Glimpse so với Granite 4.2 3B: Một bên tiết lộ mọi thứ, một bên tiết lộ một hành vi

Đặt hai bảng thông số kỹ thuật cạnh nhau và phép so sánh trông lệch hẳn theo một hướng bất thường. G​ranite 4.2 3B, được I​BM phát hành vào ngày 25 tháng 8 năm 2026 theo Apache 2.0, đi kèm một thẻ mô hình ghi rõ số lớp, hình học của các đầu attention, RoPE base, epsilon chuẩn hoá, hàm kích hoạt, ràng buộc embedding, chiều ẩn, nhiệt độ lấy mẫu được đề xuất và mọi hàng benchmark mà nhóm đã chọn công bố. E​lorian G​limpse, được phát hành vào ngày 16 tháng 10 năm 2026, đi kèm một đoạn video trace dài 0,9 giây. Nó không có số lượng tham số được công bố, không có cửa sổ ngữ cảnh, không có mô hình cơ sở được nêu tên và không có mô tả kiến trúc. Một trong hai thứ này cho bạn biết mọi thứ trừ việc nó dùng để làm gì; thứ còn lại cho bạn biết chính xác nó dùng để làm gì và không cho biết gì về việc nó là gì.

Đó mới là trục thực sự của sự so sánh này, và nó không phải là trục mà hai bản ra mắt mời gọi. G​ranite 4.2 3B là một mô hình suy luận có thể tự lưu trữ với thông số kỹ thuật bạn có thể kiểm tra trước khi tải xuống. G​limpse là một bản xem trước nghiên cứu được lưu trữ mà toàn bộ năng lực được công bố là một hành vi — quay lại một khoảnh khắc bên trong một clip mà nó đã xem, quét lại nó ở tốc độ khung hình dày đặc hơn, và trả lời từ những gì nó tìm thấy ở đó. Cả hai đều không có trên danh mục của chúng tôi, và điều đó ở đây ít quan trọng hơn thường lệ, bởi vì quyết định giữa chúng không chủ yếu là một quyết định định tuyến.

Hai bản phát hành, hai chiến lược công bố trái ngược

Dòng Granite 4.2 của IBM là dòng suy luận dense ở ba kích cỡ — 3B, 8B và 30B — và 3B là mô hình nhỏ nhất trong ba. Nó được hậu huấn luyện từ Granite-4.1-3B-Base thông qua cái mà thẻ mô hình mô tả là pipeline ba giai đoạn, và vẫn giữ cửa sổ gốc 128.000 token của dòng này với lộ trình mở rộng đã được ghi tài liệu lên 512.000. Có mười hai ngôn ngữ được liệt kê là đã kiểm thử. Thẻ công bố toàn bộ kiến trúc: 40 lớp, chiều rộng embedding 2.560, feed-forward SwiGLU với chiều rộng ẩn 8.192, attention group-query trên 40 đầu truy vấn và 8 đầu khóa-giá trị ở kích thước đầu 64, cơ sở RoPE 10 triệu, RMSNorm ở epsilon 1e-5, embedding không buộc chung, trọng số bfloat16, và lớp phục vụ GraniteForCausalLM. Cách lấy mẫu được khuyến nghị là temperature 1.0 với top-p 0.95.

Bài đăng của E​lorian về G​limpse không công bố bất cứ điều nào trong số đó. Thay vào đó, điều nó công bố là một cơ chế. Trong các dấu vết minh họa được phát hành cùng mô hình, G​limpse thực hiện lượt chạy đầu tiên trên một clip ở tốc độ khoảng 8 khung hình/giây, tạo ra một cách diễn giải tạm thời, rồi quay lại chín phần mười giây của clip đó ở khoảng 14 khung hình/giây để giải quyết một câu hỏi mà lượt đầu không thể — trong ví dụ đã công bố, liệu camera đã lia máy hay cắt cảnh. Một dấu vết thứ hai theo dõi một cạnh cửa sổ từ khoảng 2,2 giây cho đến khi nó gần như dừng lại ở 5,13 giây. Công ty gọi bề mặt hiển thị là không gian nháp trực quan và nói rằng mô hình đã được huấn luyện từ đầu đến cuối để sử dụng các công cụ đa phương thức, sinh ra các tác nhân con trao đổi văn bản, hình ảnh và các biểu diễn nội bộ.

Cả hai đều là những chiến lược phát hành chính đáng, và chúng thất bại theo những cách trái ngược nhau. Một card công bố mọi thứ vẫn có thể sai về việc mô hình giỏi ở điểm nào. Một bài đăng công bố một cơ chế vẫn có thể chỉ đang mô tả một bản demo.

Đặc tả đã công bố, từng khía cạnh một

• Tham số — Granite 4.2 3B là một mô hình dense 3 tỷ tham số, khoảng 4B ở định dạng bfloat16 khi tính cả bảng embedding. Số lượng tham số của Glimpse chưa bao giờ được Elorian công bố; tuyên bố duy nhất về kích thước trong bài đăng ra mắt là khẳng định nó là "một mô hình nhỏ hơn và rẻ hơn đáng kể" so với các hệ thống tiên tiến mà nó dùng để đánh giá so sánh.

• Cửa sổ ngữ cảnh — 128.000 token gốc cho G​ranite 4.2 3B, kèm lộ trình đã được ghi nhận lên tới 512.000. Không được công bố cho G​limpse, và đây là khoảng trống hệ trọng nhất trên bảng thông số, xét rằng năng lực chủ đạo của nó là đọc video.

• Trọng số — Apache 2.0 trên Hugging Face cho G​ranite 4.2 3B: tải về, chạy trên phần cứng của bạn, tinh chỉnh nó, phát hành nó. Không có gì cho G​limpse. Đây là một API và một giao diện trò chuyện với đăng ký miễn phí, và không có gì trong bài đăng gợi ý rằng trọng số sẽ sớm có.

• Tính sẵn có dạng hosted — IBM không phát hành API hosted first-party nào cùng với 3B khi ra mắt; tấm thẻ chính là sản phẩm bàn giao. Glimpse thì ngược lại: chỉ có hosted, không có artefact nào để giữ lại.

• Giá — 0,60 USD cho mỗi triệu token đầu vào và 3,00 USD cho mỗi triệu token đầu ra đối với Glimpse. Còn với Granite 4.2 3B thì hoàn toàn không có bảng giá, bởi chi phí chỉ là tiền điện và phần cứng mà bạn đã sở hữu.

• Đánh giá độc lập — không bên nào có bất kỳ thứ gì đáng kể. Các con số của Granite 4.2 3B là của chính IBM; của Glimpse là của chính Elorian. Ở khía cạnh cụ thể này, hai bản phát hành đều chưa được kiểm chứng như nhau, một điều đáng nói thẳng ra trước khi bất kỳ ai coi một trong hai là bên đáng tin cậy. p>img src="3.png" alt="Một bảng điểm có tiêu đề 'Glimpse vs Granite 4.2 3B — khoảng cách công bố thông tin' với tiêu đề phụ 'Sáu khía cạnh, cả hai bên, cùng nhãn'. Hai cột dùng chung sáu nhãn hàng. Cột bên trái, mang tiêu đề 'Elorian Glimpse', ghi 'Tham số: không công bố', 'Ngữ cảnh: không công bố', 'Trọng số: không có; chỉ API và chat', 'Mô hình nền: không nêu tên; chỉ được mô tả là open-weights', 'Sản phẩm công bố: một bài đăng ra mắt kèm các ví dụ minh họa', 'Kiểm chứng được trên phần cứng của bạn: không'. Cột bên phải, mang tiêu đề 'Granite 4.2 3B', ghi 'Tham số: dense 3B, khoảng 4B ở bfloat16', 'Ngữ cảnh: 128.000 gốc, 512.000 khi mở rộng', 'Trọng số: Apache 2.0 trên Hugging Face', 'Mô hình nền: Granite-4.1-3B-Base, có nêu tên', 'Sản phẩm công bố: thẻ mô hình đầy đủ, kiến trúc, các mặc định lấy mẫu', 'Kiểm chứng được trên phần cứng của bạn: có'. Một dòng chân trang ghi 'Số liệu Glimpse do nhà cung cấp báo cáo và chưa được tái tạo. Số liệu Granite 4.2 3B theo thẻ mô hình đã công bố của IBM; các benchmark agentic không được công bố cho bản 3B.' Logo OrcaRouter nằm ở góc dưới bên phải." />

Tại sao hai thứ này không thể thay thế cho nhau

Điều dễ mắc phải là đặt một mô hình 3 tỷ tham số đối đầu với một bản xem trước có kích cỡ bí ẩn như David đối đầu Goliath, và cách đặt vấn đề đó sai theo cả hai hướng.

Granite 4.2 3B là một mô hình suy luận và tuân theo chỉ dẫn. Bộ đánh giá đã công bố của nó gồm AIME 2025 ở mức 78,33, HMMT tháng 2 năm 2025 ở mức 66,67, GPQA ở mức 54,80, LiveCodeBench v6 ở mức 69,71, MMLU-Pro ở mức 67,84, IFBench ở mức 74,33, BFCL v4 ở mức 52,41, và RULER ở mức 67,52 cho đầu vào 64K, giảm xuống 55,30 ở 128K. Hãy chú ý điều còn thiếu trong danh sách đó: không có dòng SWE-Bench nào và không có dòng Terminal-Bench nào ở 3B, dù các thành viên lớn hơn trong gia đình có mang một giai đoạn học tăng cường dạng tác nhân. IBM đã từ chối công bố các con số lập trình dạng tác nhân cho thành viên nhỏ nhất thay vì ước lượng chúng, và sự trung thực đó mang tính thông tin hơn là một dòng được đắp vào cho đầy đủ.

G​limpse không cạnh tranh trên bất kỳ trục nào trong số đó. Bảng so sánh của chính E​lorian đưa nó lên trước GPT-6 Astra ở WGO Bench (42,70 so với 39,42), CharXiv-R (92,90 so với 92,10), UGC-VideoCap (82,66 so với 80,32) và FSC-147 (83,36 so với 82,02), và xếp sau ở BabyVision (95,36 so với 97,68), DREAM-1K (76,04 so với 79,05), TOMATO (93,60 so với 96,02), Video-MME v2 (56,68 so với 64,06), CountQA (82,66 so với 86,42) và Humanity's Sixth Sense (46,36 so với 53,6). Mỗi một dòng trong số đó đều do nhà cung cấp báo cáo, chưa được tái lập, được chạy ở mức nỗ lực suy nghĩ cao nhất của G​limpse với bộ khung tác nhân gốc của nó, kèm theo chú thích tiết lộ rằng một số đối thủ đã được đánh giá dưới mức tối đa của họ. G​ranite 4.2 3B chưa từng được chạy trên bất kỳ bài nào trong số đó.

Vậy bức tranh trung thực là không có bảng điểm chung, bởi vì không có nhiệm vụ chung. Một mô hình văn bản 3B không thể quét lại một khoảng video, và một bản xem trước tua lại video không thể được tải xuống máy tính xách tay.

Khi lập luận về quy mô lại nghiêng theo hướng ngược lại

Lập luận mạnh nhất cho Granite 4.2 3B trong so sánh này không phải là hiệu năng. Mà là việc 3 tỷ tham số dense là một cấu hình triển khai thực tế. Ở dạng bfloat16 4B, trọng số chỉ chiếm vài gigabyte, nghĩa là một bản build đã lượng tử hóa có thể chạy trên một accelerator tiêu dùng đơn lẻ hoặc, ở độ chính xác thấp, trên một laptop đời mới. Mười hai ngôn ngữ đã được kiểm thử là đủ cho một triển khai ở châu Âu hoặc Ấn Độ, nơi lộ trình hỗ trợ mười hai ngôn ngữ là yêu cầu bắt buộc chứ không phải thứ "có thì tốt". Apache 2.0 loại bỏ hoàn toàn câu chuyện giấy phép. Và cửa sổ 128K với phần mở rộng 512K đã được ghi tài liệu, nghĩa là việc hoạch định dung lượng dựa trên nó là phép tính số học chứ không phải phỏng đoán.

Điểm thuyết phục nhất của Glimpse là điều không có tương đương ở mô hình nhỏ: những câu hỏi mà việc lấy mẫu theo lịch trình cố định không thể trả lời. Liệu camera đã lia hay cắt cảnh. Liệu vật thể trong khung hình ở giây thứ 12 có phải là cùng vật thể đã rời khung hình ở giây thứ 4 hay không. Điều gì đã xảy ra trong nửa giây quanh một sự kiện. Không phải vì cần một mô hình lớn mà những điều này khó. Chúng khó vì thông tin chưa bao giờ được lấy mẫu, và nhiều tham số hơn ở 8 khung hình mỗi giây cũng không khôi phục được nó. Việc dành thêm tính toán cho một khoảng sau khi toàn bộ clip đã được xem là một câu trả lời thực sự khác biệt, và không lượng trọng số mở nào trong một gói 3B có thể thay thế được điều đó.

Nơi duy nhất mà bản xem trước được lưu trữ không thể theo tới

Có một lý do mang tính tuân thủ để quan tâm đến sự bất đối xứng, và nó chẳng liên quan gì đến chất lượng của mô hình nào trong hai mô hình đó cả.

Sản phẩm bàn giao của Granite 4.2 3B là một tệp. Nếu video, tài liệu hoặc hồ sơ khách hàng không thể rời khỏi hạ tầng của bạn — và trong hầu hết các triển khai được quản lý chặt chẽ thì điều đó không thể xảy ra — thì mô hình chạy ngay tại nơi dữ liệu ở, và toàn bộ câu hỏi về tính sẵn sàng của nhà cung cấp, giới hạn tốc độ, khu vực và thời gian lưu trữ biến mất. Glimpse không có lựa chọn như vậy. Khả năng của nó chỉ tồn tại phía sau endpoint của Elorian, nghĩa là đoạn phim được gửi đến Elorian, và không có tài liệu nào được công bố nói khác.

Đó là nơi một lớp định tuyến đáng để dành một câu, và cũng là nơi nó không đáng.giá niêm yết của nhà cung cấp được chuyển nguyên vẹn và không cộng thêm gì trên mỗi token, nhờ đó một khối lượng công việc có thể kết hợp một Granite 4.2 3B tự vận hành trên phần cứng của riêng bạn với các mô hình được lưu trữ trên cùng một đường mã, và cơ chế chuyển đổi dự phòng tự động giữ cho một tuyến luôn hoạt động khi một trong số chúng gặp sự cố. Một DSL định tuyến quyết định mô hình nào nhận yêu cầu nào mà không cần viết lại trong ứng dụng. Điều nó không làm là thay đổi câu hỏi về quyền quản lý: một lớp định tuyến di chuyển các yêu cầu giữa các điểm cuối, và nếu một điểm cuối không nằm trong tòa nhà của bạn, định tuyến không thể đặt nó ở đó. Cả Granite 4.2 3B lẫn Glimpse đều không có trong danh mục của chúng tôi hiện nay — Granite 4.2 3B là một bản tải xuống còn Glimpse là API riêng của Elorian — nên đây là một tuyên bố về cách chúng tôi định tuyến và định giá, không phải một lời khẳng định rằng chúng tôi phục vụ một trong hai.

Đọc cả hai bảng benchmark với cùng một sự hoài nghi

Hai thói quen đáng mang vào cả hai bản phát hành, vì chẳng bản nào thoát khỏi chúng.

Điều đầu tiên là bảng benchmark của một nhà cung cấp là một sự chọn lọc, chứ không phải một phép đo. Bảng của E​lorian có điểm bất thường ở chỗ nó công bố cả những dòng mà mô hình của chính mình thua — đó là một tín hiệu đáng tin cậy, và nó vẫn là một bảng do nhà cung cấp tự tập hợp, trên những tác vụ do nhà cung cấp chọn, ở những cấu hình do nhà cung cấp thiết lập. Thẻ G​ranite của I​BM thì hẹp hơn và thông thường hơn: các benchmark học thuật tiêu chuẩn, được công bố ở một cấu hình đã nêu rõ, với các dòng agentic đơn giản là vắng mặt ở 3B thay vì được thay bằng thứ gì đó tâng bốc.

Điều thứ hai là con số còn thiếu thường mới là con số trụ cột. Với G​ranite 4.2 3B, con số đáng quan tâm hoàn toàn không nằm trên thẻ: không ai ngoài I​BM công bố thông lượng hay độ chính xác tác vụ thực tế cho mô hình 3B ở ngữ cảnh 128K, và việc RULER giảm từ 67.52 xuống 55.30 giữa 64K và 128K là một lời cảnh báo rằng cửa sổ suy giảm từ rất lâu trước khi chạm tới giới hạn của nó. Với G​limpse, con số trụ cột còn thiếu là cửa sổ ngữ cảnh, bởi vì một tính năng suy luận video mà cửa sổ không thể chứa nổi đoạn phim mà một quy trình thực tế đưa cho nó thì chỉ là bản trình diễn chứ không phải công cụ.

Điều gì sẽ giải quyết được chuyện này, và trong lúc chờ đợi thì nên làm gì

Ba sự kiện sẽ làm thay đổi sự so sánh này, và không có sự kiện nào trong số đó đã xảy ra.

Một khung kiểm thử độc lập tái tạo một trong hai bộ số liệu sẽ là lần đầu tiên. Bảng Glimpse của Elorian và thẻ Granite 4.2 3B của IBM đều do tự báo cáo, trên các tác vụ khác nhau, và hai bản phát hành giống hệt nhau ở đúng một khía cạnh: sự thiếu vắng xác minh từ bên ngoài.

Việc Glimpse công bố cửa sổ ngữ cảnh, số lượng tham số hay mô hình nền tảng của mình sẽ là điều thứ hai. Bất kỳ con số nào hiện đang được lưu truyền về kích thước của Glimpse đều là ước tính chứ không phải là một công bố chính thức, và việc coi một ước tính như một thông số kỹ thuật chính là cách một kế hoạch năng lực đi sai hướng.

Việc Granite 4.2 3B có được một giai đoạn agentic-RL, hoặc một endpoint do chính chủ host, sẽ là điều thứ ba. Một trong hai điều đó sẽ thay đổi làn mà 3B đang nằm trong.

Cho đến lúc đó, quy tắc quyết định rất ngắn. Nếu công việc là văn bản, nếu nó phải chạy trên phần cứng do bạn kiểm soát, nếu giấy phép phải là Apache 2.0, hoặc nếu dữ liệu không thể vượt qua ranh giới mạng, thì Granite 4.2 3B là câu trả lời và câu hỏi về Glimpse không hề nảy ra — hãy tải nó về, tự chạy đánh giá của riêng bạn, và coi những hàng agentic còn thiếu trong card như một ranh giới chứ không phải một khoảng trống. Nếu công việc là video và kiểu thất bại mang tính thời gian thay vì ngữ nghĩa, thì Glimpse là cái duy nhất trong hai mà cơ chế được nêu ra nhắm vào điều đó, việc đăng ký miễn phí khiến việc dùng thử trở nên ít tốn kém, và chính trace là bài kiểm tra: hãy chạy một clip, đọc không gian nháp thị giác, và kiểm tra xem mô hình có bao giờ quay lại khoảng thời gian đã quyết định câu trả lời hay không. Cả hai, ngay lúc này, đều chưa được xác minh. Chỉ một trong hai có thể được xác minh trên phần cứng của chính bạn.

Các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive, trong đó mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.