Glimpse 对比 MiniCPM5 2B：七周的书面记录与十分之九秒

MiniCPM5-2B和E​lorian G​limpse都是小型模型，都声称能击败比自己大得多的对手，而两者提出这一主张时所使用的“货币”却截然相反。MiniCPM5-2B 由 M​odelBest 与 O​penBMB 于 2026 年 7 月 19 日在 WAIC 上展示，最终于 2026 年 9 月 6 日放出权重，其模型卡显示：在自家测试集上平均得分 53.9，而更大的开源模型最高只有 51.1。G​limpse 于 2026 年 10 月 16 日发布，带来的是一段 0.9 秒的窗口——第一遍约每秒 8 帧，随后以约每秒 14 帧对这 0.9 秒进行重扫——以及一组基准测试成绩，这些成绩出自厂商自己、未经复现，而且明显参差不齐。这两者之中，一个有七周的公开论文记录作为支撑，还有可下载的产物。另一个则有一套机制，却几乎没有数字。

这个比较其实并不是真正意义上的同一事物的两个版本，因为 MiniCPM5-2B 是一个通用推理模型，也能读取图像，而 Glimpse 是一个托管式视觉推理预览版，几乎不做其他任何事情。之所以要把它们放在一起读，是因为两者都是关于小模型能做什么的论证——而这两个论证以不同且富有启发性的方式失败了。

等待，以及等待所造就的一切

MiniCPM5-2B 的时间线值得重建，因为那正是按发布日期检索会漏掉的那部分故事。

该模型于2026年7月19日在世界人工智能大会上亮相，其最受瞩目的能力是512,000个token的上下文窗口。直到9月6日，模型权重才出现，随后在9月7日发布了更新日志。在这两个日期之间，该模型只是作为一次演示和一组数字而存在。

实际交付的并不是宣传所称的内容，而这一差距是可以核查的。已发布的配置把 max_position_embeddings 设为 131,072，且没有 rope_scaling 块，也就是 131,072 个 token——只有 WAIC 数字的四分之一。与其说这是不诚实，不如说是研究团队在台上展示的内容与工程团队愿意在配置文件中签字确认的内容之间那种寻常差异，但真正重要的是这个数字，因为你的部署继承的就是它。

这个模型发布的东西，对于这一尺寸级别的模型而言，完整得非同寻常。除了最终的 BF16 checkpoint——RL 与 OPD 已合并——之外，还单独发布了 SFT、midtrain 和 base 阶段，面向本地运行时的 GGUF、MLX 和 GPTQ 构建版本，用于投机解码的 DSpark 草稿模型，以及以 UltraData 系列名义发布的训练语料本身。九种芯片组的首日支持通过 FlagOS 实现，而且模型卡特意指出，该实现没有使用任何自定义 kernel，也没有对模型代码做 fork。最后这一点正是让其余一切可信的关键：一个能在现成工具链上运行的模型，才是能在你所在之处运行的模型，而不只是在作者集群所在之处。

相比之下，Glimpse 的时间线被压缩得更短，其书面记录也更单薄。它于 2026 年 10 月 16 日发布，即本文发布前一天，作为研究预览版，可通过 Elorian 的 API 和聊天界面访问，免费注册即可使用。没有发布权重，没有公布其进行后训练所基于的基础模型，也没有任何形式的制品。该公司于 2026 年 4 月结束隐身模式，由前 Google 研究员 Andrew Dai 领导，获得 Striker Ventures、Menlo Ventures 和 Altimeter 的 5500 万美元融资，NVIDIA、49 Palms 和 Jeff Dean 也参与其中。该模型是该公司交付的首个产品。

数字，以及每个集合所涵盖的范围

• 参数 — MiniCPM5-2B 总参数量为 2,516,756,480，其中 1,981,982,720 为非嵌入参数；42 层，采用分组查询注意力，含 16 个查询头和 2 个键值头，并通过标准的 LlamaForCausalLM 类提供服务。G​limpse 的参数量未公布，其发布文章只表示它比所对标的前沿模型“小得多且便宜得多”。

• Artefact—— 适用于 MiniCPM5-2B 的 Apache 2.0 权重，外加 SFT、midtrain、base、GGUF、MLX 和 GPTQ 变体。Gl​impse 则没有，它只提供托管端点，没有任何可下载的内容。

• 上下文 — 为 MiniCPM5-2B 配置的是 131,072 个 token，而 WAIC 演示中宣称的数字是 512,000 个 token。Glimpse 则未公布——这是两者中更关键的空白，因为其标志性能力正是读取视频。

• 模态 — MiniCPM5-2B 支持图像输入、文本输出。Glimpse 支持视频和图像，并能在第一遍处理之后回返至某个时间区间。

• 评测—— MiniCPM5-2B 的模型卡报告称，LiveCodeBench v6 为 69.1，AIME 2025 和 2026 均为 86.5，MATH-500 为 94.6，MMLU-Pro 为 70.8，LongBench v2 为 43.7，BFCL v4 为 66.6，SWE-bench Verified 为 46.4，其中若干行标有匕首符号，表示这些结果沿用自 Artificial Analysis 的发布，而非内部实测。G​limpse 的各行数据是 E​lorian 自己的，与 GPT-6 Astra 对比，并附有脚注，披露若干竞争对手是在低于最高思考力度的情况下运行的，而 G​limpse 则以最高水平运行。

• 价格 — Glimpse 每百万输入 token 收费 0.60 美元，每百万输出 token 收费 3.00 美元，其中回溯按输出 token 计费，因此追踪记录就是账单凭证。MiniCPM5-2B 没有价目表，因为其交付物是一个文件。

他们两人提出的主张，以及该主张以不同方式成立的种种情形

MiniCPM5-2B 的核心主张是算术性的、可核查的。一个 25 亿参数的模型，榜单平均分 53.9，对比的是更大的开源模型在同一套测试上的最佳平均分 51.1。这是一种"小东西在这些任务上打败了大东西"式的主张，任何有一块 GPU 和一个下午的人都能将其证伪，因为权重可下载，测试已公开。

其机制分三个阶段记录：对约 4000 亿 token 的深度思考数据进行监督微调，使用教师模型进行强化学习，然后通过同策略蒸馏，将十六个 RL 专家——其中五个是智能体——合并回一个检查点。与那次合并相关的内部数字是：相对于合并前状态，推理与通用任务提升 10.96 个百分点，智能体任务提升 6.96 个百分点。这些是供应商对自身流程的测量结果，而这类说法现在第三方可以去核查——这正是除最终检查点外还发布中间检查点的意义所在。

Glimpse 的核心主张不是算术。它是一种行为：在第一遍之后返回到亚秒级窗口，能在时序问题上产生优于在固定网格上采样所能产生的答案。支持证据是一组完整推演轨迹和一张几乎平分秋色的基准表——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；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。

这两种说法都说得通。目前，其中只有一种能由提出该说法的公司以外的人核实。

这两项披露有什么共同之处

MiniCPM5-2B 的卡片在其部分行上带有匕首符号，标明这些数字取自 Artificial Analysis 的发布，而非由作者测量。应把这理解为一种披露，而不是缺陷。另一种做法——悄悄把他人的测量结果并入自己的表格却不加标记——很常见，而且更糟。

就现有证据而言，两个模型都在同一特定意义上未经验证。Glimpse 的表格由厂商自行运行，采用的是厂商的最优配置。MiniCPM5-2B 的卡片平均分同样没有独立复现，无论各单行数据的来源如何。在这一维度上，两个发布版本完全一致；在把其中任何一个当作对比中可靠的那一半之前，这一点值得注意。

更显著的差异在于接下来会发生什么。任何人都可以在今天下午下载 MiniCPM5-2B，并在自己的数据上运行自己的评估，而无需征得任何人同意。没有人能用 G​limpse 做到这一点。试用是免费的，轨迹也可供检查，但评估受限于 E​lorian 选择展示的内容，而端点则是该模型唯一存在的地方。

当监护权决定问题时

这是两个模型差距较大的维度，而这与能力无关。

MiniCPM5-2B 的交付物是一组以 Apache 2.0 许可发布的文件，其中包括一个 GGUF 构建和一个 MLX 构建。这意味着模型可以在笔记本电脑上运行，图像永远不会离开这台机器，而且部署的请求路径中没有任何供应商——没有可用性窗口，没有数据留存问题，没有速率限制，也没有可能在你脚下变动的价格。对于涉及图像的受监管工作，或者任何媒体不能跨越网络边界的情形，这就是决定性的全部理由；无论追踪结果看起来有多好，Glimpse 都不是候选方案。

G​limpse 的能力仅存在于 E​lorian 的端点背后。其显著特征是可视化暂存空间，并且没有需要迁移的产物。这不是产品的缺陷；这是研究预览的一个特性，其价值可以说在于机制而非权重。

这也正是路由层有用之处，也是它不再有用之处。OrcaRouter 为你提供一把密钥，置于 200 多个模型之前，供应商标价原样透传，每个 token 不额外加价，因此本地的 MiniCPM5-2B 和托管模型可以共用一条代码路径，而不是两条，由路由 DSL 按每个请求进行选择，以及当某条通道故障时，自动故障转移让请求继续保持存活。这种组合中托管的那一半，如果供应商降价，我们这边当天就会上线，而不是等到下次续约。路由做不到的是转移保管权：如果某个端点不在你的硬件上，任何路由规则都无法把它放上去。MiniCPM5-2B 和 Glimpse 都不在我们的目录中——一个是下载项，另一个是 Elorian 自己的 API 和聊天界面——所以这里描述的是我们如何路由，并不代表我们提供这两个模型中任何一个。

该决定，并附有相关说明

MiniCPM5-2B 与 G​limpse 并非竞品；把它们当作竞品，只会浪费这次对比。一个是你可以拥有的 25 亿参数通用模型。另一个是托管预览版，只做一件不寻常的事。

这两者之间没有共享的记分牌，也无法构建一个。MiniCPM5-2B 的卡片衡量的是编程、数学、指令遵循和长上下文检索。G​limpse 的表格衡量的是视频与图像感知，并与 GPT-6 Astra 对比。它们没有共同任务，所以唯一重要的比较是与你自己工作负载的比较。三个问题比一张表格更快定论。

模型是必须在你自己的硬件上运行，还是许可证必须足够宽松？那么 MiniCPM5-2B 就是这里唯一的候选。下载 GGUF 或 MLX 构建，按配置实际设置的 131,072 token 上下文来做预算，而不是按 WAIC 上展示的 512,000，并把模型卡中带剑号标记的行当作指向原始评估的指引，而不是作者所做的测量。

这种失效模式是时间性的吗——摄像机平移被误认为镜头切换，物体在遮挡前后改变身份，事件发生在亚秒级窗口内？那么，G​limpse 是两者中唯一一个其所述机制能应对这一点的。试用免费，而追踪记录就是检验：用你自己的视频片段跑一遍，看看模型是否曾回溯到那个决定答案的时间区间。

这项工作属于长上下文但不属于长视频——是需要塞进单个窗口的文档集、归档档案，还是审计轨迹？两个模型已发布的评测都未能解答这一点。LongBench v2 的 43.7 只是针对一整类行为的单一数字，它不会告诉你 MiniCPM5-2B 在你的文档上处理 120,000 个 token 时表现如何。无论做哪个决定，这一点都必须先实测才稳妥。

能改变这一页的会是：由 E​lorian 之外的任何人复现 G​limpse 的基准测试行、公布其参数量或上下文窗口，或者一个能弥合 131,072 token 配置与 512,000 token 演示之间差距的 MiniCPM5 检查点。这些都没有排上日程。在它们到来之前，这些模型中的一个今晚任何人都能测试，另一个则不能——而这种不对称，比任何基准测试行都更是规划时要围绕的重点。

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。