznej obrazu, G​limpse to kosztowny sposób na uzyskanie liczby, którą można było uzyskać taniej, a własna tabela benchmarków jego dostawcy jest dowodem, że przewijanie materiału nie poprawia wnioskowania o tym, co sugeruje scena: w ewaluacji Humanity's Sixth Sense firmy E​lorian G​limpse uzyskuje 46,36 w porównaniu z 53,6 GPT-6 Astra, w benchmarku, który E​lorian zbudował ze Scale AI.

Umieszczenie któregokolwiek z nich za ścieżką produkcyjną

Kwestia routingu tutaj nie dotyczy ceny, ponieważ te dwa modele nie są substytutami cenowymi — jeden jest rozliczany za token, drugi to stały przebieg w przód, a żaden z nich nie znajduje się w naszym katalogu. Chodzi o to, co znajduje się przed modelem, którego tryb awarii polega na twardym odrzuceniu.

Intern-Decision-4B odrzuca dane wejściowe przekraczające limit swojego silnika. Potok, który nie ma mechanizmu awaryjnego na wypadek takiej odmowy, gubi żądania. Odpowiedzią OrcaRouter na ten rodzaj problemu jest automatyczne przełączanie awaryjne: jeden klucz przed ponad 200 modelami, z DSL-em routingu decydującym, które żądanie trafia dokąd, dzięki czemu żądanie odrzucone przez silnik decyzyjny można wysłać do modelu generatywnego, który czyta te same dane wejściowe i zapisuje odpowiedź prozą. Cena katalogowa dostawcy jest przekazywana bez żadnych doliczeń za token, więc ścieżka wtórna kosztuje dokładnie tyle, ile pobiera jej własny dostawca, i zmienia się w dniu, w którym ten dostawca zmienia swoją stawkę. Ta sama warstwa pozwala testować niesprawdzoną wersję zapoznawczą bez jej promowania: umieść G​limpse na trasie cienia, porównaj jego werdykty z modelem, któremu już ufasz, i promuj go dopiero wtedy, gdy ślady pokażą, że wraca do interwałów, które mają znaczenie. Nie udostępniamy żadnego z tych modeli — własne API E​lorian to miejsce, w którym działa G​limpse, a Intern-Decision-4B jest do pobrania — więc warstwa routingu wykonuje pracę nad kształtem potoku, a nie nad dostępnością tych dwóch.

Co zmieniłoby odpowiedź

Dla G​limpse trzy rzeczy: niezależny harness odtwarzający wiersz tabeli E​lorian, opublikowane okno kontekstowe oraz jakiekolwiek ujawnienie modelu bazowego, na którym firma prowadziła post-training. Wszystkie trzy są obecnie puste.

W sprawie Intern-Decision-4B – dwie rzeczy. Dokumentacja byłaby pierwszą — trzy wgrane modele w ciągu czterdziestu sekund, z niedostępnym Space, niedostępną kolekcją i repozytorium zwracającym 404, to nie wydanie, to migawka, która się wymknęła. Silnika decyzyjnego bez opublikowanych wskaźników dokładności nie da się skalibrować względem niczego, a model zwracający prawdopodobieństwa jest wart dokładnie tyle, ile zaufanie, jakim można je obdarzyć. Podniesiony limit silnika albo uczciwe wskazówki dotyczące budżetu na obrazy byłyby drugą rzeczą, ponieważ pułap 8192 tokenów, który po cichu obejmuje do ośmiu obrazów, to niespodzianka specyfikacyjna czekająca, by przydarzyć się na produkcji.

Dopóki tamte nie nadejdą, podział jest czysty i nie ma nic wspólnego z tym, który model jest większy. Jeśli twoim zadaniem jest oglądanie nagrań i opowiadanie człowiekowi, co się wydarzyło, tak aby interwał, który przesądził o odpowiedzi, był widoczny w śladzie, G​limpse to jedyny z tych dwóch, który potrafi to zrobić, a darmowa rejestracja sprawia, że test jest tani. Jeśli twoim zadaniem jest klasyfikowanie, punktowanie lub decydowanie względem nazwanych opcji i potrzebujesz skalibrowanej liczby dla każdej opcji, a nie zdania na ich temat, Intern-Decision-4B został stworzony dokładnie do tego i do niczego innego — zaakceptuj, że jest nieudokumentowany, przetestuj wcześnie granicę 8,192 tokenów i nie oczekuj, że wyjaśni się sam, ponieważ nie ma mechanizmu, który by to umożliwiał.

Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.