Glimpse vs Intern Decision 4B: ตัวไหนในสองตัวนี้ที่ตอบคำถามของคุณได้จริง

โมเดลสองตัวในการเปรียบเทียบนี้มีโมดัลลิตีร่วมกัน และแทบไม่มีอย่างอื่นที่เหมือนกันเลย E​lorian G​limpse ซึ่งเปิดตัวเมื่อวันที่ 16 ตุลาคม 2026 เป็นพรีวิวสำหรับการให้เหตุผลเชิงภาพ (visual-reasoning) ที่สามารถย้อนกลับไปยังช่วงหนึ่งภายในวิดีโอที่มันเคยดูไปแล้วได้ — ในบันทึกที่เผยแพร่ มีการสแกนซ้ำราวเก้าในสิบของวินาทีที่ประมาณ 14 เฟรมต่อวินาที หลังจากรอบแรกที่ราว 8 เฟรมต่อวินาที — แล้วจึงเขียนคำตอบออกมาเป็นร้อยแก้ว Intern-Decision-4B ซึ่งทีม I​nternLM ของ Shanghai AI Laboratory อัปโหลดเมื่อวันที่ 26 กันยายน 2026 โดยไม่มีการประกาศใด ๆ เลย ไม่ได้เขียนอะไรทั้งสิ้น มันรับสถานะที่ใช้ร่วมกัน สคีมาของคำถามที่มีชื่อกำกับ และภาพบางภาพ (ถ้ามี) แล้วคืนค่าการแจกแจงความน่าจะเป็นที่ปรับเทียบแล้วครอบคลุมคำตอบที่มีชื่อเหล่านั้นในการส่งผ่านไปข้างหน้าครั้งเดียว มันไม่เคยเรียก generate() เลย ไม่มีห่วงโซ่ความคิด ไม่มีประโยค ไม่มีเอาต์พุตแบบทีละโทเคนในรูปแบบใด ๆ ทั้งสิ้น

ซึ่งหมายความว่าคำถามแรกในการเปรียบเทียบนี้จึงไม่ใช่โมเดลไหนดีกว่า แต่คือปัญหาของคุณเป็นปัญหาการอ่านหรือปัญหาการตัดสินใจ และทีมส่วนใหญ่ค้นพบว่าพวกเขาได้ปฏิบัติต่อปัญหาการตัดสินใจเสมือนเป็นปัญหาการอ่าน เพราะการอ่านเป็นเครื่องมือเดียวที่มีอยู่

โมเดลที่คืนค่าเป็นตัวเลขแทนที่จะเป็นย่อหน้า

ตระกูล Intern-Decision มาถึงอย่างเงียบ ๆ ในเช้าวันที่ 26 กันยายน 2026 — สามขนาด ได้แก่ 0.8B, 2B และ 4B ถูกอัปโหลดห่างกันไม่เกินสี่สิบวินาที ซึ่งเป็นเอกลักษณ์ของสคริปต์มากกว่ากระบวนการเผยแพร่ ไม่มีโพสต์บล็อก ไม่มีบทความการ์ดโมเดล ไม่มีเธรดเปิดตัว Space สาธิตส่งคืน 401 ในขณะที่เขียน คอลเลกชันส่งคืน 401 องค์กร GitHub ส่งคืน 404 และสมาชิกที่ใหญ่ที่สุดในตระกูลมียอดดาวน์โหลดสะสมเป็นศูนย์และถูกใจหนึ่งครั้ง ทุกอย่างด้านล่างนี้อ่านจากคอนฟิกูเรชันและรีโพซิทอรีที่เผยแพร่ แทนที่จะมาจากผู้ขายที่บอกเราว่ามันทำอะไรได้

สิ่งที่การตั้งค่าระบุไว้นั้นเจาะจงมาก Intern-Decision-4B เป็นโมเดล fine-tune ขนาด 4.54 พันล้านพารามิเตอร์ของ Q​wen 3.5 4B และอินเทอร์เฟซของมันเป็นเอนจินตัดสินใจ ไม่ใช่แชตคอมพลีชัน คุณป้อน shared state ให้มัน — บริบทที่คำถามทั้งหมดใช้ร่วมกัน — พร้อมสคีมาที่ระบุชุดคำถาม และรูปภาพสูงสุดแปดรูป มันจะคืนค่าการแจกแจงความน่าจะเป็นเหนือชุดคำศัพท์คงที่ของสัญลักษณ์แบบโทเคนเดียว ได้แก่ A ถึง Z, a ถึง z และ 0 ถึง 9 หกสิบสองสัญลักษณ์ ซึ่งเป็นเหตุผลพอดีว่าทำไมเพดานตัวเลือกจึงเป็นหกสิบสอง ไม่ใช่ทางเลือกในการออกแบบที่ใครสักคนได้มาโดยคิดว่ามนุษย์ต้องการคำตอบสักกี่ข้อ รองรับคำถามสามประเภท ได้แก่ การเลือกจากตัวเลือกที่มีชื่อ การให้คะแนนบนสเกล และการตัดสินใจในรูปแบบใช่/ไม่ใช่

นั่นคือผลิตภัณฑ์ทั้งหมด คุณค่าของมันไม่ใช่ความแม่นยำในเชิงนามธรรม แต่คือการที่ผลลัพธ์เป็นความน่าจะเป็นที่คุณสามารถกำหนดเกณฑ์ให้และตรวจสอบย้อนหลังได้ โดยถูกสร้างขึ้นอย่างแน่นอนตายตัวในการส่งผ่านไปข้างหน้าหนึ่งครั้ง แทนที่จะเป็นย่อหน้าที่คุณต้องอนุมานความมั่นใจของมันจากน้ำเสียง

อินเทอร์เฟซคือความแตกต่างที่แท้จริง

• สิ่งที่ป้อนเข้า — Glimpse รับวิดีโอและรูปภาพ พร้อมคำถามในภาษาธรรมชาติ ส่วน Intern-Decision-4B รับสถานะที่ใช้ร่วมกัน สคีมาของคำถามที่ระบุชื่อไว้อย่างชัดเจน และรูปภาพสูงสุดแปดรูป

• ผลลัพธ์ที่ได้ — G​limpse คืนค่าข้อความร้อยแก้วพร้อมร่องรอยว่ามันดูส่วนใดในคลิป Intern-Decision-4B คืนค่าการแจกแจงบนสัญลักษณ์ไม่เกิน 62 ตัว ซึ่งเป็นตัวเลขต่อหนึ่งตัวเลือกและไม่มีอะไรอื่น

• ต้นทุนเอาต์พุต — การประมวลผลไปข้างหน้าหนึ่งครั้งกับสตรีมโทเค็น Glimpse คิดค่าบริการ 3.00 ดอลลาร์ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น และกลไกของมันจงใจใช้โทเค็นเพิ่มเติมเพื่อมองซ้ำ ดังนั้นร่องรอยการทำงานจึงเป็นเสมือนใบเสร็จ ส่วน Intern-Decision-4B สร้างลอจิตราวหยิบมือในจำนวนคงที่ต่อคำขอ ซึ่งทำให้ต้นทุนเอาต์พุตเกือบจะคงที่ แทนที่จะแปรผันตามความยากของคำถาม

• ขนาด — พารามิเตอร์ 4.54 พันล้านตัว เผยแพร่แล้ว ดาวน์โหลดได้ สำหรับ Glimpse ไม่ได้เผยแพร่ ซึ่งระบุเพียงว่า "เล็กกว่าและถูกกว่าอย่างมีนัยสำคัญ" เมื่อเทียบกับโมเดลระดับแนวหน้าในตาราง benchmark ของตัวเอง

• เวต — เปิดให้สำหรับสมาชิกทุกตัวในตระกูล Intern-Decision ไม่มีให้สำหรับ G​limpse ซึ่งมีอยู่เพียงเบื้องหลัง API และอินเทอร์เฟซแชตของ E​lorian

• ความเป็นอิสระ — ทั้งสองเท่ากันในจุดนี้ และอ่อนแอพอกัน แถวเบนช์มาร์กของ G​limpse เป็นของ E​lorian เอง ไม่ได้ถูกทำซ้ำ และรันด้วยความพยายามคิดสูงสุดของมัน เทียบกับคู่แข่งที่ถูกประเมินต่ำกว่าระดับของพวกเขาเอง Intern-Decision-4B ไม่มีการประเมินที่เผยแพร่ใด ๆ ที่บทความนี้หาเจอ ตัวเลขในการกำหนดค่าของมันเป็นเรขาคณิตของแอตเทนชัน ไม่ใช่ความแม่นยำ

ขีดจำกัดที่ซ่อนอยู่ในโทเคไนเซอร์

นี่คือตัวเลขที่ตัดสินว่า Intern-Decision-4B จะใช้งานได้กับงานหนึ่งๆ หรือไม่ และมันไม่ได้อยู่ในพาดหัวข่าวใดเลย

ทาวเวอร์ Qwen 3.5 4B ที่เป็นรากฐานประกาศค่าการฝังตำแหน่งสูงสุดที่ 262,144 โทเคน เอนจินตัดสินใจที่ห่อหุ้มมันไว้ถูกสร้างขึ้นด้วย max_length=8192 และอินพุตที่เกินกว่านั้นจะถูกปฏิเสธทันทีแทนที่จะถูกตัดทอน ในตัวของมันเอง นั่นเป็นทางเลือกทางวิศวกรรมที่สามารถให้เหตุผลรองรับได้ — การตัดทอนแบบเงียบ ๆ เปลี่ยนบริบทที่ยาวให้กลายเป็นคำตอบที่ผิดโดยไม่มีการแจ้งข้อผิดพลาด แต่ภาพทั้งแปดก็ถูกนับรวมกับงบ 8,192 เดียวกัน ในเวิร์กโฟลว์ที่ส่งชุดภาพหน้าจอให้โมเดลพร้อมกับสถานะที่แชร์ซึ่งอธิบายเคสหนึ่ง เพดานในทางปฏิบัติจะถูกไปถึงเร็วกว่าที่ 262,144 บ่งชี้ไว้มาก และความล้มเหลวที่เกิดขึ้นคือการปฏิเสธแบบเด็ดขาด ไม่ใช่คำตอบที่คุณภาพลดลง

ใครก็ตามที่วางแผนจะใช้ Intern-Decision-4B สำหรับการตรวจสอบเอกสาร ควรทดสอบขอบเขตนั้นก่อนที่จะออกแบบโดยอิงจากมัน Space สาธิต, คอลเลกชัน และที่เก็บ ต่างก็ไม่สามารถเข้าถึงได้ทั้งหมดในขณะที่เขียนสิ่งนี้ ดังนั้นวิธีเดียวที่จะกำหนดเพดานที่แท้จริงได้คือการสร้างอินพุตและดูว่าเอนจินปฏิเสธพวกมันที่จุดใด

Glimpse มีปัญหาที่ตรงกันข้ามในจุดเดียวกัน หน้าต่างบริบทของมันไม่เคยถูกเผยแพร่ และความสามารถเด่นของโมเดลคือการอ่านวิดีโอ ช่วง 0.9 วินาทีพอดีกับหน้าต่างใดๆ คลิปความยาวสองชั่วโมงไม่พอดี และไม่มีตัวเลขที่เผยแพร่บอกว่าเส้นแบ่งอยู่ตรงไหน ในทั้งสองกรณี ความสามารถในการให้เหตุผลถูกอธิบายไว้ และภาชนะที่มันต้องบรรจุอยู่ภายในคือส่วนที่ถูกปล่อยให้คาดเดา — เป็นความบังเอิญของการละเว้น มากกว่าความบังเอิญของการออกแบบ

แต่ละอย่างเก่งกว่าจริง ๆ ในเรื่องไหน

ข้อสนับสนุนที่เป็นรูปธรรมสำหรับ Glimpse คือความละเอียดเชิงเวลา การสุ่มตามกำหนดเวลาคงที่สูญเสียสิ่งใดก็ตามที่อยู่ระหว่างสองเฟรมที่ถูกสุ่ม ซึ่งเป็นเหตุผลว่าทำไมการแพนกล้องหรือการตัดต่อ อัตลักษณ์ของวัตถุข้ามการบดบัง และเหตุการณ์ที่สั้นกว่าหนึ่งวินาทีจึงเป็นคำถามยากแทนที่จะเป็นคำถามง่าย การมีพารามิเตอร์มากขึ้นที่แปดเฟรมต่อวินาทีไม่ได้กู้คืนข้อมูลที่หายไป แต่การใช้พลังประมวลผลเพิ่มเติมกับช่วงเวลาใดช่วงเวลาหนึ่งหลังจากที่ได้เห็นคลิปทั้งหมดแล้วต่างหากที่กู้คืนได้ เทรซของ Elorian แสดงให้เห็นว่าโมเดลทำแบบนั้นจริง ๆ และพื้นที่ทดเชิงภาพทำให้สามารถตรวจสอบการตัดสินใจย้อนหลังได้ — คุณสามารถเห็นได้ว่ามันเคยย้อนกลับไปยังช่วงเวลาที่เป็นตัวกำหนดคำตอบหรือไม่

กรณีที่เป็นรูปธรรมสำหรับ Intern-Decision-4B คือมันตัดขั้นตอนการแยกวิเคราะห์ออกจากไปป์ไลน์การจำแนกประเภททั้งหมด ลองพิจารณากระบวนการพิจารณารับประกันภัยหรือการคัดแยกที่ปัจจุบันเรียกใช้โมเดลขนาดใหญ่ด้วยพรอมป์ต์ที่ขอให้ตอบกลับด้วยหนึ่งในห้าป้ายกำกับ จากนั้นแยกวิเคราะห์คำตอบ แล้วลองใหม่เมื่อโมเดลตอบเป็นประโยคแทนที่จะเป็นป้ายกำกับ แล้วถือว่า "อาจจะใช่" ราวกับว่ามันเป็น "ใช่" Intern-Decision-4B ย่อสิ่งนั้นให้เหลือฟอร์เวิร์ดพาสเพียงครั้งเดียวที่คืนค่าความน่าจะเป็นห้าค่า ไม่มีตัวแยกวิเคราะห์ ไม่มีลูปลองใหม่ ไม่มีความกำกวมว่าโมเดลหมายถึงอะไร หากค่าขีดเริ่มต้นของป้ายกำกับที่สามคือ 0.7 นั่นคือตัวเลขในโค้ดของคุณ ไม่ใช่ฮิวริสติกในพรอมป์ต์ของคุณ

เหตุผลสนับสนุนการไม่เลือกทั้งสองอย่างก็ควรกล่าวถึงเช่นกัน หากสิ่งที่คุณต้องการคือย่อหน้าที่อธิบายว่าเกิดอะไรขึ้นในฉากหนึ่ง Intern-Decision-4B ไม่สามารถสร้างสิ่งนั้นได้ — มันไม่มีเส้นทางการสร้างเลย หากสิ่งที่คุณต้องการคือการตัดสินใจแบบเกณฑ์เกี่ยวกับเนื้อหาทางความหมายของภาพ G​limpse เป็นวิธีที่แพงในการได้ตัวเลขที่คุณน่าจะได้มาในราคาถูกกว่า และตาราง benchmark ของผู้ขายเองก็เป็นหลักฐานว่าการย้อนกลับสื่อไม่ช่วยปรับปรุงการอนุมานเกี่ยวกับสิ่งที่ฉากหนึ่งสื่อถึง: ในการประเมิน Humanity's Sixth Sense ของ E​lorian G​limpse ได้ 46.36 เทียบกับ 53.6 ของ GPT-6 Astra บน benchmark ที่ E​lorian สร้างร่วมกับ Scale AI

การวางอันใดอันหนึ่งไว้เบื้องหลังพาธโปรดักชัน

คำถามเรื่องการจัดเส้นทางตรงนี้ไม่เกี่ยวกับราคา เพราะโมเดลสองตัวนี้ไม่ใช่ตัวทดแทนกันในด้านราคา — ตัวหนึ่งคิดค่าบริการต่อโทเคน อีกตัวเป็น forward pass แบบคงที่ และไม่มีตัวใดอยู่ในแคตตาล็อกของเรา มันเกี่ยวกับสิ่งที่วางอยู่ด้านหน้าโมเดลที่โหมดความล้มเหลวคือการปฏิเสธแบบเด็ดขาด

Intern-Decision-4B ปฏิเสธอินพุตที่เกินขีดจำกัดของเอนจินตัวเอง ไพป์ไลน์ที่ไม่มีการสำรองรับมือกับการปฏิเสธแบบนั้นจะทำให้คำขอตกหล่น คำตอบของ OrcaRouter ต่อปัญหาลักษณะนี้คือ การสลับไปใช้เส้นทางสำรองอัตโนมัติ: คีย์เดียวที่วางอยู่หน้าโมเดลกว่า 200 ตัว, พร้อม DSL สำหรับจัดเส้นทางที่ตัดสินว่าคำขอใดไปที่ใด, คำขอที่เอนจินตัดสินใจปฏิเสธจึงสามารถส่งไปยังโมเดลเชิงสร้างที่อ่านอินพุตชุดเดียวกันและเขียนคำตอบออกมาเป็นร้อยแก้วได้ ราคาตามรายการของผู้ให้บริการจะถูกส่งผ่านโดยไม่บวกเพิ่มต่อโทเคน, เส้นทางรองจึงมีค่าใช้จ่ายเท่ากับที่ผู้ขายรายนั้นเรียกเก็บจริง และจะเปลี่ยนไปในวันที่ผู้ขายรายนั้นปรับอัตราของตน ชั้นเดียวกันนี้ยังทำให้พรีวิวที่ยังไม่ผ่านการพิสูจน์สามารถทดสอบได้โดยไม่ต้องโปรโมตมัน: วาง G​limpse ไว้บนเส้นทางเงา เปรียบเทียบคำตัดสินของมันกับโมเดลที่คุณเชื่อถืออยู่แล้ว และโปรโมตมันเฉพาะเมื่อร่องรอยแสดงว่ามันกลับไปหาช่วงที่สำคัญได้ เรามิได้ให้บริการโมเดลทั้งสองตัวนี้ — API ของ E​lorian เองคือที่ที่ G​limpse อยู่ และ Intern-Decision-4B เป็นไฟล์ดาวน์โหลด — ดังนั้นชั้นการจัดเส้นทางจึงทำงานกับรูปร่างของไพป์ไลน์ ไม่ใช่กับความพร้อมใช้งานของสองตัวนี้

อะไรจะเปลี่ยนคำตอบ

สำหรับ G​limpse มีสามสิ่ง: ฮาร์เนสอิสระที่จำลองแถวหนึ่งของตารางของ E​lorian, หน้าต่างบริบทที่เผยแพร่แล้ว และการเปิดเผยใด ๆ เกี่ยวกับโมเดลฐานที่บริษัทนำมาฝึกต่อ ในตอนนี้ทั้งสามอย่างยังว่างเปล่า

สำหรับ Intern-Decision-4B มีสองเรื่อง เรื่องแรกคือเอกสาร — การอัปโหลดโมเดลสามครั้งในสี่สิบวินาที พร้อมกับ Space ที่เข้าไม่ได้ คอลเลกชันที่เข้าไม่ได้ และรีโพซิทอรี 404 ไม่ใช่การปล่อยเวอร์ชัน แต่มันคือสแนปช็อตที่หลุดออกมา เอนจินตัดสินใจที่ไม่มีตัวเลขความแม่นยำเผยแพร่ออกมา ไม่สามารถปรับเทียบกับอะไรได้ และโมเดลที่คืนค่าความน่าจะเป็นก็มีค่าเท่ากับความเชื่อมั่นที่คุณมีต่อมันเท่านั้น เรื่องที่สองคือการเพิ่มขีดจำกัดของเอนจิน หรือคำแนะนำที่ตรงไปตรงมาเกี่ยวกับงบประมาณภาพ เพราะเพดาน 8,192 โทเคนที่รวมภาพได้ถึงแปดภาพอย่างเงียบ ๆ คือเซอร์ไพรส์ด้านสเปกที่รอเกิดขึ้นในโปรดักชัน

จนกว่าสิ่งเหล่านั้นจะมาถึง การแบ่งบทบาทนี้ก็ชัดเจน และไม่เกี่ยวกับว่าโมเดลไหนใหญ่กว่ากัน ถ้างานของคุณคือดูฟุตเทจแล้วบอกคนว่ามีอะไรเกิดขึ้น โดยมีช่วงเวลาที่เป็นตัวตัดสินคำตอบปรากฏให้เห็นใน trace แล้ว G​limpse คือตัวเดียวในสองตัวที่ทำได้ และการสมัครฟรีทำให้การทดสอบมีค่าใช้จ่ายต่ำ ถ้างานของคุณคือจำแนก ให้คะแนน หรือตัดสินใจเลือกจากตัวเลือกที่มีชื่อ และคุณต้องการตัวเลขที่ปรับเทียบแล้วต่อหนึ่งตัวเลือก แทนที่จะเป็นประโยคเกี่ยวกับตัวเลือกเหล่านั้น Intern-Decision-4B ถูกสร้างขึ้นมาเพื่อสิ่งนั้นโดยเฉพาะและไม่มีอย่างอื่น — ยอมรับว่ามันไม่มีเอกสารประกอบ ทดสอบขอบเขต 8,192 โทเคนตั้งแต่เนิ่น ๆ และอย่าคาดหวังให้มันอธิบายตัวเอง เพราะมันไม่มีกลไกสำหรับทำเช่นนั้น

ความล้มเหลวของ AI และเหตุการณ์เกี่ยวกับเอเจนต์ที่มีการบันทึกเป็นหลักฐานไว้ ซึ่งอยู่เบื้องหลังการเปิดตัวในลักษณะนี้ ถูกรวบรวมไว้ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง ระดับความเชื่อมั่น และแฟล็กข้อโต้แย้งของตัวเอง