Glimpse vs Gemma 4 12B: กลไกการย้อนกลับเทียบกับการดาวน์โหลด

สองสิ่งนี้ถูกนำมาเปรียบเทียบกันเป็นส่วนใหญ่ก็เพราะทั้งคู่ถูกอธิบายว่าเป็นโมเดลด้านการมองเห็น และคำอธิบายนั้นแทบไม่ได้ทำงานอะไรเลย Glimpse เปิดตัวโดย Elorian เมื่อวันที่ 16 ตุลาคม 2026 เป็นตัวอย่างงานวิจัยแบบโฮสต์ที่มีพฤติกรรมอันเป็นเอกลักษณ์ นั่นคือมันสามารถย้อนกลับไปดูใหม่ได้ — สแกนส่วนหนึ่งของคลิปซ้ำด้วยอัตราเฟรมที่ถี่ขึ้น ซูมเข้าไปยังพื้นที่ใดพื้นที่หนึ่ง หรือติดตามคุณลักษณะหนึ่งตลอดช่วงเวลา — และเข้าถึงได้เฉพาะผ่าน API และอินเทอร์เฟซแชตของผู้ให้บริการเท่านั้น G​emma 4 12B เป็นเช็คพอยต์แบบ dense น้ำหนักเปิด 11.95 พันล้านพารามิเตอร์จาก G​oogle DeepMind เปิดตัวเมื่อวันที่ 3 มิถุนายน 2026 ภายใต้สัญญาอนุญาต Apache 2.0 ซึ่งคุณดาวน์โหลดและรันบนฮาร์ดแวร์ของคุณเอง และตอบคำถามเดียวกันในทางตรงกันข้าม มันคือชิ้นงานที่ตายตัวพร้อมตารางการสุ่มเฟรมที่ตายตัว และไม่ว่าคุณจะมองมันนานแค่ไหนก็ไม่ทำให้มันย้อนกลับได้

ดังนั้นกรอบความคิดที่ตรงไปตรงมาจึงไม่ใช่ "อันไหนเก่งกว่ากันในด้านการมองเห็น" แต่เป็นว่าหนึ่งในนั้นคือความสามารถที่คุณเช่าใช้ ส่วนอีกอันคือไฟล์ที่คุณเป็นเจ้าของ และการเลือกระหว่างสองสิ่งนี้ถูกตัดสินด้วยข้อเท็จจริงที่ไม่มีส่วนเกี่ยวข้องกับแถวผลการทดสอบ benchmark เลย

ความแตกต่างที่แท้จริงซึ่งเป็นตัวชี้ขาด

เริ่มจากสิ่งที่แต่ละตัวเป็นในเชิงกายภาพก่อน Gemma 4 12B คือชุดน้ำหนักหนึ่งชุด เช็กพอยต์ที่ปรับแต่งตามคำสั่งบน Hugging Face เป็นไฟล์ safetensors ไฟล์เดียวขนาด 23.92 GB ที่ bfloat16 ส่วนบิลด์ quantisation-aware-training ของ Google เองมีขนาดประมาณ 6.98 GB สำหรับน้ำหนัก บวกกับไฟล์โปรเจกชันแบบมัลติโมดัลขนาด 0.18 GB และบิลด์ Q4_K_M จากชุมชนอยู่ที่ประมาณ 7.1 GB คุณสามารถถือมันไว้ ไฟน์จูนมัน ควอนไทซ์มันเพิ่มเติม บรรจุไว้ในผลิตภัณฑ์ และรันมันได้โดยไม่ต้องใช้เครือข่ายและไม่ต้องมีมาตรวัดการใช้งาน นั่นคือข้อเสนอทั้งหมด

Glimpse เป็นวัตถุที่มีรูปร่างตรงกันข้าม ไม่มีค่าน้ำหนัก ไม่มีจำนวนพารามิเตอร์ ไม่มีอาร์ติแฟกต์ให้ดาวน์โหลด และไม่มีสถาปัตยกรรมที่เผยแพร่ นอกเหนือจากข้อความที่ว่ามันถูกฝึกแบบ post-trained บน "โมเดลฐานแบบเปิดน้ำหนัก" ที่ Elorian ไม่ได้ระบุชื่อ สิ่งที่มีอยู่คือ API, อินเทอร์เฟซแชตที่ platform.elorian.ai ซึ่งสมัครใช้งานฟรี และพฤติกรรมที่เผยแพร่: พื้นที่ร่างเชิงภาพของโมเดล ซึ่งมันย้อนกลับไปทบทวนและปรับปรุงการแทนค่าเชิงภาพภายในขณะที่การคิดดำเนินไป

ความไม่สมมาตรนั้นเป็นสิ่งแรกที่ต้องคำนึงถึง และมันมีทั้งข้อดีและข้อเสีย เช็คพอยต์ที่ดาวน์โหลดได้ไม่สามารถถูกเลิกสนับสนุนโดยไม่ให้คุณรู้ตัว ไม่สามารถเปลี่ยนพฤติกรรมโดยที่ยังใช้เวอร์ชันเดิม และไม่สามารถล้มเหลวตอนตี 3 เพราะ us-east-1 ของคนอื่นเกิดปัญหา พรีวิวแบบโฮสต์ที่มีกลไกย้อนกลับไม่สามารถรันบนเครื่องที่แยกจากเครือข่ายได้ และ — จุดที่สำคัญที่สุดสำหรับการเปรียบเทียบ G​emma 4 12B — ไม่สามารถทำให้พอดีกับหน่วยความจำ 16 GB ได้ เพราะไม่มีอะไรให้พอดี

สิ่งที่ rewind ให้ ได้ในตัวเลขของผู้ขายเอง

ตัวอย่างการทำงานของ Elorian เป็นสิ่งที่เป็นรูปธรรมที่สุดที่เผยแพร่เกี่ยวกับ Glimpse และคุ้มค่าที่จะอ่านในฐานะคำอธิบายมากกว่าในฐานะคะแนน ในเทรซหนึ่ง โมเดลประมวลผลรอบแรกที่ประมาณ 8 เฟรมต่อวินาที สร้างการตีความเบื้องต้น จากนั้นย้อนกลับไปสแกนหน้าต่าง 0.9 วินาทีอีกครั้งที่ประมาณ 14 fps เพื่อตัดสินว่าสิ่งที่มันเห็นคือการแพนกล้องหรือการตัดฉาก ในอีกเทรซหนึ่ง มันติดตามขอบหน้าต่างเพียงขอบเดียวตั้งแต่ประมาณ 2.2 วินาทีเข้าไปในคลิป จนกระทั่งการเคลื่อนไหวเกือบหยุดลงที่ 5.13 วินาที

Gemma 4 12B ไม่มีอะไรเทียบเท่าได้ มันประมวลผลวิดีโอเป็นลำดับเฟรมตามตารางเวลาที่คุณเลือก และเมื่อเลือกเฟรมแล้ว อะไรก็ตามที่อยู่ระหว่างเฟรมเหล่านั้นก็หายไป นั่นไม่ใช่ข้อบกพร่อง — แต่เป็นสิ่งที่เช็กพอยต์แบบ open-weights ที่มีเส้นทางการอนุมานที่เผยแพร่ควรทำอยู่แล้ว — ทว่ามันก็เป็นคำถามประเภทเดียวกับที่กลไก rewind ถูกสร้างขึ้นมาเพื่อตอบโดยเฉพาะ

จุดที่ Gemma 4 12B ได้เปรียบคือทุกสิ่งที่คุณทำกับโมเดล บนการ์ดของ Google เอง ซึ่งครอบคลุมทั้งตระกูลและเป็นข้อมูลที่ผู้ขายรายงาน ไม่ใช่ผลที่ทำซ้ำโดยอิสระ 12B ได้คะแนน 77.2% บน MMLU Pro, 78.8% บน GPQA Diamond, 77.5% บน AIME 2026 โดยไม่ใช้เครื่องมือ, 72.0% บน LiveCodeBench v6, Codeforces ELO 1659, 69.1% บน MMMU Pro และ 43.4% บน MRCR v2 ที่ 128K โดยมีเข็ม 8 เข็ม Glimpse ไม่เผยแพร่สิ่งใดในตระกูลนั้นเลย — ไม่มีเบนช์มาร์กด้านการให้เหตุผล ไม่มีเบนช์มาร์กด้านการเขียนโค้ด ไม่มีเบนช์มาร์กด้านความรู้ การเปรียบเทียบไม่ได้สูสีเลย เพราะไม่เคยมีการเปรียบเทียบนี้เกิดขึ้น

สกอร์การ์ด และช่องว่างใดบ้างที่จงใจเว้นไว้

ชุดหลักฐานที่เผยแพร่ทั้งสองชุดไม่ทับซ้อนกัน ตารางของ Glimpse เปรียบเทียบกับ GPT-6 Astra และเป็นข้อมูลที่ผู้ขายรายงานเองโดยไม่มีการทำซ้ำอย่างอิสระ เช่นเดียวกับตารางของ G​oogle การอ่านทั้งสองตารางเทียบกันยังมีประโยชน์ เพราะมันแสดงให้เห็นว่าแต่ละบริษัทเลือกให้วัดสิ่งใด

• WGO Bench (เหตุการณ์การชักจูง) — Glimpse 42.70 เทียบกับ Astra 39.42. G​emma 4 12B: ไม่มีการรายงาน

• CharXiv-R — Glimpse 92.90 เทียบกับ 92.10 Gemma 4 12B: ไม่ได้รายงาน

• UGC-VideoCap — Glimpse 82.66 เทียบกับ 80.32 Gemma 4 12B: ไม่ได้รายงาน

• FSC-147 — Glimpse 83.36 เทียบกับ 82.02 Gemma 4 12B: ไม่ได้รายงาน

• Video-MME v2 — Glimpse 56.68 เทียบกับ Astra 64.06 และ GPT-6.1 Sol 65.27 G​emma 4 12B: ไม่ได้รายงาน

• สัมผัสที่หกของมนุษยชาติ — Glimpse 46.36 เทียบกับ Astra 53.6 G​emma 4 12B: ไม่มีการรายงาน

• MMLU Pro — G​emma 4 12B 77.2% Glimpse: ไม่มีรายงาน

• LiveCodeBench v6 — G​emma 4 12B 72.0% Glimpse: ไม่ได้รายงาน

• บทวิเคราะห์อิสระ — Artificial Analysis ให้คะแนน Gemma 4 12B อยู่ที่ Intelligence Index 14 ติดอันดับที่ 20 จาก 141 โมเดลในกลุ่มเปรียบเทียบเดียวกัน โดยมีความเร็วในการสร้างเอาต์พุตที่วัดได้ 110.9 โทเคนต่อวินาที ส่วน Glimpse ไม่มีคะแนนอิสระใด ๆ ทั้งสิ้น เพราะเพิ่งเปิดตัวได้เพียงหนึ่งวัน

ตาราง Glimpse ยังมีเชิงอรรถที่ผู้อ่านไม่ควรข้าม: ผลลัพธ์เหล่านั้นใช้ความพยายามในการคิดระดับสูงสุดร่วมกับ agent harness พื้นเมืองของโมเดล และสำหรับการประเมินวิดีโอส่วนใหญ่ Sol และ Opus 5.5 ถูกเรียกใช้ที่ระดับ high ไม่ใช่ max โดยแถว HSS ผสมตัวเลขที่รายงานในเปเปอร์จากแล็บอื่นเข้าไปด้วย วินัยแบบเดียวกันนี้ใช้กับอีกด้านเช่นกัน — ตัวเลขใน model card ของ G​oogle เผยแพร่สำหรับ checkpoint ที่ผ่าน instruction tuning โดยไม่มีการใช้ harness จากบุคคลที่สามเข้ามาเกี่ยวข้อง

แต่ละรายการมีค่าใช้จ่ายเท่าไร และคิดเป็นหน่วยใด

นี่คือจุดที่รูปทรงแตกต่างกันอย่างมากที่สุด เพราะหน่วยวัดไม่สามารถแปลงเข้าหากันได้

Glimpse ตั้งราคาต่อโทเคน: $0.60 ต่อล้านโทเคนอินพุต และ $3.00 ต่อล้านเอาต์พุต Elorian ระบุการเปรียบเทียบเอง — ต่ำกว่า GPT-6 Astra ที่ราคา $10/$50 อยู่ 94%, ต่ำกว่า C​laude Opus 5.5 ที่ราคา $4/$20 อยู่ 85%, ต่ำกว่า GPT-6.1 Sol ที่ราคา $2/$10 อยู่ 70% และต่ำกว่าอัตราเริ่มต้น $0.75/$3.75 ของ G​emini 3.8 Flash อยู่ 20% — พร้อมให้ตัวเลขระดับงานหนึ่งรายการ คือรอบการวางแผนหุ่นยนต์หนึ่งรอบที่มีค่าใช้จ่าย $0.035 บน Glimpse เทียบกับ $0.249 บน Astra ทั้งหมดนั้นเป็นตัวเลขของผู้ขายเกี่ยวกับโมเดลของผู้ขายเอง

Gemma 4 12B ไม่มีราคาจากผู้ขาย เนื่องจากไม่มีบริการจากผู้ขาย ตัวเลขต่อโทเคนเพียงค่าเดียวที่มีอยู่สำหรับมันคือราคาผสมของ Artificial Analysis ที่ 0.10 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเคน และ 0.30 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเคน และนั่นเป็นค่ามัธยฐานจากแพลตฟอร์มของบุคคลที่สามที่ให้บริการน้ำหนักแบบเปิด ไม่ใช่ราคาตามรายการ — Google ไม่ได้เผยแพร่ราคาใด ๆ หากคุณโฮสต์เอง ตัวเลขที่คุณสนใจจริง ๆ ไม่ใช่ตารางอัตราค่าบริการเลย มันคือการดาวน์โหลดขนาด 7 GB หนึ่งชั่วโมง GPU และค่าไฟฟ้า

ทุกสิ่งอื่นเป็นผลสืบเนื่องมาจากสิ่งนั้น การเรียกใช้ Glimpse มีต้นทุนส่วนเพิ่มที่แปรผันตามปริมาณ และมีต้นทุนคงที่เป็นศูนย์ การติดตั้งใช้งาน Gemma 4 12B มีต้นทุนส่วนเพิ่มที่ใกล้ศูนย์ และมีต้นทุนคงที่ซึ่งก็คือเครื่องหนึ่งเครื่อง จุดคุ้มทุนเป็นคำถามเรื่องปริมาณ และไม่มีผู้จำหน่ายรายใดที่จะเปิดเผยมันให้คุณ

คู่นี้อยู่ตรงไหนในแคตตาล็อกของเราเอง

ไม่มีโมเดลใดในสองตัวนี้เป็นโมเดลที่ OrcaRouter ให้บริการ และควรพูดให้ตรงไปตรงมาเช่นนั้นแทนที่จะปล่อยให้ผู้อ่านตีความไปเอง Glimpse เข้าถึงได้ผ่าน API และอินเทอร์เฟซแชตของ Elorian เอง ส่วน G​emma 4 12B นั้นเป็นไฟล์ดาวน์โหลด และเส้นทางแบบโฮสต์สำหรับมันคือแพลตฟอร์มของบุคคลที่สามที่รันเวตเปิด ขนาดของ G​emma 4 ที่เราให้บริการเส้นทางนั้นมี G​emma 4 26B A4B และ G​emma 4 31B — สมาชิกที่ใหญ่กว่าและมีความสามารถสูงกว่าในตระกูลเดียวกัน — และหากคำถามจริง ๆ ของคุณคือ "我应该เรียก G​emma 4 ขนาดไหน" หน้าโมเดลของเราเองสำหรับสองตัวนั้นจะตอบได้เร็วกว่าหน้านี้

สิ่งที่ทำให้เลเยอร์จัดเส้นทางมีคุณค่าในที่ของมันในการเปรียบเทียบเฉพาะเจาะจงนี้คือกรณีตรงกลาง: ทีมที่อยากใช้ Gemma 4 ขนาดที่ตัวเองโฮสต์อยู่แล้วต่อไป และอยากทดลองพรีวิวที่ยังไม่พิสูจน์ควบคู่กันไป โดยไม่เอาเส้นทางโปรดักชันไปเดิมพันกับโมเดลที่เพิ่งเปิดตัวเมื่อวาน การเก็บทั้งสองไว้หลังเอนด์พอยต์เดียวหมายความว่าพรีวิวจะอยู่หลังระบบสลับอัตโนมัติเมื่อเกิดข้อขัดข้อง แทนที่จะอยู่ข้างหน้า และ อัตราค่าบริการที่ปรับเปลี่ยนได้ — ซึ่งพรีวิวสำหรับงานวิจัยย่อมเป็นเช่นนั้น — จะมีผลในฝั่งเราภายในวันเดียวกัน แทนที่จะต้องรอต่อสัญญาครั้งถัดไป นั่นเป็นคำกล่าวเกี่ยวกับวิธีที่เราดำเนินงาน ไม่ใช่การอ้างว่าเราโฮสต์สองตัวนี้

การเลือก โดยพิจารณาว่าสิ่งเหล่านั้นไม่ใช่สิ่งทดแทนกัน

ถ้างานของคุณเป็นงานเชิงเวลา และโหมดความล้มเหลวของคุณคือ “โมเดลมองแล้วแต่มองไม่ละเอียดพอ” — อัตลักษณ์ของวัตถุข้ามรอยตัด เหตุการณ์ภายในหน้าต่างเวลาที่สั้นกว่า 1 วินาที จำนวนที่นับเปลี่ยนไปเมื่อมีบางสิ่งมาบดบัง — Glimpse คือโมเดลแบบโฮสต์ตัวแรกที่กลไกซึ่งระบุไว้มุ่งเป้าไปที่สิ่งนั้นโดยตรง และการสมัครฟรีทำให้การทดสอบมีต้นทุนต่ำ ไปรันคลิปของคุณเองกับมันดูสิ จากนั้นตรวจสอบ scratch space: ถ้าโมเดลไม่เคยสแกนช่วงเวลาที่สำคัญซ้ำเลย คุณก็ได้เรียนรู้อะไรบางอย่างเกี่ยวกับไปป์ไลน์ของคุณ ไม่ใช่แค่เกี่ยวกับโมเดลเท่านั้น

ถ้างานของคุณคือการเอาโมเดลมัลติโมดัลที่มีความสามารถไปวางบนฮาร์ดแวร์ที่คุณควบคุม — แล็ปท็อปที่มีหน่วยความจำ 16 GB ตามที่ G​oogle เองอ้าง หรือการ์ด 24 GB สำหรับบิลด์แบบไม่ควอนไทซ์ — G​emma 4 12B คือคำตอบที่โตเต็มที่ มีสัญญาอนุญาต และวัดประสิทธิภาพได้ และมีงานควอนไทซ์จากชุมชนกับเครื่องมือต่าง ๆ หนุนหลังมาสี่เดือน ซึ่งพรีวิวอายุหนึ่งวันไม่มี ความโตเต็มที่นั้นไม่ใช่เรื่องเล็ก: มันคือความแตกต่างระหว่างโมเดลที่คุณใช้เป็นแกนวางแผนได้ทั้งไตรมาส กับโมเดลที่คุณวางแผนได้แค่หนึ่งสัปดาห์

กับดักคือการเลือก Glimpse เพราะตารางของมันเอาชนะ Astra ได้ในสี่แถว แล้วจากนั้นก็พบว่างานนั้นต้องใช้การให้เหตุผล ไม่ใช่การสแกนซ้ำ ตัวเลข HSS ของโมเดลเองคือหลักฐานที่โต้แย้งการตีความนั้น — 46.36 เทียบกับ 53.6 ของ Astra บนเบนช์มาร์กที่ Elorian เองสร้างร่วมกับ Scale AI การเผยแพร่ผลลัพธ์ที่โมเดลของคุณเองไม่สามารถเอาชนะได้ถือเป็นสัญญาณด้านความน่าเชื่อถือ และยังบอกคุณอย่างแม่นยำว่า rewind แก้สิ่งใดไม่ได้

ไม่มีสิ่งใดในนั้นที่เป็นเพียงข้อสันนิษฐาน: ความล้มเหลวของ AI และเหตุการณ์ที่เกี่ยวข้องกับเอเจนต์ซึ่งได้รับการบันทึกไว้ ที่อยู่เบื้องหลังการเปิดตัวแบบนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และสถานะข้อโต้แย้งของตนเอง