Glimpse 對決 Gemma 4 12B：對抗下載的倒帶機制

這兩者之所以常被拿來互相比較，主要是因為雙方都被描述成視覺模型，而這個描述幾乎沒起到任何作用。Glimpse由 Elorian 於 2026 年 10 月 16 日發布，是一項託管式研究預覽，其標誌性行為在於它能回頭再看一次——以更密集的影格率重新掃描某段影片的一部分、放大某個區域，或隨時間追蹤某一特徵——而且只能透過供應商的 API 和聊天介面取用。G​emma 4 12B則是 G​oogle DeepMind 推出的稠密、119.5 億參數開放權重檢查點，於 2026 年 6 月 3 日以 Apache 2.0 授權發布，讓你下載後在自己的硬體上執行，而它對同一個問題給出了相反的答案：它是一件固定的人工製品，有著固定的影格取樣排程，再怎麼盯著它看，它也不會倒帶。

所以，誠實的說法並不是「哪一個在視覺方面更強」。而是：這兩者之中，一個是你租用的能力，另一個是你擁有的檔案；而要在兩者之間做選擇，取決於一些與基準測試列毫無關係的事實。

真正決定它的區別

先從每一個在物理上究竟是什麼談起。Gemma 4 12B 是一組權重。Hugging Face 上經過指令微調的檢查點是一個單一的 23.92 GB safetensors 檔案，採用 bfloat16 格式；Google 自家的量化感知訓練版本，權重約為 6.98 GB，外加一個 0.18 GB 的多模態投影檔案，而社群版的 Q4_K_M 則落在約 7.1 GB 左右。你可以實際持有它、對它進行微調、進一步量化它、把它嵌入產品中出貨，並且在沒有網路、沒有計量器的情況下運行它。這就是全部的價值主張。

Glimpse 是形態截然相反的物件。它沒有權重。沒有參數量、沒有可下載的成品，也沒有公開架構，除了那項聲明：它是在一個 Elorian 未具名的「開放權重基礎模型」上進行後訓練。實際存在的是 API、一個位於 platform.elorian.ai 的聊天介面（可免費註冊），以及一項已公開的行為：該模型的視覺暫存空間，它會在其中隨著思考展開，重新檢視並精煉內部的視覺表徵。

這種不對稱是首先要納入考量的重點，而且它是一體兩面的。可下載的檢查點不會在你腳下被棄用，不會躲在版本字串背後改變行為，也不會因為別人的 us-east-1 出狀況而在凌晨三點掛掉。附有回溯機制的託管預覽版無法在氣隙隔離的機器上執行，而且——這對 Gemma 4 12B 的比較來說最為關鍵——也無法塞進 16 GB 的記憶體，因為根本沒有東西可以塞。

以廠商自家的數字，看倒帶能換得什麼

Elorian 的實作範例是關於 Glimpse 所發表過最具體的內容，它們值得當作描述來閱讀，而不是當作評分。在其中一個追蹤紀錄中，模型先以大約每秒 8 幀進行第一遍處理，形成暫時性的判讀，然後回頭以約 14 fps 重新掃描一個 0.9 秒的視窗，以判斷它所看到的是平移還是切換。在另一個例子中，它從影片約 2.2 秒處開始追蹤單一視窗邊緣，直到動作在 5.13 秒時幾乎停止。

Gemma 4 12B 沒有對等方案。它會依你選擇的排程，把影片當作影格序列來處理；而一旦選定影格，落在它們之間的一切就消失了。這不是缺陷——這正是附有已發布推論路徑的開放權重檢查點應該做的事——但這正是倒帶存在所要回答的那類問題。

Gemma 4 12B 之所以能脫穎而出，在於你用模型從事的每一件事。在 Google 自家的模型卡上（涵蓋整個系列，且屬廠商自行回報、而非獨立重現的數據），12B 在 MMLU Pro 拿到 77.2%，GPQA Diamond 78.8%，AIME 2026 在無工具情況下 77.5%，LiveCodeBench v6 72.0%，Codeforces ELO 1659，MMMU Pro 69.1%，以及在 128K、八根針的 MRCR v2 上取得 43.4%。至於 Glimpse，在該系列中什麼都沒公布——沒有推理基準、沒有程式設計基準、沒有知識基準。這場比較談不上接近，因為這場比較從來就沒跑過。

計分卡，以及哪些空白是刻意留下的

這兩組已公布的證據集並無交集。Glimpse 的表格是與 GPT-6 Astra 對比，而且是廠商自行報告，沒有獨立重現；Google 的表格也是如此。將兩者並列閱讀仍然有用，因為這能顯示出每家公司選擇以什麼作為被衡量的項目。

• WGO Bench（操控事件）—— Glimpse 42.70 對比 Astra 39.42。Gemma 4 12B：未回報。

• CharXiv-R — Glimpse 92.90 對比 92.10。Gemma 4 12B：未報告。

• UGC-VideoCap — Glimpse 82.66 對 80.32。Gemma 4 12B：未報告。

• FSC-147 — Glimpse 83.36 對比 82.02。Gemma 4 12B：未報告。

• Video-MME v2 — Glimpse 56.68 對上 Astra 64.06 與 GPT-6.1 Sol 65.27。Gemma 4 12B：未報告。

• 人類的第六感 — Glimpse 46.36 對比 Astra 53.6。Gemma 4 12B：未報告。

• MMLU Pro — Gemma 4 12B 77.2%。Glimpse：未報告。

• LiveCodeBench v6 — Gemma 4 12B 72.0%。Glimpse：未報告。

• 獨立評測 — Artificial Analysis 給 G​emma 4 12B 的 Intelligence Index 分數為 14，在其比較類別的 141 個模型中排名第 20，實測輸出速度為每秒 110.9 個詞元。Glimpse 則完全沒有任何形式的獨立評分；它才問世一天。

Glimpse 表格還附有一條讀者不該略過的註腳：那些結果採用最高思考強度，並搭配模型原生的代理框架（agent harness）；而且在大多數影片評估中，Sol 與 Opus 5.5 是以 high 而非 max 努力執行，HSS 那一列還混入了其他實驗室論文所報告的數字。同樣的準則也適用於另一方——Google 模型卡上的數字，是針對指令微調檢查點所公布，並未涉及第三方框架。

每一項的成本是多少，以及以什麼單位計算

這正是形狀分歧最劇烈的地方，因為單位無法換算。

Glimpse 採用以 token 計價：每百萬輸入 token 為 $0.60，每百萬輸出 token 為 $3.00。Elorian 自行陳述這項比較——比 $10/$50 的 GPT-6 Astra 低 94%，比 $4/$20 的 C​laude Opus 5.5 低 85%，比 $2/$10 的 GPT-6.1 Sol 低 70%，也比 G​emini 3.8 Flash 的 $0.75/$3.75 introductory 費率低 20%——並提供一項任務層級的數字：一個機器人規劃任務在 Glimpse 上花費 $0.035，而在 Astra 上為 $0.249。這些全都是廠商針對自家模型所提出的數字。

G​emma 4 12B 沒有廠商定價，因為根本沒有廠商服務。關於它唯一存在的每 token 數字，是 Artificial Analysis 的混合價——每百萬輸入 token 0.10 美元、每百萬輸出 token 0.30 美元——而那是提供開放權重的各家第三方平台的中位數，並非定價表；G​oogle 並未公布任何價格。若你自行託管，你真正在意的數字根本不是價目表，而是一次 7 GB 的下載、一小時的 GPU 時間，以及電力。

其餘一切皆由此推演而來。一次 Glimpse 呼叫的邊際成本隨用量規模而變，固定成本為零。一套 G​emma 4 12B 部署的邊際成本趨近於零，固定成本則是一台機器。損益兩平點是個用量問題，而沒有廠商會替你公布答案。

這雙在我們自家目錄中的定位

這兩個模型都不是 OrcaRouter 所提供的模型，與其讓讀者自行推論出相反的結論，不如把這一點直說。Glimpse 可透過 Elorian 自家的 API 與聊天介面存取；Gemma 4 12B 則是一個下載檔，而托管它的各種途徑都是運行這些開放權重的第三方平台。我們確實有提供路由的 Gemma 4 尺寸為 Gemma 4 26B A4B與Gemma 4 31B——同一家族中更大、能力更強的成員——而如果你真正的問題是「我該呼叫哪個 Gemma 4 尺寸」，我們自己針對這兩者的模型頁面會比這一頁更快給你答案。

在這種特定比較中，路由層真正能發揮價值的地方在於中間那種情況：一個團隊想繼續運行它已經自行託管的 Gemma 4 規模，同時想試用一個未經證實的預覽版本，而不必把正式生產路徑押在一個昨天才發布的模型上。把兩者放在同一個端點後面意味著該預覽版本是位於自動容錯移轉的後方，而非前方，而且一份會變動的價目表——研究預覽版的價目表正是如此——會在當天就在我們這邊生效，而不是等到下一次合約續約。這是關於我們如何營運的陳述，並非聲稱我們託管這兩者中的任何一個。

選擇，有鑑於它們並非替代品

如果你的工作是時序性的，而你的失效模式是「模型看了，但看得不夠仔細」——剪接前後同一個物件的身分、次秒級視窗內發生的事件、某物遮蔽時隨之改變的計數——Glimpse 是第一個所宣稱機制直接針對這一點的託管模型，而免費註冊讓這項測試變得便宜。去把你自己的影片片段用它跑一遍。然後檢查暫存空間：如果模型從未重新掃描那段真正重要的區間，你學到的是關於你自己管線的某件事，而不只是關於這個模型的事。

如果你的工作是把一個勝任的多模態模型放上你能掌控的硬體——依照 G​oogle 自己的說法，是一台配備 16 GB 記憶體的筆電，或是用於未量化版本的 24 GB 顯卡——那麼 G​emma 4 12B 就是成熟、已授權、可拿來做基準測試的答案，而且它背後有四个月的社群量化版本與工具鏈，這是才問世一天的預覽版所沒有的。這種成熟度絕非小事：這正是你能據以規劃一季的模型，與只能據以規劃一週的模型之間的差別。

陷阱在於因為 Glimpse 的表格在四行上勝過 Astra 就選它，然後才發現這份工作需要的是推理，而不是重新掃描。模型自身的 HSS 數字正是反駁這種解讀的證據——46.36 對上 Astra 的 53.6，而且還是在 Elorian 自己與 Scale AI 共同建立的基準上。發表一個自家模型無法攻頂的結果是一種可信度訊號，它也精確告訴你回溯修正所無法解決的是什麼。

這些都不是假設：像這次發布這類版本背後那些有紀錄的 AI 失效與代理事件，全都收錄在OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。