Glimpse vs MiniCPM5 2B: Bảy tuần dấu vết giấy tờ và chín phần mười giây

MiniCPM5-2B và E​lorian G​limpse đều là những mô hình nhỏ được tuyên bố là đánh bại được những thứ lớn hơn chúng rất nhiều, và cả hai đưa ra tuyên bố ấy bằng hai đơn vị đo trái ngược nhau. MiniCPM5-2B, được M​odelBest và O​penBMB giới thiệu tại WAIC ngày 19 tháng 7 năm 2026 và cuối cùng được phát hành trọng số vào ngày 6 tháng 9 năm 2026, đi kèm một thẻ mô hình đạt trung bình 53,9 trên bộ kiểm thử của chính nó, so với các mô hình mở lớn hơn đạt mức cao nhất là 51,1. G​limpse, phát hành ngày 16 tháng 10 năm 2026, đi kèm một cửa sổ 0,9 giây — một lượt xử lý đầu tiên ở tốc độ khoảng 8 khung hình mỗi giây, rồi quét lại trong chín phần mười giây ở tốc độ khoảng 14 khung hình mỗi giây — cùng một loạt hàng điểm chuẩn là của chính nhà cung cấp, chưa được tái lập, và đáng chú ý là khá lẫn lộn. Một trong hai mô hình này có bảy tuần dấu vết tài liệu công khai phía sau và một sản phẩm có thể tải về. Mô hình kia có một cơ chế và gần như không có con số nào.

Việc so sánh này thực ra không phải là so hai phiên bản của cùng một thứ, bởi vì MiniCPM5-2B là một mô hình suy luận tổng quát cũng đọc được hình ảnh, trong khi Glimpse là một bản xem trước suy luận thị giác được vận hành dưới dạng dịch vụ và hầu như không làm gì khác. Lý do nên đọc chúng cùng nhau là cả hai đều là những lập luận về việc các mô hình nhỏ có thể làm được gì — và hai lập luận ấy thất bại theo những cách khác nhau, đầy tính gợi mở.

Sự chờ đợi, và những gì sự chờ đợi đã tạo ra

Dòng thời gian của MiniCPM5-2B đáng được tái dựng, vì đó là phần của câu chuyện mà một tìm kiếm theo ngày phát hành sẽ bỏ sót.

Mô hình đã được công bố vào ngày 19 tháng 7 năm 2026 tại Hội nghị Trí tuệ Nhân tạo Thế giới, nơi khả năng gây chú ý nhất là cửa sổ ngữ cảnh 512.000 token. Các trọng số mãi đến ngày 6 tháng 9 mới xuất hiện, cùng với nhật ký thay đổi vào ngày 7 tháng 9. Giữa hai ngày đó, mô hình chỉ tồn tại như một bản trình diễn và một tập hợp các con số.

Bản được phát hành không phải là bản đã được quảng cáo, và khoảng cách đó có thể kiểm chứng được. Cấu hình được phát hành đặt max_position_embeddings thành 131.072 mà không có khối rope_scaling, tức là 131.072 token — bằng một phần tư con số của WAIC. Đó không hẳn là sự không trung thực mà đúng hơn là khác biệt thông thường giữa thứ một nhóm nghiên cứu trình diễn trên sân khấu và thứ một nhóm kỹ thuật sẵn sàng ký duyệt trong một tệp cấu hình, nhưng đó mới là con số quan trọng, vì nó là con số mà bản triển khai của bạn thừa hưởng.

Những gì được phát hành đầy đủ một cách bất thường đối với một mô hình trong phân khúc kích thước này. Bên cạnh checkpoint BF16 cuối cùng — đã hợp nhất RL với OPD — còn có các giai đoạn SFT, midtrain và base được phát hành riêng, các bản dựng GGUF, MLX và GPTQ cho runtime cục bộ, một mô hình nháp DSpark cho giải mã suy đoán, và bản thân các ngữ liệu huấn luyện cũng được phát hành dưới dạng họ UltraData. Hỗ trợ ngay từ ngày đầu trên chín chipset được cung cấp thông qua FlagOS, và thẻ mô hình nhấn mạnh rằng phần triển khai không dùng kernel tùy chỉnh nào và không dùng bản fork mã mô hình nào. Chi tiết cuối cùng đó chính là điều khiến phần còn lại trở nên đáng tin: một mô hình chạy trên công cụ nguyên bản là một mô hình chạy được ở nơi bạn ở, chứ không chỉ ở nơi cụm máy của các tác giả đặt.

Dòng thời gian của G​limpse bị nén lại khi so sánh và dấu vết giấy tờ của nó mỏng hơn. Được phát hành ngày 16 tháng 10 năm 2026, một ngày trước bài viết này, dưới dạng bản xem trước nghiên cứu có thể truy cập qua API và giao diện trò chuyện của E​lorian với đăng ký miễn phí. Không có trọng số, không công bố mô hình nền mà nó được hậu huấn luyện từ đó, không có bất kỳ tạo tác nào. Công ty đã công khai hoạt động vào tháng 4 năm 2026 do Andrew Dai, một cựu nhà nghiên cứu G​oogle, đứng sau, với 55 triệu USD từ Striker Ventures, Menlo Ventures và Altimeter, cùng sự tham gia của N​VIDIA, 49 Palms và Jeff Dean. Mô hình này là thứ đầu tiên công ty phát hành.

Các con số, và mỗi bộ bao gồm những gì

• Tham số — MiniCPM5-2B có tổng cộng 2,516,756,480 tham số, trong đó 1,981,982,720 là không thuộc embedding; 42 lớp, cơ chế attention group-query trải trên 16 đầu truy vấn và 2 đầu khóa-giá trị, được phục vụ thông qua một lớp LlamaForCausalLM nguyên bản. Số tham số của G​limpse chưa được công bố, và bài đăng ra mắt của nó chỉ nói rằng nó "nhỏ hơn và rẻ hơn đáng kể" so với các mô hình tiên tiến mà nó lấy làm mốc so sánh.

• Sản phẩm — trọng số Apache 2.0 cùng các biến thể SFT, midtrain, base, GGUF, MLX và GPTQ cho MiniCPM5-2B. Không có gì cho G​limpse, vốn chỉ cung cấp endpoint được host sẵn và không có gì để tải về.

• Ngữ cảnh — 131.072 token như được cấu hình cho MiniCPM5-2B, so với con số 512.000 token được quảng bá tại buổi trình diễn WAIC. Không được công bố đối với Glimpse — khoảng trống quan trọng hơn trong hai khoảng trống, vì năng lực đặc trưng của nó là đọc video.

• Phương thức — đầu vào là hình ảnh, đầu ra là văn bản cho MiniCPM5-2B. Video và hình ảnh cho Glimpse, với khả năng quay lại một khoảng sau lần xử lý đầu tiên.

• Đánh giá — Thẻ của MiniCPM5-2B báo cáo LiveCodeBench v6 ở mức 69,1, AIME 2025 và 2026 đều ở mức 86,5, MATH-500 ở mức 94,6, MMLU-Pro ở mức 70,8, LongBench v2 ở mức 43,7, BFCL v4 ở mức 66,6 và SWE-bench Verified ở mức 46,4, với một số dòng được đánh dấu bằng ký hiệu dao găm (†) là kế thừa từ một bản phát hành của Artificial Analysis thay vì được đo lường nội bộ. Các dòng của G​limpse là của chính E​lorian, so với GPT-6 Astra, kèm theo một chú thích tiết lộ rằng một số đối thủ đã được chạy dưới mức nỗ lực suy nghĩ tối đa trong khi G​limpse chạy ở mức cao nhất của nó.

• Giá — $0.60 mỗi triệu token đầu vào và $3.00 mỗi triệu token đầu ra cho Glimpse, với phần tua lại được tính như token đầu ra, nên dấu vết chính là biên lai. Không có bảng giá cho MiniCPM5-2B, vì sản phẩm bàn giao là một tệp.

Lời khẳng định mà cả hai người họ đưa ra, và những cách khác nhau mà nó đúng.

Tuyên bố trung tâm của MiniCPM5-2B mang tính số học và có thể kiểm chứng. Một mô hình 2,5 tỷ tham số, điểm trung bình trên card là 53,9, đối đầu với các mô hình mở lớn hơn có điểm trung bình tốt nhất là 51,1 trên cùng bộ kiểm tra. Đó là một tuyên bố có dạng “thứ nhỏ bé này đánh bại thứ to lớn kia trên những tác vụ này”, và bất kỳ ai có một GPU cùng một buổi chiều đều có thể phản chứng nó, bởi vì trọng số chỉ cần tải về và các bài kiểm tra đã được công bố.

Cơ chế của nó được ghi lại thành ba giai đoạn: tinh chỉnh có giám sát trên khoảng 400 tỷ token dữ liệu suy nghĩ sâu, học tăng cường với các mô hình giáo viên, và sau đó là chưng cất on-policy hợp nhất mười sáu chuyên gia RL — năm trong số đó thuộc dạng agentic — trở lại thành một checkpoint. Các con số nội bộ gắn với lần hợp nhất đó là mức tăng 10,96 điểm trên các tác vụ suy luận và tổng quát, và 6,96 điểm trên các tác vụ agentic so với trạng thái trước khi hợp nhất. Đó là những phép đo của chính nhà cung cấp đối với pipeline của chính họ, và chúng thuộc dạng tuyên bố mà giờ đây bên thứ ba có thể đi kiểm chứng, đó chính là mục đích của việc phát hành cả các checkpoint trung gian lẫn checkpoint cuối cùng.

Tuyên bố trung tâm của Glimpse không phải là số học. Đó là một hành vi: rằng việc quay lại một cửa sổ dưới một giây sau lượt đầu tiên tạo ra câu trả lời cho các câu hỏi về thời gian tốt hơn những gì việc lấy mẫu trên một lưới cố định có thể làm được. Bằng chứng hỗ trợ là một tập hợp các vết đã được xử lý và một bảng điểm chuẩn gần như chia đều — dẫn trước 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); kém hơn 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).

Cả hai tuyên bố đều có vẻ hợp lý. Hiện tại chỉ một trong số đó có thể được kiểm chứng bởi người ngoài công ty đã đưa ra tuyên bố ấy.

Hai tiết lộ có điểm gì chung

Thẻ MiniCPM5-2B có các ký hiệu chữ thập trên một tập hợp con các hàng của nó, đánh dấu chúng là những số liệu được lấy từ một bản công bố của Artificial Analysis chứ không phải do chính các tác giả đo lường. Hãy coi đó là một sự công bố minh bạch chứ không phải một khiếm khuyết. Cách thay thế — lặng lẽ gộp số đo của người khác vào bảng của mình mà không có dấu hiệu nào — thì phổ biến và tệ hơn.

Cả hai mô hình, dựa trên bằng chứng hiện có, đều chưa được kiểm chứng theo cùng một nghĩa cụ thể. Bảng của Glimpse do nhà cung cấp thực hiện ở cấu hình tốt nhất của nhà cung cấp. MiniCPM5-2B cũng không có bản tái lập độc lập nào cho mức trung bình trên card của nó, bất kể nguồn gốc của từng hàng riêng lẻ là gì. Ở khía cạnh này, hai bản phát hành là giống hệt nhau, và đáng để lưu ý điều đó trước khi một trong hai được coi là nửa đáng tin cậy của phép so sánh.

Điểm khác biệt mạnh mẽ hơn nằm ở điều xảy ra tiếp theo. Bất kỳ ai cũng có thể tải MiniCPM5-2B và chạy đánh giá của riêng họ ngay chiều nay, trên dữ liệu của chính họ, mà không cần hỏi ai. Không ai có thể làm điều đó với G​limpse. Bản dùng thử là miễn phí và có thể kiểm tra các dấu vết, nhưng việc đánh giá bị giới hạn bởi những gì E​lorian chọn để hiển thị và endpoint là nơi duy nhất mô hình tồn tại.

Khi quyền giám hộ quyết định vấn đề

Đây là khía cạnh mà hai mô hình không gần nhau, và điều đó không liên quan gì đến năng lực.

Sản phẩm bàn giao của MiniCPM5-2B là một bộ tệp theo giấy phép Apache 2.0, bao gồm bản dựng GGUF và bản dựng MLX. Điều đó có nghĩa là mô hình chạy trên một chiếc laptop, hình ảnh không bao giờ rời khỏi máy, và việc triển khai không có nhà cung cấp nào trong đường đi yêu cầu — không có cửa sổ khả dụng, không có câu hỏi về lưu trữ, không có giới hạn tốc độ, không có mức giá nào có thể thay đổi dưới chân bạn. Đối với công việc chịu quản lý có sử dụng hình ảnh, hoặc với bất cứ thứ gì mà phương tiện không thể vượt qua ranh giới mạng, thì đó đã là toàn bộ quyết định, và G​limpse không phải là một lựa chọn dù dấu vết có trông tốt đến đâu.

Năng lực của G​limpse chỉ tồn tại phía sau endpoint của E​lorian. Đặc điểm phân biệt của nó là không gian nháp trực quan, và không có artefact nào để di dời. Đó không phải là lỗi của sản phẩm; đó là một đặc tính của bản xem trước nghiên cứu mà giá trị của nó có thể nói là nằm ở cơ chế chứ không phải ở các trọng số.

Đây cũng là nơi một lớp định tuyến trở nên hữu ích, và cũng là nơi nó không còn hữu ích nữa. OrcaRouter cho bạn một khóa duy nhất đặt trước hơn 200 mô hình, với giá niêm yết của nhà cung cấp được chuyển nguyên và không cộng thêm gì trên mỗi token, nhờ đó một MiniCPM5-2B chạy cục bộ và một mô hình lưu trữ có thể nằm trên cùng một luồng mã thay vì hai luồng, với một DSL định tuyến lựa chọn theo từng yêu cầu và cơ chế chuyển đổi dự phòng tự động giữ cho yêu cầu tiếp tục chạy khi một tuyến gặp sự cố. Phần lưu trữ trong hỗn hợp đó, nếu nhà cung cấp cắt giá, sẽ có hiệu lực ngay bên phía chúng tôi trong cùng ngày chứ không phải đợi đến kỳ gia hạn tiếp theo. Điều mà định tuyến không thể làm là chuyển quyền quản lý: nếu một điểm cuối không nằm trên phần cứng của bạn, thì không quy tắc định tuyến nào đưa nó đến đó được. Cả MiniCPM5-2B lẫn G​limpse đều không có trong danh mục của chúng tôi — một cái là bản tải về, còn cái kia là API và giao diện trò chuyện của chính E​lorian — nên phần này mô tả cách chúng tôi định tuyến, chứ không phải một tuyên bố rằng chúng tôi phục vụ mô hình nào trong hai mô hình đó.

Quyết định, cùng với phần kế toán đính kèm

MiniCPM5-2B và Glimpse không phải là đối thủ của nhau, và coi chúng là đối thủ chỉ làm lãng phí sự so sánh. Một bên là mô hình tổng quát 2,5 tỷ tham số mà bạn có thể sở hữu. Bên còn lại là bản xem trước dạng dịch vụ, chỉ làm một việc khác thường.

Không có bảng điểm chung giữa hai mô hình này, và cũng không có cách nào để tạo ra một bảng như vậy. Thẻ của MiniCPM5-2B đo lường khả năng lập trình, toán học, tuân theo chỉ dẫn và truy xuất ngữ cảnh dài. Bảng của G​limpse đo lường khả năng nhận thức video và hình ảnh so với GPT-6 Astra. Hai bên không chia sẻ tác vụ nào, nên những so sánh duy nhất đáng quan tâm là so với chính khối lượng công việc của bạn. Ba câu hỏi sẽ giải quyết điều đó nhanh hơn một bảng.

Mô hình có phải chạy trên phần cứng của riêng bạn không, hay giấy phép có phải là loại thông thoáng không? Vậy thì MiniCPM5-2B là ứng viên duy nhất ở đây. Hãy tải bản dựng GGUF hoặc MLX, dự trù cho ngữ cảnh 131.072 token mà cấu hình thực sự đặt ra thay vì 512.000 token được hiển thị tại WAIC, và coi các hàng có dấu kiếm trong thẻ là chỉ dẫn tới đánh giá gốc chứ không phải là các phép đo do nhóm tác giả thực hiện.

Phải chăng kiểu lỗi này mang tính thời gian — một cú lia máy bị nhầm thành một cú cắt cảnh, một đối tượng đổi danh tính qua một lần bị che khuất, một sự kiện nằm trong cửa sổ dưới một giây? Vậy thì G​limpse là cái duy nhất trong hai cái mà cơ chế được nêu rõ xử lý được điều đó. Bản dùng thử là miễn phí, còn dấu vết chính là phép thử: hãy chạy các clip của riêng bạn và kiểm tra xem mô hình có bao giờ quay lại khoảng thời gian đã quyết định câu trả lời hay không.

Công việc có phải là ngữ cảnh dài nhưng không phải video dài — một tập tài liệu, một kho hồ sơ, một dấu vết kiểm toán phải nằm gọn trong một cửa sổ? Đánh giá đã công bố của cả hai mô hình đều không giải quyết được điều đó. LongBench v2 ở mức 43,7 chỉ là một con số duy nhất cho cả một loại hành vi, và nó sẽ không cho bạn biết MiniCPM5-2B hoạt động ra sao trên tài liệu của bạn ở 120.000 token. Điều đó phải được đo lường trước khi bất kỳ quyết định nào trong hai quyết định đó là an toàn.

Điều gì sẽ thay đổi trang này: việc bất kỳ ai không phải E​lorian tái lập các hàng benchmark của G​limpse, việc công bố số lượng tham số hoặc cửa sổ ngữ cảnh của nó, hay một checkpoint MiniCPM5 thu hẹp khoảng cách giữa cấu hình 131.072 token và bản trình diễn 512.000 token. Không có điều nào trong số đó được lên lịch. Cho đến khi chúng đến, một trong những mô hình này có thể được bất kỳ ai kiểm thử ngay tối nay, còn mô hình kia thì không — và chính sự bất đối xứng đó, hơn bất kỳ hàng benchmark nào, là điều cần tính đến khi lập kế hoạch.

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.