Glimpse vs Granite 4.2 3B: Den ena avslöjar allt, den andra avslöjar ett beteende

Lägg de två specifikationsbladen sida vid sida och jämförelsen ser sned ut i en ovanlig riktning. G​ranite 4.2 3B, släppt av IBM den 25 augusti 2026 under Apache 2.0, kommer med ett modellkort som anger antalet lager, geometrin för attentionhuvuden, RoPE-bas, normaliserings-epsilon, aktiveringsfunktion, embedding-tying, dold dimension, rekommenderad samplingstemperatur och varje benchmark-rad som teamet valde att publicera. E​lorian G​limpse, släppt den 16 oktober 2026, kommer med ett 0,9 sekunder långt videospår. Den har inget publicerat parameterantal, inget kontextfönster, ingen namngiven basmodell och ingen arkitekturbeskrivning. En av dessa berättar allt utom vad den är till för; den andra berättar exakt vad den är till för och ingenting om vad den är.

Det är den verkliga axeln i den här jämförelsen, och det är inte den axel som de två lanseringarna bjuder in till. G​ranite 4.2 3B är en självhostbar resonemangsmodell med en specifikation du kan granska innan du laddar ner den. G​limpse är en hostad forskningsförhandsvisning vars hela publicerade förmåga är ett beteende – att återvända till ett ögonblick i ett klipp som den redan har sett, skanna om det med tätare bildfrekvens och svara utifrån vad den hittar där. Ingen av dem finns i vår katalog, och det spelar mindre roll här än vanligt, eftersom beslutet mellan dem inte i första hand är ett routingbeslut.

Två releaser, två motsatta strategier för informationsutlämnande

IBMs Granite 4.2-serie är täta resonemangsmodeller i tre storlekar — 3B, 8B och 30B — och 3B är den minsta av de tre. Den är eftertränad från Granite-4.1-3B-Base genom vad modellkortet beskriver som en trestegspipeline, och den behåller familjens nativa fönster på 128 000 token med en dokumenterad utökningsväg till 512 000. Tolv språk listas som testade. Modellkortet redovisar hela arkitekturen: 40 lager, en inbäddningsbredd på 2 560, ett SwiGLU-feed-forward med dold bredd 8 192, group-query-attention över 40 query-huvuden och 8 key-value-huvuden med huvudstorlek 64, en RoPE-bas på 10 miljoner, RMSNorm vid epsilon 1e-5, obundna inbäddningar, bfloat16-vikter och en serving-klass av GraniteForCausalLM. Rekommenderad sampling är temperatur 1,0 med top-p 0,95.

E​lorians G​limpse-inlägg publicerar inget av det. Vad det i stället publicerar är en mekanism. I de genomarbetade spårningarna som släppts med modellen gör G​limpse en första genomgång av ett klipp med ungefär 8 bilder per sekund, bildar en preliminär tolkning och återvänder sedan till nio tiondels sekund av det klippet vid omkring 14 bilder per sekund för att avgöra en fråga som den första genomgången inte kunde — i det publicerade exemplet, huruvida kameran panorerade eller klippte. En andra spårning följer en fönsterkant från omkring 2,2 sekunder in tills den nästan stannar vid 5,13 sekunder. Företaget kallar visningsytan för det visuella scratch-utrymmet och säger att modellen har tränats end-to-end för att använda multimodala verktyg och skapa subagenter som utbyter text, bilder och interna representationer.

Båda dessa är legitima utgivningsstrategier, och de misslyckas på motsatta sätt. Ett kort som publicerar allt kan fortfarande ha fel om vad modellen är bra på. Ett inlägg som publicerar en mekanism kan fortfarande beskriva en demo.

Den publicerade specifikationen, dimension för dimension

• Parametrar — G​ranite 4.2 3B är en tät modell med 3 miljarder parametrar, ungefär 4B i bfloat16 när inbäddningstabellen räknas med. G​limpses parameterantal har aldrig publicerats av E​lorian; den enda storleksangivelsen i lanseringsinlägget är ett påstående om att vara "en avsevärt mindre och billigare modell" än de frontier-system som den benchmarkar mot.

• Kontextfönster — 128 000 inbyggda tokens för G​ranite 4.2 3B, med en dokumenterad väg till 512 000. Inte publicerat för G​limpse, vilket är den enskilt mest betydelsefulla tomma rutan i tabellen med tanke på att dess främsta kapacitet är att läsa video.

• Vikter — Apache 2.0 på Hugging Face för G​ranite 4.2 3B: ladda ner den, kör den på din egen hårdvara, finjustera den, släpp den. Inga för G​limpse. Det är ett API och ett chattgränssnitt med gratis registrering, och inget i inlägget tyder på att vikter är på väg.

• Hostad tillgänglighet — I​BM publicerade inget eget hostat API för 3B vid lanseringen; kortet är själva leveransen. G​limpse är det omvända: endast hostad, ingen artefakt att behålla.

• Pris — $0.60 per miljon indatatokens och $3.00 per miljon utdatatokens för G​limpse. För G​ranite 4.2 3B finns det ingen prislista alls, eftersom kostnaden är elen och hårdvaran du redan äger.

• Oberoende utvärdering — ingen av dem har någon att tala om. Granite 4.2 3B:s siffror är IBMs egna; Glimpses är Elorians egna. I just denna dimension är de två utgåvorna identiskt overifierade, vilket är värt att säga rakt ut innan någon behandlar en av dem som den pålitliga halvan. p>img src="3.png" alt="En resultattavla med rubriken 'Glimpse vs Granite 4.2 3B — öppenhetsgapet' och underrubriken 'Sex dimensioner, båda sidor, samma etiketter'. Två kolumner delar samma sex radetiketter. Den vänstra kolumnen, med rubriken 'Elorian Glimpse', visar 'Parametrar: ej publicerade', 'Kontext: ej publicerad', 'Vikter: inga; endast API och chatt', 'Basmodell: ej namngiven; beskrivs endast som öppna vikter', 'Publicerad artefakt: ett lanseringsinlägg med genomräknade spår', 'Verifierbar på din hårdvara: nej'. Den högra kolumnen, med rubriken 'Granite 4.2 3B', visar 'Parametrar: tät 3B, cirka 4B i bfloat16', 'Kontext: 128 000 inbyggt, 512 000 med förlängning', 'Vikter: Apache 2.0 på Hugging Face', 'Basmodell: Granite-4.1-3B-Base, namngiven', 'Publicerad artefakt: fullständigt modellkort, arkitektur, standardvärden för sampling', 'Verifierbar på din hårdvara: ja'. En sidfotstext lyder 'Glimpses siffror är leverantörsrapporterade och ej reproducerade. Granite 4.2 3B:s siffror enligt IBM:s publicerade modellkort; agentiska benchmarks publicerades inte för 3B.' OrcaRouter-logotypen sitter i nedre högra hörnet." />

Varför är dessa två inte substitut?

Frestelsen ligger i att ställa en modell med 3 miljarder parametrar mot en förhandsvisning av okänd storlek som David mot Goliat, och ett sådant perspektiv är fel åt båda hållen.

Granite 4.2 3B är en resonerande och instruktionsföljande modell. Dess publicerade utvärderingsresultat är AIME 2025 på 78,33, HMMT februari 2025 på 66,67, GPQA på 54,80, LiveCodeBench v6 på 69,71, MMLU-Pro på 67,84, IFBench på 74,33, BFCL v4 på 52,41 och RULER på 67,52 för 64K indata, vilket sjunker till 55,30 vid 128K. Notera vad som saknas i den listan: det finns ingen rad för SWE-Bench och ingen rad för Terminal-Bench vid 3B, trots att familjens större medlemmar har en agentisk förstärkningsinlärningsfas. IBM avstod från att publicera agentiska kodningssiffror för den minsta syskonmodellen i stället för att uppskatta dem, och ärligheten är mer informativ än en utfylld rad skulle ha varit.

Glimpse konkurrerar inte på någon av dessa axlar. Elorians egen jämförelsetabell placerar den före GPT-6 Astra på WGO Bench (42,70 mot 39,42), CharXiv-R (92,90 mot 92,10), UGC-VideoCap (82,66 mot 80,32) och FSC-147 (83,36 mot 82,02), och efter på BabyVision (95,36 mot 97,68), DREAM-1K (76,04 mot 79,05), TOMATO (93,60 mot 96,02), Video-MME v2 (56,68 mot 64,06), CountQA (82,66 mot 86,42) och Humanity's Sixth Sense (46,36 mot 53,6). Var och en av dessa rader är leverantörsrapporterad, inte reproducerad, körd vid Glimpses högsta tankeinsats med dess inbyggda agentramverk, med en fotnot som avslöjar att flera konkurrenter utvärderades under sina maxvärden. Granite 4.2 3B har aldrig körts på någon av dem.

Så den ärliga bilden är att det inte finns någon gemensam resultattavla, eftersom det inte finns någon gemensam uppgift. En 3B-textmodell kan inte skanna om ett videointervall, och en förhandsvisning av videotillbakaspolning kan inte laddas ner till en bärbar dator.

Där storleksargumentet verkar i motsatt riktning

Det starkaste argumentet för Granite 4.2 3B i den här jämförelsen är inte prestanda. Det är att 3 miljarder täta parametrar utgör en verklig driftsättningsprofil. Vid 4B bfloat16 ryms vikterna i några gigabyte, vilket innebär att ett kvantiserat bygge körs på en enda konsumentaccelerator eller, vid låg precision, på en nyare bärbar dator. Tolv testade språk räcker för en europeisk eller indisk driftsättning där en supportväg för tolv språk är ett hårt krav snarare än en trevlig bonus. Apache 2.0 tar bort licensdiskussionen helt och hållet. Och 128K-fönstret med en 512K-förlängning är dokumenterat, vilket innebär att kapacitetsplanering mot det är aritmetik snarare än gissningar.

Det starkaste argumentet för Glimpse är det som inte har någon motsvarighet i små modeller: frågorna som sampling med fast schema inte kan besvara. Huruvida en kamera panorerade eller klippte. Huruvida objektet i bildrutan vid sekund 12 är samma objekt som lämnade bildrutan vid sekund 4. Vad som hände under halvsekunden kring en händelse. De är inte svåra för att de kräver en stor modell. De är svåra för att informationen aldrig samplades, och fler parametrar vid 8 bilder per sekund återställer den inte. Att lägga extra beräkningskraft på ett intervall efter att hela klippet har setts är ett genuint annorlunda svar, och ingen mängd öppna vikter i ett 3B-paket kan ersätta det.

Det enda stället dit en hostad förhandsvisning inte kan följa med

Det finns en compliance-formad anledning att bry sig om asymmetrin, och den har ingenting att göra med någon av modellernas kvalitet.

Granite 4.2 3B:s leverans är en fil. Om videon, dokumentet eller kundposten inte kan lämna din infrastruktur – och i de flesta reglerade driftsättningar kan det inte – så körs modellen där data finns, och hela frågan om leverantörens tillgänglighet, hastighetsbegränsningar, region och bevarande försvinner. Glimpse har inget sådant alternativ. Dess kapacitet finns bara bakom Elorians slutpunkt, vilket innebär att filmmaterialet skickas till Elorian, och inget publicerat dokument säger något annat.

Det är där ett routningslager är värt en mening, och där det inte är det. OrcaRouter ger dig en nyckel framför över 200 modeller med leverantörens listpris som förs vidare och inget påslag per token, så en arbetsbelastning kan blanda en självhostad G​ranite 4.2 3B på din egen hårdvara med hostade modeller i samma kodväg, och automatisk failover håller en rutt vid liv när en av dem fallerar. Ett routing-DSL avgör vilken modell som ser vilken begäran utan en omskrivning i applikationen. Vad den inte gör är att ändra frågan om innehav: ett routningslager flyttar begäranden mellan slutpunkter, och om en slutpunkt inte finns i din byggnad kan routningen inte placera den där. Varken G​ranite 4.2 3B eller G​limpse finns i vår katalog idag — G​ranite 4.2 3B är en nedladdning och G​limpse är E​lorians eget API — så detta är ett uttalande om hur vi routar och prissätter, inte ett anspråk på att betjäna någon av dem.

Att läsa båda benchmark-arken med samma misstänksamhet

Två vanor värda att ta med in i båda utgåvorna, eftersom ingen av dem undkommer dem.

För det första är en leverantörs benchmarktabell ett urval, inte en mätning. Elorians tabell är ovanlig genom att den publicerar rader där dess egen modell förlorar – det är en trovärdighetssignal, och det är fortfarande en tabell som leverantören har sammanställt, på uppgifter som leverantören valde, vid konfigurationer som leverantören ställde in. IBMs Granite-kort är smalare och mer konventionellt: standardakademiska benchmarks, publicerade vid en angiven konfiguration, där de agentiska raderna helt enkelt saknas vid 3B i stället för att ersättas med något smickrande.

Det andra är att det saknade numret vanligtvis är det bärande. För G​ranite 4.2 3B finns det avgörande numret inte på kortet över huvud taget: ingen utanför I​BM har publicerat genomströmning eller noggrannhet på verkliga uppgifter för 3B vid 128K kontext, och RULER:s nedgång från 67,52 till 55,30 mellan 64K och 128K är en varning om att fönstret försämras långt innan det tar slut. För G​limpse är det bärande saknade numret kontextfönstret, eftersom en funktion för videoresonemang vars fönster inte kan rymma det videomaterial som ett verkligt arbetsflöde ger den är en demonstration snarare än ett verktyg.

Vad skulle avgöra detta, och vad ska man göra under tiden?

Tre händelser skulle förändra denna jämförelse, och ingen av dem har inträffat.

Ett oberoende testramverk som reproducerar endera uppsättningen siffror skulle vara det första. E​lorians G​limpse-tabell och I​BM:s G​ranite 4.2 3B-kort är båda självrapporterade, på olika uppgifter, och de två utgåvorna är identiska i exakt en dimension: avsaknaden av extern verifiering.

Att G​limpse offentliggjorde sitt kontextfönster, sitt parameterantal eller sin basmodell skulle vara det andra. Varje siffra som för närvarande cirkulerar om G​limpses storlek är en uppskattning snarare än ett avslöjande, och att behandla en uppskattning som en specifikation är hur en kapacitetsplan går fel.

Att Granite 4.2 3B får en agentisk RL-fas, eller en hostad endpoint från första part, skulle vara den tredje. Endera skulle ändra vilket spår 3B ligger i.

Fram till dess är beslutsregeln kort. Om arbetet är text, om det måste köras på hårdvara du kontrollerar, om licensen måste vara Apache 2.0, eller om data inte får korsa en nätverksgräns, är G​ranite 4.2 3B svaret och frågan om G​limpse uppstår aldrig — ladda ner det, kör din egen utvärdering och betrakta kortets saknade agentiska rader som en gräns snarare än en lucka. Om arbetet är video och felmoden är temporal snarare än semantisk, är G​limpse den enda av de två vars angivna mekanism syftar på det, den kostnadsfria registreringen gör provperioden billig, och spåret i sig är testet: kör ett klipp, läs det visuella skissutrymmet och kontrollera om modellen någonsin gick tillbaka till intervallet som avgjorde svaret. Båda två är för närvarande overifierade. Endast en av dem kan verifieras på din egen hårdvara.

De dokumenterade AI-felen och agentincidenterna bakom släpp som detta samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omstridd flagga.