Glimpse против Granite 4.2 3B: один раскрывает всё, другой — поведение

Поставьте два технических описания рядом — и сравнение выглядит перекошенным в необычную сторону. Granite 4.2 3B, выпущенная IBM 25 августа 2026 года под лицензией Apache 2.0, поставляется с карточкой модели, в которой указаны число слоёв, геометрия голов внимания, база RoPE, эпсилон нормализации, функция активации, связывание эмбеддингов, размерность скрытого представления, рекомендуемая температура сэмплирования и каждая строка бенчмарков, которую команда решила опубликовать. Elorian Glimpse, выпущенная 16 октября 2026 года, поставляется с 0,9-секундной видеозаписью. У неё нет опубликованного числа параметров, нет контекстного окна, нет названной базовой модели и нет описания архитектуры. Одно из них рассказывает всё, кроме того, для чего оно предназначено; другое рассказывает точно, для чего оно предназначено, и ничего о том, чем оно является.

Вот это и есть настоящая ось этого сравнения, и это не та ось, к которой подталкивают два запуска. G​ranite 4.2 3B — это модель рассуждений для самостоятельного хостинга со спецификацией, которую можно проверить до скачивания. G​limpse — это облачный исследовательский предпросмотр, вся опубликованная возможность которого — это поведение: возвращение к моменту внутри уже просмотренного клипа, повторное сканирование его с более высокой частотой кадров и ответ на основе того, что там обнаружится. Ни того, ни другого нет в нашем каталоге, и здесь это имеет меньшее значение, чем обычно, потому что выбор между ними — не в первую очередь решение о маршрутизации.

Два релиза, две противоположные стратегии раскрытия информации

Линейка IBM Granite 4.2 — это плотные рассуждающие модели трёх размеров — 3B, 8B и 30B — причём 3B — самая маленькая из трёх. Она дообучена из Granite-4.1-3B-Base с помощью того, что в карточке описывается как трёхэтапный конвейер, и сохраняет собственное окно семейства на 128 000 токенов с документированным путём расширения до 512 000. Двенадцать языков указаны как протестированные. В карточке опубликована полная архитектура: 40 слоёв, ширина эмбеддингов 2 560, SwiGLU-сеть прямого распространения со скрытой шириной 8 192, group-query attention с 40 головами запросов и 8 головами ключей-значений при размере головы 64, база RoPE 10 миллионов, RMSNorm с эпсилоном 1e-5, несвязанные эмбеддинги, веса bfloat16 и класс для обслуживания GraniteForCausalLM. Рекомендуемая выборка — температура 1.0 при top-p 0.95.

Пост E​lorian's G​limpse не публикует ничего из этого. Вместо этого он публикует механизм. В разобранных трассировках, выпущенных вместе с моделью, G​limpse делает первый проход по клипу со скоростью примерно 8 кадров в секунду, формирует предварительную интерпретацию, затем возвращается к девяти десятым секунды этого клипа со скоростью около 14 кадров в секунду, чтобы ответить на вопрос, который не удалось решить на первом проходе, — в опубликованном примере: панорамировала камера или произошла склейка. Вторая трассировка отслеживает одну границу окна примерно с 2,2 секунды, пока она почти не останавливается на 5,13 секунды. Компания называет поверхность отображения визуальным пространством для набросков и говорит, что модель была обучена сквозным образом использовать мультимодальные инструменты, порождая субагентов, которые обмениваются текстом, изображениями и внутренними представлениями.

Обе эти стратегии релиза правомерны, и они проваливаются противоположными способами. Карточка, которая публикует всё, всё равно может ошибаться насчёт того, в чём модель сильна. Пост, который публикует механизм, всё ещё может описывать демо.

Опубликованная спецификация, измерение за измерением

• Параметры — G​ranite 4.2 3B — это плотная модель с 3 миллиардами параметров, примерно 4B в формате bfloat16, если учитывать таблицу эмбеддингов. Количество параметров G​limpse никогда не публиковалось E​lorian; единственное утверждение о размере в посте о запуске — это заявление о том, что она «существенно меньшая и более дешёвая модель», чем фронтирные системы, с которыми она сравнивается.

• Контекстное окно — 128 000 токенов нативно для Granite 4.2 3B, с документированным путём к 512 000. Для Glimpse не опубликовано, а это самый значимый пробел в таблице, учитывая, что его главная заявленная возможность — чтение видео.

• Веса — Apache 2.0 на Hugging Face для G​ranite 4.2 3B: скачайте, запустите на своём железе, дообучите, выпускайте. Для G​limpse — нет. Это API и чат-интерфейс с бесплатной регистрацией, и ничто в посте не намекает на то, что веса появятся.

• Доступность хостинговой версии — IBM не выпустила собственного хостингового API с 3B на момент релиза; поставляемый результат — это карточка. Glimpse — обратный случай: только хостинг, никакого артефакта, который нужно хранить.

• Цена — $0,60 за миллион входных токенов и $3,00 за миллион выходных для Glimpse. Для Granite 4.2 3B тарифной сетки нет вообще, потому что затраты — это электроэнергия и оборудование, которое у вас уже есть.

• Независимая оценка — ни у одного из них таковой нет в сколько-нибудь заметном виде. Цифры Granite 4.2 3B — собственные данные IBM; цифры Glimpse — собственные данные Elorian. Именно по этому параметру оба релиза одинаково неверифицированы, и об этом стоит сказать прямо, прежде чем кто-либо начнёт считать один из них надёжной половиной. p>img src="3.png" alt="Табло под заголовком «Glimpse против Granite 4.2 3B — разрыв в раскрытии информации» с подзаголовком «Шесть параметров, обе стороны, одинаковые обозначения». Два столбца используют одни и те же шесть названий строк. В левом столбце под заголовком «Elorian Glimpse» указано: «Параметры: не опубликованы», «Контекст: не опубликован», «Веса: отсутствуют; только API и чат», «Базовая модель: не названа; описана лишь как открытые веса», «Опубликованный артефакт: один пост о запуске с примерами трассировок», «Проверяемость на вашем оборудовании: нет». В правом столбце под заголовком «Granite 4.2 3B» указано: «Параметры: плотная 3B, около 4B при bfloat16», «Контекст: 128 000 нативно, 512 000 с расширением», «Веса: Apache 2.0 на Hugging Face», «Базовая модель: Granite-4.1-3B-Base, названа», «Опубликованный артефакт: полная карточка модели, архитектура, значения сэмплирования по умолчанию», «Проверяемость на вашем оборудовании: да». В нижней строке указано: «Показатели Glimpse заявлены поставщиком и не воспроизведены. Показатели Granite 4.2 3B приведены по опубликованной карточке модели IBM; агентные бенчмарки для 3B не публиковались». Логотип OrcaRouter расположен в правом нижнем углу." />

Почему эти двое не являются заменителями

Есть соблазн представить модель с 3 миллиардами параметров в противостоянии с превью неизвестного размера как Давида против Голиафа, но такая подача неверна в обе стороны.

Granite 4.2 3B — это модель рассуждений и следования инструкциям. Опубликованный набор её оценок: AIME 2025 — 78.33, HMMT February 2025 — 66.67, GPQA — 54.80, LiveCodeBench v6 — 69.71, MMLU-Pro — 67.84, IFBench — 74.33, BFCL v4 — 52.41 и RULER — 67.52 для 64K входных данных, снижаясь до 55.30 при 128K. Обратите внимание, чего нет в этом списке: нет строки SWE-Bench и нет строки Terminal-Bench для 3B, хотя более крупные представители семейства проходят этап агентного обучения с подкреплением. IBM предпочла не публиковать показатели агентного программирования для самого младшего собрата, вместо того чтобы оценивать их, и эта честность информативнее, чем была бы приукрашенная строка.

G​limpse не конкурирует ни по одной из этих осей. Собственная сравнительная таблица E​lorian ставит его выше GPT-6 Astra по WGO Bench (42,70 против 39,42), CharXiv-R (92,90 против 92,10), UGC-VideoCap (82,66 против 80,32) и FSC-147 (83,36 против 82,02), и ниже — по BabyVision (95,36 против 97,68), DREAM-1K (76,04 против 79,05), TOMATO (93,60 против 96,02), Video-MME v2 (56,68 против 64,06), CountQA (82,66 против 86,42) и Humanity's Sixth Sense (46,36 против 53,6). Каждая из этих строк заявлена производителем, независимо не воспроизводилась, получена при максимальном уровне «усилий мышления» G​limpse с его нативным агентным харнессом, а в сноске указано, что некоторые конкуренты оценивались ниже своего максимума. G​ranite 4.2 3B не тестировался ни на одном из них.

Итак, честная картина такова: общего табло нет, потому что нет общей задачи. 3B-текстовая модель не может повторно просканировать видеоинтервал, а превью с перемоткой видео нельзя скачать на ноутбук.

Там, где аргумент о размере работает в обратную сторону

Самый сильный аргумент в пользу G​ranite 4.2 3B в этом сравнении — не производительность. А то, что 3 миллиарда плотных параметров — это реальная конфигурация для развёртывания. При 4B bfloat16 веса занимают несколько гигабайт, а значит, квантованная сборка работает на одном потребительском ускорителе или, при низкой точности, на недавнем ноутбуке. Двенадцати протестированных языков достаточно для европейского или индийского развёртывания, где поддержка двенадцати языков — жёсткое требование, а не приятный бонус. Apache 2.0 полностью снимает вопрос лицензии. А окно 128K с расширением до 512K задокументировано, что означает, что планирование мощности по нему — это арифметика, а не догадки.

Самый сильный аргумент в пользу Glimpse — это то, чему нет аналога среди малых моделей: вопросы, на которые не может ответить выборка с фиксированным расписанием. Было ли это панорамированием камеры или склейкой. Является ли объект в кадре на 12-й секунде тем же объектом, что покинул кадр на 4-й секунде. Что произошло за полсекунды вокруг события. Они сложны не потому, что требуют большой модели. Они сложны потому, что эта информация никогда не была отсэмплирована, и большее число параметров при 8 кадрах в секунду этого не восстанавливает. Потратить дополнительные вычисления на один интервал после того, как весь клип уже просмотрен, — это действительно другой ответ, и никакое количество открытых весов в 3B-пакете его не заменит.

Единственное место, куда не может последовать хостируемый предпросмотр

Есть связанная с комплаенсом причина учитывать эту асимметрию, и она не имеет никакого отношения к качеству ни той, ни другой модели.

Результатом работы G​ranite 4.2 3B является файл. Если видео, документ или запись о клиенте не могут покинуть вашу инфраструктуру — а в большинстве регулируемых развёртываний это невозможно — то модель работает там, где находятся данные, и весь вопрос о доступности поставщика, ограничениях частоты запросов, регионе и хранении исчезает. У G​limpse такой возможности нет. Его возможности доступны только через конечную точку E​lorian, а значит, видеоматериал уходит в E​lorian, и ни один опубликованный документ не утверждает обратного.

Вот где слой маршрутизации заслуживает одного предложения, а где — нет. OrcaRouter даёт вам один ключ перед более чем 200 моделями, при этом списочная цена провайдера передаётся как есть, а за токен ничего не добавляется, так что рабочая нагрузка может сочетать самостоятельно размещённую G​ranite 4.2 3B на вашем собственном оборудовании с моделями на хостинге в рамках одного и того же кода, а автоматическое переключение при сбое поддерживает маршрут живым, когда один из них отказывает. DSL маршрутизации решает, какая модель получит какой запрос, без переписывания приложения. Чего он не делает — так это не меняет вопрос о том, у кого находятся данные: слой маршрутизации перемещает запросы между эндпоинтами, и если эндпоинт не в вашем здании, маршрутизация не может его туда поместить. Ни G​ranite 4.2 3B, ни G​limpse сегодня нет в нашем каталоге — G​ranite 4.2 3B — это то, что нужно скачивать, а G​limpse — собственный API E​lorian, — так что это утверждение о том, как мы маршрутизируем и назначаем цены, а не заявление о том, что мы обслуживаем одну из них.

Читая оба листа с бенчмарками с тем же подозрением

Две привычки, которые стоит перенести в оба релиза, поскольку ни одному из них от них не уйти.

Первое: таблица бенчмарков вендора — это выборка, а не измерение. Таблица Elorian необычна тем, что публикует строки, в которых собственная модель Elorian проигрывает — это сигнал доверия, и всё же это таблица, собранная вендором, на задачах, которые вендор выбрал, при конфигурациях, которые вендор задал. Карточка IBM Granite более узкая и более традиционная: стандартные академические бенчмарки, опубликованные при указанной конфигурации, а строки агентных задач просто отсутствуют для 3B, а не заменены чем-то более выигрышным.

Второе: недостающее число обычно и есть самое важное. Для G​ranite 4.2 3B важное число вообще отсутствует в карточке: никто за пределами I​BM не публиковал данные о пропускной способности или точности выполнения реальных задач для 3B при контексте 128K, а падение RULER с 67,52 до 55,30 между 64K и 128K — предупреждение о том, что окно деградирует задолго до его окончания. Для G​limpse ключевое недостающее число — это размер контекстного окна, потому что функция видеорассуждения, чьё окно не может вместить видео, которое передаёт ей реальный рабочий процесс, — это демонстрация, а не инструмент.

Что могло бы это уладить и что делать тем временем

Три события могли бы изменить это сравнение, и ни одно из них не произошло.

Независимый тестовый стенд, воспроизводящий любой из этих наборов чисел, стал бы первым. Таблица Glimpse от Elorian и карточка Granite 4.2 3B от IBM основаны на самоотчётах, на разных задачах, и эти два релиза совпадают ровно в одном измерении: отсутствии внешней проверки.

Вторым было бы то, что Glimpse опубликует свое контекстное окно, число параметров или базовую модель. Любая циркулирующая сейчас цифра о размере Glimpse — это оценка, а не раскрытие, и принятие оценки за спецификацию — именно так план по мощностям и идёт не так.

То, что G​ranite 4.2 3B получит этап агентного RL или хостируемый эндпоинт первой стороны, стало бы третьим. Любой из этих двух вариантов изменил бы то, в какой категории находится 3B.

До тех пор правило принятия решения простое. Если работа — это текст, если она должна выполняться на оборудовании, которое вы контролируете, если лицензия должна быть Apache 2.0, или если данные не могут пересекать границу сети, G​ranite 4.2 3B — это ответ, и вопрос о G​limpse никогда не возникает — скачайте его, проведите собственную оценку и рассматривайте отсутствующие агентные строки в карточке как границу, а не как пробел. Если работа — это видео, и режим отказа является временным, а не семантическим, G​limpse — единственный из двух, чей заявленный механизм нацелен на это, бесплатная регистрация делает пробу дешёвой, а сам трейс и есть тест: запустите клип, прочитайте визуальное рабочее пространство и проверьте, возвращалась ли модель когда-либо к интервалу, который решил ответ. Оба они прямо сейчас не проверены. Только один из них может быть проверен на вашем собственном оборудовании.

Задокументированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг оспаривания.