Glimpse 与 Gemma 4 12B：对抗下载的回溯机制

这两者之所以常被拿来相互比较，主要是因为它们都被描述为视觉模型，而这个说法几乎没起到什么作用。Glimpse由 Elorian 于 2026 年 10 月 16 日发布，是一个托管式研究预览，其标志性行为是能够回头再看——以更密的帧率重新扫描片段的某一部分、放大某个区域，或跨时间追踪某一特征——并且只能通过厂商的 API 和聊天界面访问。G​emma 4 12B则是 G​oogle DeepMind 的稠密、119.5 亿参数开放权重检查点，于 2026 年 6 月 3 日以 Apache 2.0 许可发布，由你自行下载并在自己的硬件上运行，它以相反的方式回答了同一个问题：它是一件固定的产物，有着固定的抽帧计划，无论你怎么看它，都不会让它倒回去重看。

所以，诚实的说法不是“哪个在视觉方面更强”。而是：其中一个是你要租用的能力，另一个是你拥有的文件，而它们之间的选择取决于那些与基准测试榜单上的行毫无关系的事实。

真正起决定作用的区别

先从它们在物理层面分别是什么说起。Gemma 4 12B 是一组权重。Hugging Face 上的指令微调检查点是一个采用 bfloat16 的单一 23.92 GB safetensors 文件；Google 自家的量化感知训练构建版本中，权重约为 6.98 GB，外加一个 0.18 GB 的多模态投影文件，而社区版 Q4_K_M 构建版本则在 7.1 GB 左右。你可以持有它、对它进行微调、进一步量化它、把它装进产品里交付，并在无网络、无计量的情况下运行它。这就是全部的价值主张。

Glimpse 是一种形态截然相反的对象。它没有权重。没有参数数量，没有可下载的产物，也没有已发布的架构，除了这样一个说法：它是在一个 Elorian 未具名的“开放权重基础模型”上后训练而来的。存在的只有 API、platform.elorian.ai 上带免费注册的聊天界面，以及一种已发布的行为：模型的视觉草稿空间，在其中，随着思考展开，它会重新审视并细化内部的视觉表征。

这种不对称是首先要计入考量的因素，而它是一把双刃剑。一个可下载的检查点不会在你脚下被弃用，不会在某个版本字符串背后改变行为，也不会因为别人的 us-east-1 不高兴就在凌晨 3 点故障。带有回退机制的托管预览无法在气隙隔离的机器上运行，而且——对于 Gemma 4 12B 对比来说最重要的一点——无法被塞进 16 GB 内存，因为根本没有东西可供塞入。

以供应商自己的数据来看，倒带能换来什么

Elorian 的实例是已发布的关于 Glimpse 的内容中最具体的，它们值得作为描述而非评分来阅读。在一段追踪中，模型先以大约每秒 8 帧进行第一遍处理，形成一个初步解读，然后返回并以大约 14 fps 重新扫描一个 0.9 秒的窗口，以判断它看到的是摇镜还是剪切。在另一个案例中，它从片段的大约 2.2 秒处开始跟踪一条单一的窗口边缘，直到运动在 5.13 秒时几乎停止。

Gemma 4 12B 没有对应物。它按照你选择的时间表将视频作为帧序列处理，而一旦选定这些帧，落在它们之间的任何内容就都消失了。这不是缺陷——对于具有已公开推理路径的开放权重检查点来说，这正是它应该做的——但这正是 rewind 之所以存在所要回答的那一类问题。

Gemma 4 12B 真正拉开差距的地方，在于你用一个模型所能做的每一件事。在 Google 自己发布的卡片上——它覆盖整个系列，且属厂商自报数据，而非经独立复现——12B 在 MMLU Pro 上得分 77.2%，在 GPQA Diamond 上得分 78.8%，在不使用工具的情况下 AIME 2026 得分 77.5%，LiveCodeBench v6 得分 72.0%，Codeforces ELO 为 1659，MMMU Pro 得分 69.1%，而在 128K、八根针条件下的 MRCR v2 上得分 43.4%。Glimpse 在该系列中什么都没有公布——没有推理基准，没有编程基准，没有知识基准。这场比较谈不上接近，因为这场比较从未被跑过。

记分卡，以及哪些空白是有意为之

这两组已公布的证据没有交集。Glimpse 的表格是针对 GPT-6 Astra 的，而且由厂商自报，没有独立复现；Google 的表格也是如此。将二者并排阅读仍然有用，因为这显示了每家公司选择在哪些方面接受衡量。

• WGO Bench（操作事件）——Glimpse 42.70 对比 Astra 39.42。G​emma 4 12B：未报告。

• CharXiv-R — Glimpse 92.90 对比 92.10。Gemma 4 12B：未报告。

• UGC-VideoCap — Glimpse 82.66 对比 80.32。Gemma 4 12B：未报告。

• FSC-147 —— Glimpse 83.36 对比 82.02。G​emma 4 12B：未报告。

• Video-MME v2——Glimpse 56.68 对比 Astra 64.06 和 GPT-6.1 Sol 65.27。G​emma 4 12B：未报告。

• 人类的第六感 — Glimpse 46.36 对比 Astra 53.6。G​emma 4 12B：未报告。

• MMLU Pro — Gemma 4 12B 77.2%。Glimpse：未报告。

• LiveCodeBench v6 — G​emma 4 12B 72.0%。Glimpse：未报告。

• 独立评估 — Artificial Analysis 给 Gemma 4 12B 的智能指数评分为 14，在其对比类别中的 141 个模型里排名第 20，实测输出速度为每秒 110.9 个 token。Glimpse 没有任何形式的独立评分；它才刚发布一天。

Glimpse 表格还附有一条读者不应跳过的脚注：这些结果是在模型原生的智能体运行框架下、以最高思考强度得出的；而在大多数视频评测中，Sol 和 Opus 5.5 是以 high 而非 max 强度运行的，并且 HSS 一行还混入了其他实验室在论文中报告的数值。同样的严谨标准也适用于另一边——Google 模型卡中的数值是针对指令微调检查点公布的，未涉及任何第三方运行框架。

每一件花费多少，以及以什么单位计算

这正是形状差异最大之处，因为单位无法换算。

Glimpse 按 token 计价：每百万输入 token 0.60 美元，每百万输出 3.00 美元。Elorian 自己给出了这一对比——比定价 $10/$50 的 GPT-6 Astra 低 94%，比定价 $4/$20 的 Claude Opus 5.5 低 85%，比定价 $2/$10 的 GPT-6.1 Sol 低 70%，比 Gemini 3.8 Flash 的 $0.75/$3.75 入门价低 20%——并给出了一个任务级数字：一次机器人规划任务在 Glimpse 上花费 $0.035，而在 Astra 上为 $0.249。所有这些都是厂商就自家模型给出的数字。

G​emma 4 12B 没有厂商定价，因为没有厂商服务。它唯一存在的按 token 计算的数字是 Artificial Analysis 的混合价格：每百万输入 $0.10、每百万输出 $0.30，而这是提供开放权重的第三方平台的中位数，不是标价——G​oogle 不公布任何标价。如果你自行托管，你真正关心的数字根本不是费率表。而是一次 7 GB 的下载、一个 GPU 小时和电力。

其他一切都是由这一点推导出来的。一次 Glimpse 调用的边际成本随用量增长，而固定成本为零。Gemma 4 12B 部署的边际成本接近于零，而固定成本则是一台机器。盈亏平衡点是一个用量问题，没有厂商会替你公布它。

这对在我们自己的产品目录中处于什么位置

这两个模型都不是 OrcaRouter 所提供的，与其让读者自己去揣测，不如把话说直白些。Glimpse 可通过 Elorian 自家的 API 和聊天界面访问；G​emma 4 12B 是一个可供下载的模型，而通往它的托管路由，都是运行这套开放权重的第三方平台。我们确实提供路由的 G​emma 4 规格是 G​emma 4 26B A4B 和 G​emma 4 31B——同一系列中更大、能力更强的成员——如果你真正想问的是“我该调用哪个 G​emma 4 规格”，我们为这两款模型准备的页面会比本页更快给出答案。

在这种特定的比较中，路由层真正能体现价值的地方是中间那种情况：一个团队既想继续运行自己已经在自托管的 Gemma 4 规模，又想在不把生产路径押注在一个昨天才发布的模型上的前提下，试用一个尚未被验证的预览版。把两者放在同一个端点后面意味着预览版是处在自动故障转移的保护之内，而不是挡在它前面；而且一张会变动的价格表——研究预览版的价格表本就如此——在我们这边当天就能生效，而不必等到下一次合同续签。这是在说明我们的运作方式，并不是声称我们要托管这两者中的任何一个。

选择，鉴于它们并非替代品

如果你的工作是时序性的，而你的失败模式是“模型看了，但看得不够仔细”——某个物体在剪辑切换前后的同一性、亚秒级窗口内发生的事件、被遮挡后就会变化的计数——那么 Glimpse 就是首个所宣称机制直接针对这一点的托管模型，而免费注册让测试变得很便宜。去把你自己的片段拿给它跑一遍。然后检查暂存空间：如果模型从未重新扫描那个真正重要的时间区间，那么你学到的东西就不只是关于这个模型，也是关于你自己的流水线。

如果你的工作是把一个称职的多模态模型部署在你掌控的硬件上——按谷歌自己的说法，一台拥有 16 GB 内存的笔记本，或是一张 24 GB 的显卡来跑未量化版本——那么 G​emma 4 12B 就是那个成熟、授权明确、可做基准测试的答案，而且它背后有四个月的社区量化成果和工具链积累，这是问世仅一天的预览版所不具备的。这种成熟度绝非小事：它决定了一个模型是能让你围绕它规划一个季度，还是只能规划一周。

陷阱在于，因为 Glimpse 的表格在四行上胜过 Astra 就选择它，随后才发现这项工作需要的是推理，而不是重新扫描。该模型自己的 HSS 数字就是反对这种解读的证据——46.36 对 Astra 的 53.6，而这是在 Elorian 自己与 Scale AI 共同构建的基准上。公布一个你自己的模型未能登顶的结果，是一种可信度信号，它也精确地告诉你回退并不能修复什么。

这一切都并非假设：像本次这样的发布背后那些有据可查的 AI 故障与智能体事件，均收录于 OrcaRouter AI 事件档案库中，其中每条记录都附有自己的来源、严重程度、置信度评级和存疑标记。