Glimpse 与 Granite 4.2 3B：一个披露一切，一个披露一种行为

把两份规格表并排放在一起，这种对比会以一种不寻常的方向显得失衡。 Granite 4.2 3B由 IBM 于 2026 年 8 月 25 日以 Apache 2.0 许可证发布，随附的模型卡列出了层数、注意力头几何结构、RoPE 底数、归一化 epsilon、激活函数、嵌入绑定、隐藏维度、推荐采样温度，以及团队选择公布的每一行基准测试结果。 Elorian Glimpse于 2026 年 10 月 16 日发布，随附的只有一段 0.9 秒的视频轨迹。它没有公布参数量，没有上下文窗口，没有具名的基础模型，也没有架构描述。这两者中，一个告诉你一切，唯独不告诉你它用来做什么；另一个则恰好告诉你它用来做什么，却丝毫不说明它是什么。

那才是这一比较真正的轴线，而它并不是这两次发布所引向的那条轴线。G​ranite 4.2 3B 是一个可自托管的推理模型，其规格说明在你下载之前就可以审查。G​limpse 则是一个托管式的研究预览版，其已公布的全部能力都体现为一种行为——回到它已经看过的一段片段中的某个时刻，以更高的帧率重新扫描，并依据在那里所发现的内容作答。两者都不在我们的目录中，而这一点在此处比往常更不重要，因为二者之间的取舍首先并不是一个路由选择的问题。

两次发布，两种截然相反的披露策略

IBM 的 Granite 4.2 系列是覆盖三种规模的稠密推理模型——3B、8B 和 30B——其中 3B 是三者中最小的。它基于 Granite-4.1-3B-Base，经过模型卡所述的三阶段流水线进行后训练，并保留该系列 128,000 token 的原生窗口，同时有文档说明可扩展至 512,000 的路径。列出了十二种经过测试的语言。模型卡公布了完整架构：40 层，嵌入宽度 2,560，隐藏宽度为 8,192 的 SwiGLU 前馈网络，分组查询注意力，包含 40 个查询头和 8 个键值头，头大小为 64，RoPE 基数为 1,000 万，RMSNorm 的 epsilon 为 1e-5，未绑定嵌入，bfloat16 权重，服务类为 GraniteForCausalLM。推荐采样为 temperature 1.0、top-p 0.95。

Elorian 的 Glimpse 帖子没有发布其中任何内容。它发布的反而是一种机制。在随模型发布的实例轨迹中，Glimpse 以大约每秒 8 帧的速度对一段视频进行第一遍扫描，形成一个初步解读，然后以大约每秒 14 帧的速度回到该片段中 0.9 秒的内容上，以解决第一遍无法解决的问题——在已发布的示例中，即镜头是摇摄还是切换。第二条轨迹从大约 2.2 秒处开始追踪一个窗口边缘，直到它在 5.13 秒时几乎停止。该公司将显示表面称为视觉暂存空间，并称该模型已接受端到端训练，以使用多模态工具，衍生出交换文本、图像和内部表示的子智能体。

这两种都是合理的发布策略，而它们会以相反的方式失败。一张把所有内容都公开的模型卡，仍可能在模型擅长什么这一点上出错。一篇公开某种机制的帖子，仍可能只是在描述一个演示。

已发布的规范，按维度逐一

• 参数 — Granite 4.2 3B 是一个稠密的 30 亿参数模型，计入嵌入表后，在 bfloat16 下约为 4B。Elorian 从未公布过 Glimpse 的参数数量；发布文章中唯一涉及规模的表述，是声称它比其作为基准对比的前沿系统"规模小得多，成本也低得多"。

• 上下文窗口 —— G​ranite 4.2 3B 原生支持 128,000 tokens，并有文档说明可扩展至 512,000。G​limpse 则未公布，而鉴于其核心能力是读取视频，这是规格表上最关键的一处空白。

• 权重——Granite 4.2 3B 在 Hugging Face 上以 Apache 2.0 许可发布：你可以下载它、在自己的硬件上运行它、微调它、发布它。Glimpse 则没有。它是一个 API 和一个可免费注册的聊天界面，帖子中没有任何内容表明权重即将开放。

• 托管可用性——发布时，I​BM 并未随 3B 一同推出第一方托管 API；交付物就是这张卡。G​limpse 则恰恰相反：仅提供托管服务，没有任何可留存的产物。

• 价格 — Gl​impse 为每百万输入 token $0.60、每百万输出 $3.00。至于 G​ranite 4.2 3B，则根本没有价目表，因为成本只是电费以及你已经拥有的硬件。

• 独立评估——两者都谈不上有。Granite 4.2 3B 的数据出自 IBM 自己；Glimpse 的数据出自 Elorian 自己。在这一特定维度上，两个发布版本同样未经验证；在有人把其中一方当作可信的那一半之前，这一点值得直说。p>img src="3.png" alt="一幅记分板，标题为'Glimpse vs Granite 4.2 3B——披露差距'，副标题为'六个维度，双方，相同标签'。两列共用相同的六个行标签。左列标题为'Elorian Glimpse'，内容为'参数：未公布'、'上下文：未公布'、'权重：无；仅提供 API 和聊天'、'基座模型：未命名；仅被描述为开放权重'、'已发布产物：一篇附有完整推理轨迹的发布文章'、'可在你自己的硬件上验证：否'。右列标题为'Granite 4.2 3B'，内容为'参数：稠密 3B，bfloat16 下约 4B'、'上下文：原生 128,000，扩展后 512,000'、'权重：Hugging Face 上的 Apache 2.0'、'基座模型：已命名的 Granite-4.1-3B-Base'、'已发布产物：完整模型卡、架构、采样默认值'、'可在你自己的硬件上验证：是'。页脚一行写着'Glimpse 的数据由厂商自报且未经复现。Granite 4.2 3B 的数据依据 IBM 公布的模型卡；针对 3B 的智能体基准测试未予公布。'OrcaRouter 标志位于右下角。" />

为什么这两者不是替代品

诱惑在于将30亿参数模型与神秘规模的预览版对立成大卫对抗歌利亚，而这种设定在两个方向上都是错的。

Granite 4.2 3B 是一个推理与指令遵循模型。其公布的评估结果为：AIME 2025 为 78.33，HMMT February 2025 为 66.67，GPQA 为 54.80，LiveCodeBench v6 为 69.71，MMLU-Pro 为 67.84，IFBench 为 74.33，BFCL v4 为 52.41，以及 RULER 在 64K 输入下为 67.52，到 128K 时降至 55.30。注意这份列表中缺少了什么：没有 SWE-Bench 行，也没有 3B 规模下的 Terminal-Bench 行，尽管该系列中更大的成员包含一个智能体强化学习阶段。IBM 拒绝为最小的同系列模型公布智能体编码数据，而不是估算它们，这种诚实比一行注水数据更有信息量。

G​limpse 并不在那些维度上竞争。E​lorian 自家的对比表显示，它在 WGO Bench（42.70 对 39.42）、CharXiv-R（92.90 对 92.10）、UGC-VideoCap（82.66 对 80.32）和 FSC-147（83.36 对 82.02）上领先于 GPT-6 Astra，而在 BabyVision（95.36 对 97.68）、DREAM-1K（76.04 对 79.05）、TOMATO（93.60 对 96.02）、Video-MME v2（56.68 对 64.06）、CountQA（82.66 对 86.42）和 Humanity's Sixth Sense（46.36 对 53.6）上落后。这些数据行无一例外都是厂商自报、未经复现的，且是在 G​limpse 最高思考强度、配合其原生智能体框架下运行的，还附有一条脚注，披露若干竞品是在低于其最高配置的情况下评估的。G​ranite 4.2 3B 从未在其中任何一项上运行过。

所以，诚实的图景是：并不存在一个共享的记分板，因为并不存在一项共享的任务。一个 3B 文本模型无法重新扫描一段视频区间，而视频倒带预览也无法下载到笔记本电脑上。

而在另一些情况下，规模论据则指向相反方向

在这场比较中，Granite 4.2 3B 最有力的理由并不是性能，而在于 30 亿稠密参数是一种真实可用的部署形态。在 4B bfloat16 下，权重只占几 GB，这意味着量化版本可以跑在单块消费级加速卡上，或者在低精度下跑在一台较新的笔记本电脑上。十二种经过测试的语言，足以支撑面向欧洲或印度的部署——在那里，十二种语言的支持路径是硬性要求，而不是锦上添花。Apache 2.0 彻底免去了许可证方面的讨论。而 128K 窗口及其 512K 扩展都有文档记录，这意味着据此做容量规划是算术题，而非靠猜。

支持 Glimpse 最有力的理由，恰恰是没有任何小模型等价物能替代的那件事：固定调度采样无法回答的问题。摄像头是平移了还是切换了。第 12 秒画面中的物体，是否就是第 4 秒离开画面的同一个物体。某个事件前后那半秒里发生了什么。这些之所以难，并不是因为它们需要大模型。它们难，是因为这些信息从未被采样过，而每秒 8 帧下再多的参数也换不回它。在整段片段看完之后，把额外算力花在某一个区间上，是一种真正不同的答案，而 3B 体量里的开放权重再多也无法替代它。

托管预览唯一无法跟随的地方

关心这种不对称性有一个合规层面的理由，而且它与这两个模型的质量都毫无关系。

G​ranite 4.2 3B 的交付成果是一个文件。如果视频、文档或客户记录无法离开你的基础设施——而在大多数受监管的部署中，它无法离开——那么模型就在数据所在之处运行，关于供应商可用性、速率限制、区域和保留的所有问题就都不复存在了。G​limpse 没有这样的选项。它的能力只存在于 E​lorian 的端点之后，这意味着录像会传到 E​lorian，而且没有任何已发布文件另有说明。

这正是路由层值得一提的地方，也是它不值得多费口舌的地方。OrcaRouter 让你用一个密钥统管 200 多个模型，提供商的标价原样透传，每个 token 都不加价，于是一个工作负载可以在同一条代码路径上，把跑在你自己硬件上的自托管 Granite 4.2 3B 与托管模型混用，而当其中某个模型倒下时，自动故障转移能让这条路由继续存活。一套路由 DSL 无需改写应用，就能决定哪个模型接收哪个请求。它做不到的，是改变归属问题：路由层只在端点之间搬运请求，而只要某个端点不在你自己的楼里，路由也没法把它搬进去。Granite 4.2 3B 和 Glimpse 目前都不在我们的目录中——Granite 4.2 3B 是一个下载项，Glimpse 则是 Elorian 自家的 API——所以这只是关于我们如何路由、如何定价的陈述，而不是声称我们能提供其中任何一个。

带着同样的怀疑阅读这两份基准表

有两个习惯值得带入两个发布版本，因为二者都摆脱不了它们。

第一点是，厂商的基准表是一种挑选，而不是一次测量。E​lorian 的表格不同寻常之处在于，它会公布自家模型失利的那几行——这是一个可信度信号；但它终究仍是一份由厂商自己拼装出来的表格，任务由厂商挑选，配置由厂商设定。I​BM 的 G​ranite 模型卡则更窄、也更常规：标准的学术基准，在明确标注的配置下发布，而在 3B 规模上，智能体（agentic）相关的行干脆缺席，而不是被换成某种更好看的说法。

第二个问题在于，缺失的数字往往正是承重的那一个。对于 G​ranite 4.2 3B，真正重要的数字根本不在那张卡片上：I​BM 之外无人公布过 3B 在 128K 上下文下的吞吐量或真实世界任务准确率，而 RULER 在 64K 到 128K 之间从 67.52 降至 55.30，这正是个警告：窗口远在结束之前就已经退化。对于 G​limpse，承重的缺失数字是上下文窗口，因为一个视频推理功能，如果其窗口装不下真实工作流交给它的素材，那它就只是演示，而非工具。

什么能解决这件事，以及在此期间该做什么？

有三件事会改变这一比较，但它们一件都还没有发生。

一个能复现这两组数字中任意一组的独立测试框架，将会是首个。Elorian 的 Glimpse 表格和 IBM 的 Granite 4.2 3B 模型卡都是自我报告的，且针对不同任务，而这两个发布版本恰好在唯一一个维度上完全相同：缺乏外部验证。

G​limpse 公布其上下文窗口、参数数量或基础模型，那会是第二件事。目前流传的关于 G​limpse 规模的任何数字都是估算而非披露，而把估算当作规格说明，正是容量规划出错的原因。

G​ranite 4.2 3B 加入 agentic-RL 阶段，或获得第一方托管端点，都将是第三项。无论哪一种，都会改变 3B 所在的赛道。

在此之前，决策规则很简单。如果任务是文本，如果它必须运行在你掌控的硬件上，如果许可证必须是 Apache 2.0，或者如果数据不能跨越网络边界，那么 G​ranite 4.2 3B 就是答案，G​limpse 的问题根本不会出现——下载它，运行你自己的评估，并把模型卡中缺失的 agentic 行视为一条边界，而不是一个缺口。如果任务是视频，而且失效模式是时间性的而非语义性的，那么 G​limpse 是两者中唯一一个其声明的机制正瞄准这一点的，免费注册让试用成本很低，而追踪本身就是测试：运行一段视频，读取视觉暂存空间，检查模型是否曾回到决定答案的那个时间段。眼下，两者都未经验证。但只有其中一个能在你自己的硬件上得到验证。

此类发布背后有据可查的 AI 故障与智能体事件，均收录于OrcaRouter AI 事件档案，其中每条记录都带有自己的来源、严重程度、置信度评级和争议标记。