Glimpse 与 Intern Decision 4B：这两者中哪个才能真正回答你的问题

本次比较中的两个模型共享同一种模态，除此之外几乎别无共同之处。 E​lorian G​limpse于 2026 年 10 月 16 日发布，是一个视觉推理预览模型，能够回到它已经观看过的视频中的某个窗口——在已发布的轨迹中，它在以大约 8 帧/秒完成第一遍后，又以约 14 帧/秒重新扫描了十分之九秒——然后以散文形式写出答案。 Intern-Decision-4B由上海人工智能实验室的 I​nternLM 团队于 2026 年 9 月 26 日上传，完全没有任何公告，它不写出任何内容。它接收一个共享状态、一个由具名问题组成的模式以及可选的若干图像，并在单次前向传播中返回这些具名答案上的经过校准的概率分布。它从不调用 generate()。没有思维链，没有句子，也没有任何形式的逐词元输出。

这意味着，在这种比较中，第一个问题并不是哪个模型更好。而是你的问题属于阅读问题还是决策问题，而大多数团队会发现，他们一直把决策问题当作阅读问题来处理，因为阅读是唯一可用的手段。

一个返回数字而非段落的模型

Intern-Decision 系列在 2026 年 9 月 26 日清晨悄然出现——三个规模，0.8B、2B 和 4B，彼此上传时间相隔不到四十秒，这是脚本而非发布流程的特征。没有博客文章，没有模型卡长文，没有发布帖。截至撰写本文时，演示 Space 返回 401，collection 返回 401，GitHub 组织返回 404，而该系列中最大的成员累计下载量为零、点赞数为一。下文所有内容均来自已发布的配置和代码仓库，而非来自厂商对其功能的说明。

配置所写的内容很具体。Intern-Decision-4B 是 Q​wen 3.5 4B 的一个拥有 45.4 亿参数的微调模型，其接口是决策引擎，而不是聊天补全。你向它传入一个共享状态——所有问题共用的上下文——再加上一个为一组问题命名的模式，以及最多八张图像。它返回一个在固定的单 token 符号词表上的分布：A 到 Z、a 到 z，以及 0 到 9。六十二个符号，这正是选项上限为六十二的原因，而不是某人通过思考人类想要多少答案而得出的设计选择。支持三种问题类型：在具名选项之间做选择、按量表打分，以及是/否形式的决策。

这就是产品的全部。它的价值不在于抽象意义上的准确性，而在于：输出是一个概率，你可以为其设定阈值，并在事后进行审计；它是在一次前向传播中确定性地生成的，而不是一段需要你从其语气中推断置信度的文字。

界面才是真正的区别所在

• 输入内容 — G​limpse 接收视频、图像以及一个自然语言问题。Intern-Decision-4B 接收共享状态、一个由显式命名问题构成的 schema，以及最多八张图像。

• 输出内容 — Glimpse 返回散文式文字，以及它在片段中查看位置的轨迹。Intern-Decision-4B 返回最多 62 个符号上的概率分布，即每个选项对应一个数字，仅此而已。

• 输出成本——对 token 流执行一次前向传播。G​limpse 按每百万输出 token 收费 3.00 美元，而其机制会刻意多花一些 token 再查看一遍，因此这条轨迹就是账单。Intern-Decision-4B 每次请求只产生固定数量的 logits，这使得输出成本几乎恒定，而不与问题的难易程度成正比。

• 规模——45.4 亿参数，已公开，可下载。Glimpse 则未公开，仅表示在其自身的基准测试表中，它比前沿模型"小得多，也便宜得多"。

• 权重 — 对 Intern-Decision 家族的所有成员开放。Glimpse 则没有，它仅存在于 Elorian 的 API 和聊天界面之后。

• 独立性——在这里，两者是等同的，也同样薄弱。Glimpse 的基准测试数据行出自 Elorian 自身，未经复现，且是在其最高思考强度下运行的，而与之对比的对手却是在低于自身的强度下被评估的。本文未能找到 Intern-Decision-4B 任何形式已发布的评估；其配置中的那些数字是注意力几何结构，而非准确率。

隐藏在分词器中的限制

下面这个数字决定了 Intern-Decision-4B 能否用于特定任务，而它并不在任何标题上。

底层 Q​wen 3.5 4B 塔声明了最大位置嵌入为 262,144 个 token。包裹它的决策引擎在构造时使用了 max_length=8192，而超过该值的输入会被直接拒绝，而不是截断。单就这一点而言，这是一个站得住脚的工程选择——静默截断会把长上下文变成没有报错的错误答案。但八张图像会占用同一个 8,192 的预算。在把一个截图集以及描述某个案例的共享状态交给模型的工作流中，实际上限会比 262,144 所暗示的早得多就达到，而且失败是硬性拒绝，而不是降级后的答案。

任何计划使用 Intern-Decision-4B 进行文档审查的人，都应在围绕它进行设计之前先测试这一边界。撰写本文时，演示 Space、合集和仓库均无法访问，因此确定真实上限的唯一方法就是构造输入，并观察引擎在何处拒绝这些输入。

G​limpse 在同一个地方也面临镜像问题。它的上下文窗口从未公布，而该模型的招牌能力是读取视频。0.9 秒的间隔能放进任何窗口。两小时的片段却不行，而且没有任何已公布的数字说明界线在哪里。在这两种情况下，推理能力都得到了描述，而它必须装进去的容器才是留给猜测的部分——这是遗漏上的巧合，而不是设计上的巧合。

每一个真正更擅长的是什么

Glimpse 的具体论据在于时间分辨率。固定时间表的采样会丢失两个采样帧之间的一切信息，这正是为什么平移或切换镜头、遮挡前后的物体身份识别以及亚秒级事件是难题而非易题。在每秒八帧的情况下，增加更多参数并不能找回缺失的信息；而在看完整段视频之后，把额外算力花在某个时间区间上却可以。Elorian 的追踪记录显示，模型正是这样做的，而可视化草稿空间让决策在事后可供检查——你可以看到它是否曾回到那个决定了答案的时间区间。

Intern-Decision-4B 的具体论据在于：它彻底从分类流水线中移除了解析步骤。设想一个核保或分诊流程，它目前会调用一个大模型，用提示词要求模型从五个标签中选一个来回复，然后解析回复，接着在模型用一句话而不是标签作答时重试，还会把“大概可以”当成“可以”来处理。Intern-Decision-4B 将其压缩为一次前向传播，直接返回五个概率。没有解析器，没有重试循环，也不存在模型到底是什么意思的歧义。如果第三个标签的阈值是 0.7，那么它是你代码里的一个数字，而不是提示词里的一个启发式规则。

两者都不选的理由也值得一说。如果你需要的是一段解释场景中正在发生什么的文字，Intern-Decision-4B 无法生成——它根本没有生成路径。如果你需要的是对图像语义内容作出阈值判断，G​limpse 是一种昂贵的方式，去得到一个本可以更便宜地获得的数字；而且其供应商自己的基准表就是证据，表明倒回媒体并不能改善对场景含义的推断：在 E​lorian 的 Humanity's Sixth Sense 评估中，G​limpse 得分为 46.36，而 GPT-6 Astra 为 53.6，该基准由 E​lorian 与 Scale AI 共同构建。

将其中任意一个置于生产路径之后

这里的路由问题不在于价格，因为这两个模型并不是价格替代品——一个按 token 计费，另一个是固定的一次前向传播，而且两者都不在我们的目录中。它关乎的是摆在一个失败模式为硬拒绝的模型前面的东西。

Intern-Decision-4B 会拒绝超出其引擎上限的输入。若一条流水线对这种拒绝没有回退方案，请求就会被丢弃。OrcaRouter 针对这类问题的答案是自动故障转移：用一个密钥统管 200 多个模型，并通过路由 DSL 决定哪个请求发往何处，这样被决策引擎拒绝的请求便可发送给一个生成式模型，由它读取相同的输入并以文字形式写出答案。提供商的标价原样透传，每个 token 都不加价，因此次级路径的成本恰好等于其自身供应商的收费，并会在该供应商调整费率当天同步变化。同一层还能让未经证实的预览版无需正式上线即可测试：把 G​limpse 放到一条影子路由上，将其判定结果与你已信任的模型对比，只有当追踪数据显示它能回到真正重要的区间时，才将其转正。这两个模型我们都不提供——G​limpse 位于 E​lorian 自家的 API 中，而 Intern-Decision-4B 是一份下载文件——所以路由层所做的工作针对的是流水线的形态，而非这两个模型的可用性。

什么会改变答案

对于 G​limpse，有三件事：一个可复现 E​lorian 表格中某一行的独立评测框架、一个已公布的上下文窗口，以及任何关于该公司用于后训练的基础模型的披露。这三项目前都是空白。

关于 Intern-Decision-4B，有两件事。文档会是第一件——四十秒内三次模型上传，却伴随一个无法访问的 Space、一个无法访问的集合和一个 404 仓库，这不是发布，而是一个逃逸出来的快照。一个没有公布准确率数字的决策引擎无法以任何东西为基准进行校准，而一个返回概率的模型，其价值恰好等同于你能给予这些概率的信任。提高引擎上限，或就图像预算给出坦诚指引，会是第二件事，因为一个悄然包含最多八张图像的 8,192 token 上限，是一个迟早会在生产环境中发生的规格意外。

在那些到来之前，这种划分是清晰的，与哪个模型更大毫无关系。如果你的工作是观看录像并告诉别人发生了什么，并且决定答案的那个时间区间在轨迹中可见，那么 Glimpse 是两者中唯一能做到这一点的，而免费注册让测试成本很低。如果你的工作是对指定选项进行分类、打分或做决定，并且你需要的是每个选项经过校准的数字，而不是关于它们的一句话，那么 Intern-Decision-4B 正是为此而生，别无其他——接受它没有文档这一事实，尽早测试 8,192 个 token 的边界，并且不要指望它能自我解释，因为它没有这样做的机制。

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。