Glimpse vs MiniCPM5 2B: Sju veckor av pappersspår och nio tiondels sekund

MiniCPM5-2B och E​lorian G​limpse är båda små modeller som påstås slå saker som är mycket större än de själva, och de framför påståendet i motsatta valutor. MiniCPM5-2B, som visades av ModelBest och OpenBMB på WAIC den 19 juli 2026 och slutligen fick vikter den 6 september 2026, kommer med ett modellkort som i genomsnitt uppvisar 53,9 över sin egen testuppsättning mot större öppna modeller som toppar på 51,1. Glimpse, släppt den 16 oktober 2026, kommer med ett fönster på 0,9 sekunder — en första genomgång vid ungefär 8 bildrutor per sekund, sedan en omskanning på nio tiondels sekund vid omkring 14 bildrutor per sekund — och en uppsättning benchmark-rader som är tillverkarens egna, icke reproducerade och noterbart blandade. En av dessa har sju veckors offentligt pappersspår bakom sig och en nedladdningsbar artefakt. Den andra har en mekanism och nästan inga siffror.

Jämförelsen är egentligen inte två versioner av samma sak, eftersom MiniCPM5-2B är en allmän resonemangsmodell som också läser bilder, medan G​limpse är en hostad förhandsvisning för visuellt resonemang som nästan inte gör något annat. Anledningen att läsa dem tillsammans är att båda är argument om vad små modeller kan göra – och de två argumenten brister på olika, lärorika sätt.

Väntan, och vad väntan frambringade

Tidslinjen för MiniCPM5-2B är värd att rekonstruera, eftersom det är den del av historien som en sökning efter releasedatum skulle missa.

Modellen presenterades den 19 juli 2026 på World Artificial Intelligence Conference, där den mest framträdande förmågan var ett kontextfönster på 512 000 tokens. Vikterna dök inte upp förrän den 6 september, med en ändringslogg som följde den 7 september. Mellan dessa två datum existerade modellen som en demonstration och en uppsättning siffror.

Det som levererades är inte det som annonserades, och gapet går att kontrollera. Den släppta konfigurationen sätter max_position_embeddings till 131 072 utan något rope_scaling-block, vilket är 131 072 tokens – en fjärdedel av WAIC-siffran. Det är inte så mycket oärlighet som den vanliga skillnaden mellan vad ett forskningsteam visar på scen och vad ett ingenjörsteam är berett att godkänna i en konfigfil, men det är siffran som spelar roll, eftersom det är den som din driftsättning ärver.

Det som levererades är ovanligt komplett för en modell i den här storleksklassen. Vid sidan av den slutliga BF16-checkpointen – RL plus OPD sammanslagna – finns SFT-, midtrain- och basstadier publicerade separat, GGUF-, MLX- och GPTQ-byggen för lokala körmiljöer, en DSpark-draftmodell för spekulativ avkodning, och själva träningskorpusarna släppta som UltraData-familjen. Support från dag ett på nio chipset kom via FlagOS, och modellkortet framhåller särskilt att implementeringen inte använder några anpassade kärnor och ingen fork av modellkoden. Den sista detaljen är den som gör resten trovärdig: en modell som körs på standardverktyg är en modell som körs där du är, inte bara där författarnas kluster är.

G​limpses tidslinje är komprimerad i jämförelse och dess pappersspår är tunnare. Lanserad den 16 oktober 2026, en dag före den här artikeln, som en forskningsförhandsvisning tillgänglig via E​lorians API och chattgränssnitt med en gratis registrering. Inga vikter, ingen publicering av basmodellen som den eftertränades på, ingen artefakt av något slag. Företaget kom ut ur stealth i april 2026 med Andrew Dai, en tidigare G​oogle-forskare, i spetsen, med 55 miljoner dollar från Striker Ventures, Menlo Ventures och Altimeter samt deltagande från N​VIDIA, 49 Palms och Jeff Dean. Modellen är det första den har släppt.

Siffrorna, och vad varje uppsättning omfattar

• Parametrar — MiniCPM5-2B har totalt 2 516 756 480 parametrar, varav 1 981 982 720 är icke-inbäddningsparametrar; 42 lager, group-query-attention över 16 query- och 2 key-value-huvuden, som tillhandahålls via en vanlig LlamaForCausalLM-klass. Glimpses parameterantal är opublicerat, och i dess lanseringsinlägg står det bara att den är "avsevärt mindre och billigare" än de frontier-modeller som den jämförs mot.

• Artefact — Apache 2.0-vikter plus SFT-, midtrain-, bas-, GGUF-, MLX- och GPTQ-varianter för MiniCPM5-2B. Inga för G​limpse, som erbjuder en hostad slutpunkt och inget att ladda ned.

• Kontext — 131 072 token enligt konfigurationen för MiniCPM5-2B, mot siffran 512 000 token som lyftes fram vid WAIC-demonstrationen. Opublicerat för G​limpse — den mer betydelsefulla av de två luckorna, eftersom dess definierande förmåga är att läsa video.

• Modalitet — bilder in, text ut för MiniCPM5-2B. Video och bilder för Glimpse, med möjligheten att återvända till ett intervall efter en första genomgång.

• Utvärdering — MiniCPM5-2B:s kort rapporterar LiveCodeBench v6 vid 69,1, AIME 2025 och 2026 båda vid 86,5, MATH-500 vid 94,6, MMLU-Pro vid 70,8, LongBench v2 vid 43,7, BFCL v4 vid 66,6 och SWE-bench Verified vid 46,4, med vissa rader dolkmarkerade som överförda från en utgåva av Artificial Analysis snarare än uppmätta internt. G​limpses rader är E​lorians egna, mot GPT-6 Astra, med en fotnot som uppger att flera konkurrenter kördes under maximal tankekraft medan G​limpse kördes på sin högsta.

• Pris — 0,60 USD per miljon indatatoken och 3,00 USD per miljon utdatatoken för Glimpse, där rewind faktureras som utdatatoken, så spårningen är kvittot. Ingen prislista för MiniCPM5-2B, eftersom leveransen är en fil.

Påståendet som de båda framför, och de olika sätt på vilka det håller

MiniCPM5-2B:s centrala påstående är aritmetiskt och kontrollerbart. En modell med 2,5 miljarder parametrar, genomsnitt på modellkortet 53,9, mot större öppna modeller vars bästa genomsnitt är 51,1 på samma uppsättning. Det är ett påstående av formen ”den här lilla saken slår den där stora saken på dessa uppgifter”, och det är falsifierbart av vem som helst med en GPU och en eftermiddag, eftersom vikterna är en nedladdning och testerna är publicerade.

Mekanismen för det dokumenteras i tre steg: övervakad finjustering på ungefär 400 miljarder tokens av data för djupt tänkande, förstärkningsinlärning med lärarmodeller och sedan on-policy-distillation som slår samman sexton RL-experter – fem av dem agentiska – tillbaka till en enda checkpoint. De interna siffrorna kopplade till sammanslagningen är en förbättring på 10,96 punkter på resonemang och allmänna uppgifter och 6,96 på agentiska sådana jämfört med tillståndet före sammanslagningen. Det är leverantörens egna mätningar av sin egen pipeline, och det är den typ av påstående som en tredje part nu kan gå och kontrollera, vilket är poängen med att släppa de mellanliggande checkpointarna såväl som den slutliga.

Glimpses centrala påstående är inte aritmetiskt. Det är ett beteende: att återvända till ett subsekundsfönster efter en första genomgång ger bättre svar på temporala frågor än att sampla på ett fast rutnät någonsin skulle kunna. Det stödjande beviset är en uppsättning genomarbetade spår och en benchmark-tabell som delar sig nästan jämnt — före på WGO Bench (42,70 vs 39,42), CharXiv-R (92,90 vs 92,10), UGC-VideoCap (82,66 vs 80,32) och FSC-147 (83,36 vs 82,02); efter på BabyVision (95,36 vs 97,68), DREAM-1K (76,04 vs 79,05), TOMATO (93,60 vs 96,02), Video-MME v2 (56,68 vs 64,06), CountQA (82,66 vs 86,42) och Humanity's Sixth Sense (46,36 vs 53,6).

Båda påståendena är trovärdiga. Endast ett av dem kan för närvarande kontrolleras av någon utanför företaget som lade fram det.

Vad de två avslöjandena har gemensamt

MiniCPM5-2B-kortet har dolktecken på en delmängd av sina rader, vilket markerar dem som siffror hämtade från en utgåva från Artificial Analysis i stället för uppmätta av författarna. Läs det som en upplysning snarare än en defekt. Alternativet – att i tysthet föra in någon annans mätningar i sin egen tabell utan markör – är vanligt och värre.

Båda modellerna är, utifrån den tillgängliga evidensen, overifierade i samma specifika bemärkelse. G​limpses tabell är körd av leverantören vid leverantörens bästa konfiguration. MiniCPM5-2B har inte heller någon oberoende reproduktion av genomsnittet i sitt modellkort, oavsett de enskilda radernas härkomst. I denna dimension är de två utgåvorna identiska, och det är värt att notera innan endera behandlas som den pålitliga halvan av jämförelsen.

Den starkare skillnaden är vad som händer härnäst. Vem som helst kan ladda ner MiniCPM5-2B och köra sin egen utvärdering i eftermiddag, på sina egna data, utan att fråga någon. Ingen kan göra det med G​limpse. Testperioden är gratis och spåren kan granskas, men utvärderingen begränsas av vad E​lorian valde att visa, och slutpunkten är den enda platsen där modellen finns.

Där vårdnaden avgör frågan

Detta är dimensionen där de två modellerna inte är nära varandra, och det har inget med förmåga att göra.

MiniCPM5-2B:s leverans är en uppsättning filer under Apache 2.0, inklusive en GGUF-build och en MLX-build. Det innebär att modellen körs på en laptop, att bilderna aldrig lämnar maskinen och att driftsättningen inte har någon leverantör i sin begärandeväg – inget tillgänglighetsfönster, ingen fråga om retention, ingen hastighetsbegränsning, inget pris som kan skifta under fötterna på dig. För reglerat arbete med bildmaterial, eller för allt där mediet inte kan korsa en nätverksgräns, är det hela beslutet, och G​limpse är inte en kandidat hur bra spåret än ser ut.

G​limpses förmåga finns bara bakom E​lorians slutpunkt. Dess utmärkande drag är det visuella skissutrymmet, och det finns ingen artefakt att flytta. Det är inte en brist i produkten; det är en egenskap hos en forskningsförhandsvisning vars värde rimligen ligger i mekanismen snarare än i vikterna.

Det är också där ett routinglager är användbart och där det slutar vara användbart. OrcaRouter ger dig en enda nyckel framför över 200 modeller, med leverantörernas listpriser vidarebefordrade och inget påslag per token, så en lokal MiniCPM5-2B och en hostad modell kan ligga på en och samma kodväg i stället för två, med ett routing-DSL som väljer per begäran och automatisk failover som håller en begäran vid liv när en kanal fallerar. Den hostade halvan av den mixen är, om leverantören sänker sitt pris, live hos oss samma dag i stället för vid nästa förnyelse. Vad routing inte kan göra är att flytta ansvaret: om en endpoint inte finns på din hårdvara finns det ingen routingregel som placerar den där. Varken MiniCPM5-2B eller G​limpse finns i vår katalog — den ena är en nedladdning och den andra är E​lorians egen API och chattgränssnitt — så detta beskriver hur vi routar, inte ett anspråk på att betjäna någon av modellerna.

Beslutet, med redovisningen bifogad

MiniCPM5-2B och G​limpse är inte konkurrenter, och att behandla dem som det är att slösa bort jämförelsen. Den ena är en generell modell med 2,5 miljarder parametrar som du kan äga. Den andra är en hostad förhandsversion som gör en ovanlig sak.

Det finns ingen gemensam resultattavla mellan dessa två, och inget sätt att bygga en. MiniCPM5-2B:s kort mäter kodning, matematik, instruktionsföljning och långkontexthämtning. G​limpses tabell mäter video- och bilduppfattning mot GPT-6 Astra. De har ingen gemensam uppgift, så de enda jämförelser som spelar roll är mot din egen arbetsbelastning. Tre frågor avgör det snabbare än en tabell skulle göra.

Måste modellen köras på din egen hårdvara, eller måste licensen vara permissiv? Då är MiniCPM5-2B den enda kandidaten här. Ladda ner GGUF- eller MLX-bygget, räkna med den kontext på 131 072 token som konfigurationen faktiskt anger i stället för de 512 000 som visas på WAIC, och behandla kortets dolkmarkerade rader som hänvisningar till den ursprungliga utvärderingen snarare än som mätningar av författarna.

Är felmoden tidsmässig — en kamerapanorering som misstas för ett klipp, ett objekt som byter identitet över en ocklusion, en händelse inom ett fönster på under en sekund? Då är Glimpse den enda av de två vars angivna mekanism hanterar det. Testperioden är gratis, och spårningen är testet: kör dina egna klipp och kontrollera om modellen någonsin gick tillbaka till intervallet som avgjorde svaret.

Är arbetet långkontext men inte långvideo — en dokumentuppsättning, ett arkiv för inlämnade handlingar, ett revisionsspår som måste rymmas i ett enda fönster? Varken den ena eller den andra modellens publicerade utvärdering avgör den saken. LongBench v2 på 43,7 är ett enda tal för en hel kategori av beteenden, och det säger inget om hur MiniCPM5-2B presterar på dina dokument vid 120 000 tokens. Den saken måste mätas innan något av besluten är säkert.

Vad som skulle förändra den här sidan: varje reproduktion av G​limpses benchmark-rader av någon annan än E​lorian, publiceringen av dess parameterantal eller kontextfönster, eller en MiniCPM5-checkpoint som sluter gapet mellan 131,072-tokenkonfigurationen och 512,000-token-demonstrationen. Inget av detta finns på kalendern. Tills de inträffar kan en av dessa modeller testas av vem som helst i kväll och den andra inte — och den asymmetrin, mer än någon benchmark-rad, är det man bör planera utifrån.

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.