Glimpse vs LFM2.5 2.6B Base: Один из них не может ответить на вопрос

Glimpse — это исследовательское превью Elorian в области визуальных рассуждений, выпущенное 16 октября 2026 года, и его главная особенность — это поведение: пока он думает, он может вернуться к изображению или видео, пересканировать 0,9-секундный интервал с более высокой частотой кадров, приблизить какую-то область или отследить один признак во времени, и только после этого ответить. LFM2.5 2.6B Base — это чекпойнт с 2,69 миллиарда параметров, опубликованный Liquid AI 4 августа 2026 года под лицензией LFM Open License v1.0, и в нём нет никакого обучения на инструкциях — его никогда не учили отвечать хоть на что-нибудь. Дайте ему вопрос — и он продолжит текст, правдоподобно, в том же регистре, что и всё, что было до него. Это не дефект и не пропущенный релиз; это и есть спецификация. Так что первое, что нужно сказать об этой паре, — это не сопоставление двух моделей разного качества. Это сопоставление между возможностью, которую вы арендуете, и сырьём, которое вы обучаете, и единственный факт, который определяет выбор между ними, — это то, является ли стоящая перед вами работа вопросом или набором данных.

Всё нижеследующее вытекает из этого, включая тот факт, что только у одного из этих двух есть таблица бенчмарков — и это не тот, о котором догадался бы читатель.

Два объекта, описанные без маркетинга

У Glimpse нет загружаемого артефакта. Elorian не публикует ни число параметров, ни архитектуру, ни размер контекстного окна, ни название базовой модели с открытыми весами, на которой, по его утверждению, она была дообучена. Что есть — это API и чат-интерфейс с бесплатной регистрацией, цена $0.60 за миллион входных токенов и $3.00 за миллион выходных, а также набор разобранных трассировок, показывающих, как модель по ходу рассуждения возвращается к визуальным свидетельствам. Его визуальное рабочее пространство — поверхность, на которой оно заново рассматривает увиденное, — и есть продукт.

LFM2.5 2.6B Base — это точная противоположность. Это файл. Тридцать слоёв, из которых 22 — блоки коротких свёрток с двойным гейтированием, а 8 — внимание с группировкой запросов; примерно 34 триллиона обучающих токенов на 16 языках; контекстное окно размером 131 072 токена; квантованная сборка объёмом около 1,67 ГБ. Это модель только для текста, плотная, и её намеренно не оценивали, потому что оценка базового чекпоинта на бенчмарках следования инструкциям измеряла бы отсутствие тонкой настройки, а не качество субстрата.

• Что вы получаете — Glimpse: API-ключ и размещённый эндпоинт. LFM2.5 2.6B Base: веса, токенизатор и лицензия.

• Модальность — Glimpse: изображения и видео на входе, с повторным сэмплированием во времени. LFM2.5 2.6B Base: текст на входе, текст на выходе.

• Цена — Glimpse: $0,60 / $3,00 за миллион токенов, по данным поставщика. LFM2.5 2.6B Base: ничего за вызов; оборудование предоставляете вы.

• Опубликованный размер — не раскрыт для Glimpse, что необычно для хостинговой модели и само по себе является раскрытием. 2,69 млрд плотных параметров для LFM2.5 2.6B Base, каждый вес виден в репозитории.

• Поведение из коробки — Glimpse отвечает на вопросы о том, что он просмотрел. LFM2.5 2.6B Base продолжает ваш текст, потому что именно это даёт предобучение.

• Лицензия — Glimpse — это хостируемая предварительная версия на условиях Elorian. LFM Open License v1.0: бесплатно при годовой выручке ниже $10 млн, а при достижении или превышении этого порога требуется отдельная лицензия.

Почему только у одного из них есть карточка результатов?

Вот это — та часть, которая читается наоборот. Модель без весов, без раскрытого размера и без независимой оценки публикует таблицу бенчмарков из двенадцати строк против GPT-6 Astra. Модель, у которой опубликованы все веса и полностью задокументирована архитектура, не публикует ничего.

Оба пропуска рациональны, и они означают противоположные вещи, поэтому их стоит разделить.

Таблица Glimpse составлена по данным вендора и не воспроизведена — это собственные цифры Elorian, против выбранных ею самой конкурентов, полученные при максимальном уровне мыслительных усилий модели с её нативным агентным каркасом, со сноской, раскрывающей, что несколько конкурентов запускались ниже их максимального уровня усилий и что строка HSS смешивает приведённые в статьях показатели других лабораторий. Если читать это как заявление о направлении, оно информативно; если читать как оценку — это пока не доказательство, потому что никто за пределами компании её не воспроизводил. И таблица наиболее полезна там, где она нелицеприятна: Glimpse набирает 46,36 по Humanity's Sixth Sense против 53,6 у Astra — на бенчмарке, который Elorian сама создала вместе с Scale AI. Перемотка даёт восприятие — счёт, чтение графиков, отслеживание объекта в движении — и не даёт вывода о том, что подразумевает сцена.

У LFM2.5 2.6B Base пустое место — иного рода. Оценивать нечего. У базового чекпоинта нет поведения; у него есть распределение. Liquid AI вместо этого тестирует прошедшего постобучение собрата по семейству — это правильное инженерное решение, которое ровно ничего не говорит о том, подойдёт ли субстрат для вашей задачи.

Эта асимметрия имеет практическое следствие. Для Glimpse вопрос оценки звучит так: «переживёт ли заявление вендора мой клип?». Для LFM2.5 2.6B Base вопрос оценки звучит так: «смогу ли я обучить это так, чтобы оно работало» — и на второй вопрос уже сегодня можете ответить вы, ценой одной загрузки. Сборка на 1,67 ГБ помещается на ноутбук; работа — это цикл обучения.

Единицы не конвертируются, поэтому преобразуйте их вручную.

Цену за токен и бесплатную загрузку нельзя сравнивать напрямую — именно на этом большинство сравнений такого рода тихо жульничают. Честный способ — выбрать задачу и оценить стоимость обоих путей.

Возьмите узкую, высокообъёмную задачу, с которой небольшая дообученная модель действительно хорошо справляется: чтение документа фиксированного типа и выдача структурированного JSON, 50 миллионов токенов в месяц, примерно половина на вход и половина на выход. В Glimpse это около $90 в месяц — $15 за вход по $0,60 за миллион, $75 за выход по $3,00 — плюс инженерное время на составление промптов и валидацию. В LFM2.5 2.6B Base инференс бесплатен, и все расходы смещаются в начало: сбор нескольких тысяч размеченных примеров, один запуск обучения на вашей собственной видеокарте, набор для оценки и повторный запуск каждый раз, когда меняется формат документа.

Из этой арифметики вытекают две вещи, которые легко упустить.

Первое: дообучение выигрывает по стоимости только выше определённого порога объёма, и этот порог определяется тем, сколько инженерных усилий способна осилить ваша команда, а не тем, что публикует Liquid AI. У команды без ресурсов для обучения точки безубыточности на этой стороне сравнения вообще нет, а это реальный и часто решающий факт.

Второе: собственные заявления Glimpse о ценах нацелены совсем на другое. Elorian подаёт $0.60/$3.00 как на 94% ниже GPT-6 Astra при $10/$50 и на 85% ниже Claude Opus 5.5 при $4/$20. На фоне передовых флагманов Glimpse дёшев. На фоне малых моделей — вашего собственного чекпоинта на 2.6B или массового сегмента вроде Qwen3.8-Flash от Alibaba по $0.15/$0.47 — он оказывается дорогой стороной сравнения, а статья рядом с этой о Qwen 3.8 разбирает это с реальными тарифами. Заявление вендора о скидке всегда относительно набора для сравнения, который выбрал вендор.

Как вы на самом деле запустили бы тест

Приведённое выше сравнение чего-то стоит только в том случае, если его дёшево запускать, а практическое препятствие в том, что две стороны существуют в разных системах: хостируемая конечная точка с одним ключом и цикл обучения, на выходе которого получается модель, которую нужно где-то обслуживать. Превращение этого в A/B-тест на вашей собственной рабочей нагрузке — вот где слой маршрутизации оправдывает своё место, и аргумент не меняется, сравниваете ли вы дообученную модель с API или два API между собой.

OrcaRouter ставит текстовый эндпоинт и все опубликованные модели рядом за одним ключом — более 200 моделей, цена провайдера по прайс-листу передаётся без каких-либо наценок за токен, один счёт и автоматическое переключение при сбое, чтобы неудачный день у провайдера не стал неудачным днём вашей оценки. Ни Glimpse, ни LFM2.5 2.6B Base нет в этом каталоге, и никакого варианта LFM2.5 там нет: Glimpse поставляется из собственного API и чат-интерфейса Elorian, а чекпоинт Liquid — от Liquid AI, и то и другое вы получаете напрямую. Что меняет слой маршрутизации — это контрольная группа. Когда вопрос звучит как «мой файнтюн действительно лучше, чем просто вызвать что-то?», вы хотите, чтобы это «что-то» было изменением конфигурации, а не циклом закупки, потому что эксперимент, который можно провести сегодня днём, — единственный, который даёт число.

Куда тонкая настройка не приведёт — при любом размере.

Это та часть сравнения, которая не сводится к вопросу о затратах, и именно поэтому эти двое не являются взаимозаменяемыми ни в одном из направлений.

Возможность Glimpse носит временной и визуальный характер. Сохранение идентичности объекта при склейке, событие внутри субсекундного окна, счёт, который меняется, когда что-то перекрывает обзор, — именно на них напрямую нацелен механизм перемотки, а трассировки показывают, действительно ли модель повторно просканировала тот интервал, который имел значение. Сколько ни дообучай текстовый чекпоинт на 2.69B, такого поведения не получить, потому что у этого субстрата нет видеовхода и нет механизма, позволяющего потратить дополнительные вычисления на конкретный интервал после первого прохода. Невозможно дообучением прийти к архитектуре, которую вы не построили.

Обратное утверждение столь же верно. Хостинговый предпросмотр, у которого число параметров, размер контекстного окна и базовая модель не раскрыты, — это не то, что можно поставлять в составе регулируемого продукта, запускать в изолированной среде или гарантировать его доступность. А тарифная сетка исследовательского предпросмотра может меняться в любой момент — это нормально для пробного использования и неудобно для модели затрат.

Итак, честный вывод не в том, что один лучше. Он в том, что команде с текстовой задачей и датасетом стоит смотреть на чекпойнт, команде с временным визуальным вопросом — на превью, а команде, у которой нет ни того, ни другого, пока нет причин их сравнивать.

Три условия и что каждое из них подразумевает

Если ваша задача узкая, чисто текстовая, и у вас есть — или вы можете купить — несколько тысяч размеченных примеров, LFM2.5 2.6B Base — более ценный объект, потому что в итоге вы владеете артефактом и платите за электричество, а не за токены. Сначала скачайте сборку на 1.67 GB и убедитесь, что эта штука запускается на вашем железе, прежде чем что-либо планировать вокруг неё. Этот шаг займёт полдня.

Если ваш режим отказа связан со временем — модель посмотрела, но не посмотрела достаточно внимательно — Glimpse — первая хостируемая модель, чей заявленный механизм нацелен непосредственно на это, а бесплатная регистрация делает проверку малозатратной. Прогоните свой собственный клип, затем прочитайте черновое пространство: если она ни разу не пересканировала интервал, который определил ответ, вы узнали кое-что о своём пайплайне, а не только о модели.

Если вы ещё не знаете, к какому из этих двух случаев относитесь, порядок действий уже определён: сначала запустите размещённую модель, потому что она ответит за один день на то, на что проект тонкой настройки ответит через месяц. Субстрат остаётся доступным. В следующем квартале он всё ещё будет загружаться объёмом 1,67 ГБ, и единственное, что вы потратите, — это время, которое иначе ушло бы на сбор набора данных для задачи, которую мог бы покрыть вызов API.

Ничего из этого не гипотетично: 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, класс уверенности и флаг оспаривания.