Glimpse vs Intern Decision 4B: Vilken av dessa två svarar faktiskt på din fråga?

De två modellerna i den här jämförelsen delar en modalitet och nästan inget annat. E​lorian G​limpse, som släpptes den 16 oktober 2026, är en förhandsversion för visuellt resonemang som kan återvända till ett fönster inuti en video som den redan har sett — i den publicerade spårningen återskannades nio tiondels sekund vid omkring 14 bilder per sekund efter en första genomgång vid ungefär 8 — och skriver sedan ett svar i prosa. Intern-Decision-4B, som laddades upp av I​nternLM-teamet vid Shanghai AI Laboratory den 26 september 2026 utan något som helst tillkännagivande, skriver ingenting. Den tar ett delat tillstånd, ett schema med namngivna frågor och eventuellt några bilder, och returnerar en kalibrerad sannolikhetsfördelning över dessa namngivna svar i en enda framåtpassning. Den anropar aldrig generate(). Det finns ingen tankekedja, ingen mening, ingen token-för-token-utdata av något slag.

Vilket innebär att den första frågan i den här jämförelsen inte är vilken modell som är bättre. Det är huruvida ditt problem är ett läsproblem eller ett beslutsproblem, och de flesta team upptäcker att de har behandlat ett beslutsproblem som ett läsproblem eftersom läsning var det enda tillgängliga instrumentet.

En modell som returnerar ett tal i stället för ett stycke

Intern-Decision-familjen anlände tyst på morgonen den 26 september 2026 – tre storlekar, 0,8B, 2B och 4B, uppladdade inom fyrtio sekunder från varandra, vilket är kännetecknet för ett skript snarare än en releaseprocess. Det fanns inget blogginlägg, ingen modellkortsessä, ingen lanseringstråd. Demo-Space returnerade 401 när detta skrevs, samlingen returnerade 401, GitHub-organisationen returnerade 404, och den största medlemmen i familjen hade samlat noll nedladdningar och en like. Allt nedan är avläst från den släppta konfigurationen och repositoryt snarare än från en leverantör som berättar vad den gör.

Vad konfigurationen säger är specifikt. Intern-Decision-4B är en finjustering av Q​wen 3.5 4B med 4,54 miljarder parametrar, och dess gränssnitt är en beslutsfattningsmotor snarare än en chattkomplettering. Du skickar in ett delat tillstånd – kontexten som alla frågor delar – plus ett schema som namnger en uppsättning frågor, plus upp till åtta bilder. Den returnerar en fördelning över en fast vokabulär av symboler med en enda token: A till Z, a till z och 0 till 9. Sextiotvå symboler, vilket är precis varför maxantalet alternativ är sextiotvå, och inte ett designval som någon kom fram till genom att tänka på hur många svar en människa vill ha. Tre frågetyper stöds: ett val mellan namngivna alternativ, en poäng på en skala och ett beslut av ja/nej-typ.

Det är hela produkten. Värdet ligger inte i noggrannhet i abstrakt mening. Det är att utdata är en sannolikhet som du kan sätta ett tröskelvärde på och granska i efterhand, deterministiskt framställd i en enda framåtpassning, i stället för ett stycke vars konfidens du måste sluta dig till utifrån tonen.

Gränssnittet är den verkliga skillnaden

• Vad som matas in — G​limpse tar video och bilder och en fråga i naturligt språk. Intern-Decision-4B tar ett delat tillstånd, ett schema med explicit namngivna frågor och upp till åtta bilder.

• Vad som kommer ut — G​limpse returnerar prosa plus ett spår av var i klippet den tittade. Intern-Decision-4B returnerar en fördelning över upp till 62 symboler, vilket är ett tal per alternativ och inget annat.

• Utdatakostnad — en framåtpassering mot en tokenström. G​limpse debiterar 3,00 USD per miljon utdatatoken och dess mekanism lägger medvetet extra token på att titta igen, så spåret är kvittot. Intern-Decision-4B producerar en fast handfull logits per begäran, vilket gör utdatakostnaden nästan konstant i stället för proportionell mot hur svår frågan är.

• Storlek — 4,54 miljarder parametrar, publicerad, nedladdningsbar. Opublicerad för Glimpse, som endast uppger att den är "avsevärt mindre och billigare" än frontier-modellerna i sin egen benchmark-tabell.

• Vikter — öppna för alla medlemmar i Intern-Decision-familjen. Inga för G​limpse, som endast finns bakom E​lorian's API och chattgränssnitt.

• Oberoende — de två är jämbördiga här, och lika svaga. Glimpses benchmarkrader är Elorians egna, oreproducerade, körda vid dess högsta tankeansträngning mot rivaler som utvärderats på lägre nivå än deras. Intern-Decision-4B har ingen publicerad utvärdering av något slag som den här artikeln har kunnat hitta; siffrorna i dess konfiguration är uppmärksamhetsgeometri, inte noggrannhet.

Gränsen som gömmer sig i tokeniseraren

Här är siffran som avgör om Intern-Decision-4B är användbar för ett givet jobb, och den står inte i någon rubrik.

Det underliggande Qwen 3.5 4B-tornet deklarerar en maximal positionsinbäddning på 262 144 token. Beslutsmodulen som omsluter det är konstruerad med max_length=8192, och indata över den gränsen avvisas direkt i stället för att trunkeras. I sig är det ett försvarbart ingenjörsval – tyst trunkering förvandlar en lång kontext till ett felaktigt svar utan felmeddelande. Men de åtta bilderna räknas mot samma budget på 8 192. I ett arbetsflöde som ger modellen en uppsättning skärmbilder plus ett delat tillstånd som beskriver ett ärende, nås det praktiska taket mycket tidigare än 262 144 antyder, och felet är ett hårt avvisande snarare än ett försämrat svar.

Den som planerar att använda Intern-Decision-4B för dokumentgranskning bör testa den gränsen innan man designar utifrån den. Demo-Spacen, samlingen och repositoriet var alla otillgängliga när detta skrevs, så det enda sättet att fastställa den verkliga övre gränsen är att konstruera indata och se var motorn avvisar dem.

Glimpse har det spegelvända problemet på samma ställe. Dess kontextfönster har aldrig publicerats, och modellens främsta förmåga är att läsa video. Ett intervall på 0,9 sekunder får plats i vilket fönster som helst. Ett två timmar långt klipp gör det inte, och ingen publicerad siffra säger var gränsen går. I båda fallen beskrivs resonemangsförmågan och behållaren som den måste rymmas inuti är den del som lämnas åt gissningar — ett sammanträffande av utelämnanden snarare än ett sammanträffande av design.

Vad var och en är genuint bättre på

Det konkreta argumentet för Glimpse är tidsupplösning. Sampling enligt fast schema tappar allt som hamnar mellan två samplade bildrutor, vilket är anledningen till att pan-or-cut, objektidentitet över en ocklusion och subsekundshändelser är svåra frågor snarare än lätta. Fler parametrar vid åtta bildrutor per sekund återskapar inte den saknade informationen; det gör däremot att lägga extra beräkningskraft på ett intervall efter att hela klippet har setts. Elorians spår visar att modellen gör exakt detta, och det visuella skissutrymmet gör beslutet granskningsbart i efterhand – du kan se om den någonsin gick tillbaka till intervallet som avgjorde svaret.

Det konkreta argumentet för Intern-Decision-4B är att det helt tar bort parsningssteget från en klassificeringspipeline. Tänk dig ett underwriting- eller triageflöde som för närvarande anropar en stor modell med en prompt som ber den svara med en av fem etiketter, sedan parsar svaret, sedan försöker igen när modellen svarar med en mening i stället för en etikett, sedan behandlar "troligen ja" som om det vore ett ja. Intern-Decision-4B reducerar det till en enda framåtpassning som returnerar fem sannolikheter. Ingen parser, ingen återförsöksloop, ingen tvetydighet om vad modellen menade. Om tröskelvärdet för den tredje etiketten är 0,7 är det ett tal i din kod snarare än en heuristik i din prompt.

Argumentet för ingen av dem är också värt att framföra. Om det du behöver är ett stycke som förklarar vad som händer i en scen kan Intern-Decision-4B inte producera det — den har ingen genereringsväg alls. Om det du behöver är ett tröskelbeslut om det semantiska innehållet i en bild är G​limpse ett dyrt sätt att få en siffra som du hade kunnat få billigare, och leverantörens egen benchmarktabell är ett bevis för att tillbakaspolning av mediet inte förbättrar inferensen om vad en scen implicerar: i E​lorians utvärdering Humanity's Sixth Sense får G​limpse 46,36 mot GPT-6 Astras 53,6, i en benchmark som E​lorian byggde tillsammans med Scale AI.

Att sätta endera bakom en produktionsväg

Routningsfrågan här handlar inte om pris, eftersom de två modellerna inte är prissubstitut – den ena faktureras per token, den andra är en fast framåtpassning, och ingen av dem finns i vår katalog. Det handlar om vad som står framför en modell vars felmod är en hård avvisning.

Intern-Decision-4B avvisar indata som ligger över dess motorgräns. En pipeline som saknar fallback för ett sådant avvisande tappar förfrågningar. OrcaRouters svar på den typen av problem är automatisk failover: en nyckel framför fler än 200 modeller, med ett routing-DSL som avgör vilken förfrågan som går vart, så att en förfrågan som beslutsmotorn avvisar kan skickas till en generativ modell som läser samma indata och skriver svaret i prosa. Leverantörens listpris förs vidare utan att något läggs på per token, så den sekundära vägen kostar exakt vad dess egen leverantör tar och ändras samma dag som den leverantören ändrar sitt pris. Samma lager gör en obeprövad förhandsversion testbar utan att befordra den: lägg Glimpse på en skuggroute, jämför dess utlåtanden mot en modell du redan litar på, och befordra den först när spårningarna visar att den går tillbaka till de intervall som spelar roll. Vi driftar ingen av modellerna — Elorians eget API är där Glimpse bor, och Intern-Decision-4B är en nedladdning — så routing-lagret arbetar med pipelinens form, inte med tillgängligheten hos dessa två.

Vad skulle ändra svaret

För G​limpse, tre saker: en oberoende testrigg som reproducerar en rad i E​lorians tabell, ett publicerat kontextfönster och något avslöjande av basmodellen som företaget eftertränat på. Alla tre är för närvarande tomma.

När det gäller Intern-Decision-4B, två saker. Dokumentationen skulle vara det första – tre modelluppladdningar på fyrtio sekunder med ett otillgängligt Space, en otillgänglig samling och ett 404-repositorium är inte en release, det är en ögonblicksbild som har rymt. En beslutsmotor utan publicerade noggrannhetssiffror kan inte kalibreras mot någonting, och en modell som returnerar sannolikheter är värd exakt lika mycket som det förtroende du kan ha för dem. En höjd motorgräns eller ärlig vägledning om bildbudgeten skulle vara det andra, eftersom ett tak på 8 192 tokens som tyst inkluderar upp till åtta bilder är en specifikationsöverraskning som väntar på att inträffa i produktion.

Tills de anländer är uppdelningen tydlig och har inget att göra med vilken modell som är större. Om ditt jobb är att titta på videomaterial och berätta för en person vad som hände, med intervallet som avgjorde svaret synligt i spåret, är G​limpse den enda av de två som kan göra det, och den kostnadsfria registreringen gör testet billigt. Om ditt jobb är att klassificera, poängsätta eller fatta beslut bland namngivna alternativ och du behöver ett kalibrerat tal per alternativ i stället för en mening om dem, byggdes Intern-Decision-4B för just detta och inget annat – acceptera att det är odokumenterat, testa 8 192-token-gränsen tidigt, och förvänta dig inte att det förklarar sig självt, eftersom det inte har någon mekanism för att göra det.

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.