Glimpse 对比 Qwen 3.8：百万 Token 窗口，以及一个无人公布过的数字

这些模型中的一个公开了百万 token 的上下文窗口，以及一份可供预算参考的价目表。另一个则完全不公开上下文窗口、参数量和架构。Glimpse由 Elorian 于 2026 年 10 月 16 日发布，是一个研究预览版，其全部公开能力只是一种行为——它可以在仍在思考的同时回到视频中的某个特定时刻，以更密集的帧率重新扫描一个十分之九秒的窗口，放大到某个区域，或者在给出答案之前跨时间追踪某个特征。Qwen 3.8是阿里巴巴 2026 年 8 月的代际产品，而这次比较真正取决的那个成员是Qwen3.8-Max：自 2026 年 8 月 3 日起作为定价 API 上线，每百万输入 token 收费 2.00 美元，每百万输出 token 收费 6.00 美元，具备百万 token 窗口和原生图像输入。Qwen3.8-Max 是我们所路由的模型之一；Glimpse 则完全不在我们的目录中。这种不对称并非微不足道的程序性细节。它决定了这项决策的形态，因为其中一个是你可以放进预算行的调用，另一个则是你必须先试用才能估算成本的预览版。

每一个实际上是为了做什么而构建的

这不是同一个问题的两个答案，而破绽就在于，它们的瓶颈处在不同的位置。

Qwen3.8-Max 的瓶颈在于规模化下的容量与成本。百万级 token 的上下文意味着，一段长达一小时的录音、一份上千页的申报文件，或一周的日志，都能在一次调用中直接送入，而无需在前面架设分块流水线。该模型在输入端原生支持多模态——文本与图像输入、文本输出——因此，文档密集或截图密集的工作流无需额外设置视觉处理环节。阿里巴巴从未披露其参数量，但其核心的开源同门版本 Qwen3.8-2.4T-A95B 是一个 2.4 万亿参数的混合专家模型，激活参数约为 950 亿，这已是公司外部所能得到的最接近的答案。

Glimpse 的瓶颈在于时间分辨率。它的窗口并非限制因素，采样调度才是。普通的视频理解模型在固定网格上采样帧，两个采样帧之间落下的任何内容都会丢失——这正是为什么“摄像机是平移还是切换”以及“被遮挡后那个物体是否还是同一个物体”是难题而非易题。Glimpse 的解决方式是，在已经看完整个片段之后，对某一个区间投入额外的计算。在 Elorian 公布的追踪记录中，它以大约每秒 8 帧的速度进行第一遍处理，形成初步解读，然后以大约每秒 14 帧的速度回到片段的 0.9 秒处，以判定自己看到的究竟是平移还是切换。

• 上下文 — Qwen3.8-Max 提供 1,000,000 tokens，由 Aibaba 发布，并已列入我们自己的路由中。Glimpse 未发布该信息，读者应将其视为一处空白，而非用估算去填补的遗漏。

• 输入模态——两者都接受图像。Qwen3.8-Max 会按你选择的时间安排接受视频帧。Glimpse 接受视频，并且能在第一遍处理之后重新回看某个区间，而这正是整个产品的核心所在。

• 规模 — Glimpse 未披露。Qwen3.8-Max 作为已提供的模型未披露，最接近的可用参照是其 2.4T / 约 95B 激活参数的开源同系列模型。

• 权重——Glimpse 没有权重；它仅提供 API 和聊天功能，可免费注册。这一代产品的权重情况各不相同：Qwen3.8-27B 是一个采用 Apache 2.0 许可证的稠密 270 亿参数模型，2.4T 核心可在自定义许可证下下载，而 Qwen3.8-Max 本身则完全没有权重。

• 价格 — Glimpse 每百万 token 为 $0.60 / $3.00。Qwen3.8-Max 为 $2.00 / $6.00，缓存读取为 $0.25。

• 独立评分——Artificial Analysis Intelligence Index v4.3.2 给 Qwen3.8-Max (0902) 打分为 45，在 217 个模型中排名第 33，并测得其实测输出速度为每秒 38.8 个 token，AA 称这对于同级模型而言明显偏慢。Glimpse 则没有任何形式的独立评分；它昨天才发布。

两家供应商都选择了各自的比较集

两款模型各自的主打定价说法，一经与对方的说法对照，便都站不住脚。

Elorian 将 Glimpse 的 $0.60/$3.00 定价描述为比 $10/$50 的 GPT-6 Astra 低 94%，比 $4/$20 的 Claude Opus 5.5 低 85%，比 $2/$10 的 GPT-6.1 Sol 低 70%。上述每一个都是前沿旗舰模型。与它们相比，Glimpse 看起来就是那个便宜的选择，而这个说法在算术上是正确的。

如果把 Glimpse 与 Qwen 3.8 系列中偏低端的产品对比，整个叙事框架就会反转。Qwen3.8-Flash 的价格为每百万输入 token 0.15 美元、每百万输出 token 0.47 美元，缓存读取为 0.018 美元，缓存写入为 0.230 美元——因此，在具有大量稳定前缀的工作负载上，其有效输入费率不到每百万一美分的零头，比 Glimpse 的输入价格低一个数量级，比其输出价格低约两个数量级。旗舰型号 Qwen3.8-Max 在 token 价格上比 Glimpse 更贵，但仍比其定价所对标的前沿模型 Elorian 便宜四倍。

这并不是任何一方的矛盾。这只是两家公司各自选择了对自己最有利的比较方式，而读者的任务，是用自己面前的实际工作负载来取代这两种比较。

为一小时视频定价，两种方式

抽象的费率表说明不了任何问题，所以要用一个具体任务来检验它们：一个监控式审查任务，每个案例一小时视频素材，每月 200 个案例，一个问题，需要模型用带时间戳的文字作答。

在 Qwen3.8-Max 上，一小时的数据可以放进上下文窗口，无需分块。对于密集采样的一小时，输入 token 粗略为 800,000，再加上每个案例 1,500 token 的回答，一个月在输入上花费约 322 美元，输出约 1.80 美元——就算 324 美元吧，但前提是：如果同一段素材被反复查看，0.25 美元的缓存读取会大幅压低输入那一项，这套算法就不再适用了。

在 Glimpse 上，按小时计费也同样说得通，而且其机制恰好针对被问到的那个问题。Elorian 没有公布每小时的数字，但确实给出了一个任务级数字——一个机器人规划回合花费 $0.035，而在 Astra 上是 $0.249——若不凭空编造 token，就没有诚实的方式把它外推到视频审核上。能说的是，其定价形态在性质上不同：Glimpse 按 token 计费，而模型会刻意花额外的 token 再看一遍，因此回退并非免费，轨迹就是收据。到底是每月 $300 还是 $900，取决于模型决定回看的频率，而这个数字只有在你跑完自己的视频片段之后才会存在。

这笔账的另一半值得挑明说，因为它恰恰不会出现在价目表上。Qwen3.8-Max 是我们的线路之一，按服务商标价原样透传，每个 token 不加一分钱——所以只要阿里巴巴调整该价格，我们这边当天就同步生效，而不必等到下一次合同续约。Glimpse 并不在我们的目录里；要使用它，得去 Elorian 自己的 API 和聊天界面，这说的是我们托管了什么，而不是对这款模型下什么断言。在这一次的具体对比中，路由层真正派上用场的地方在更上一层：一把密钥统管 200 多个模型、自动故障转移，于是一个尚未验证的预览版或一个响应迟缓的旗舰模型会被放在侧路上，而不会挡在你生产线路的正前方。

另外两个 Qwen 3.8 成员更改了答案

仅将 Glimpse 与 Qwen3.8-Max 相比较会呈现出一种误导性的简单图景，因为该代际中还包含一些行为与旗舰型号截然不同的成员。

Qwen3.8-Flash 走的是走量路线：同样是短任务，运行一百万次只需 $0.15/$0.47，而不是发起一次大型调用。对于已经按固定时间表采样帧、只需对每一帧做一次廉价读取的工作流而言，Flash 才是正确的工具，Glimpse 的问题根本不会出现。

Qwen3.8-27B是那个改变接线图、而非改变价格的成员。它是一款采用 Apache 2.0 许可的稠密 270 亿参数多模态模型，你可以下载它并在一台机器上运行，这意味着视频素材根本不会离开你的基础设施。定价为 $2/$6 的 Qwen3.8-Max 回答的是视频说了什么；而 27B 回答的则是，你究竟是否被允许把这段视频发送到任何地方。Glimpse 和 Qwen3.8-Max 都不提供这一点，而且这也不是哪家厂商会去补上的能力。

所以，实用版图上有三条路线，而不是两条。以 Flash 费率进行低成本的固定计划采样；用 Max 进行大上下文多模态推理；以及当媒体的保管权成为硬性约束时，采用自托管的 27B。Glimpse 不是第四条路线——它是对三者都无法很好回答的那个问题下注，即在一个亚秒级间隔内发生了什么。

什么会改变这个比较？

当三件具体的事情发生时，这一页就值得重读，而这三件事目前都还没有发生。

第一项是对 Glimpse 的任何独立评估。其基准测试表由厂商自行报告，未经复现，且是在模型自身最高思考强度下、使用其原生 agent 框架运行的，并附有一条脚注，披露若干竞品是在低于其最高配置的情况下运行的。只要有一个独立测试框架能复现其中哪怕一行，就能把一项主张变为证据。

第二点是 Glimpse 的上下文窗口。如果一个视频推理功能的窗口比真实工作流交给它的素材还小，那它就只是个演示，而这个数字尚未公布。

第三点是 Qwen3.8-Max 的价格变动，或者是该代新增一名成员。这条产品线已经变动过一次——Max 以 $2/$6 登场，低于上一代的预览定价——而 AA 已经针对不止一个构建评估过 Max 系列，且指数数值在这些构建之间有所变动。一个季度内就推出五名成员的代际，不会止步于五名。

在那之前，决策规则足够明确，可以用一句话概括：如果你的问题是视频素材中几分之一秒内发生了什么，Glimpse 是两者中唯一一个其所述机制以此为目标的，而免费注册让试用成本很低——跑一段视频片段，然后读取视觉暂存空间，检查模型是否曾回到决定答案的那个时间区间。如果你的问题是一份长文档、一组截图或一小时素材整体上说了什么，并且答案必须经得起预算审查，那么 Qwen3.8-Max 就是拥有窗口、费率卡、独立索引以及为其定价的路由的模型，而 Glimpse 从未参与那场竞争。

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。