Glimpse 對上 MiniCPM5 2B：七週的書面紀錄與十分之九秒

MiniCPM5-2B 與 E​lorian G​limpse都是小型模型，宣稱能擊敗比自己大上許多的對手，而且兩者用來提出這項宣稱的衡量標準截然相反。MiniCPM5-2B 由 Mode​lBest 與 O​penBMB 於 2026 年 7 月 19 日在 WAIC 展示，最終於 2026 年 9 月 6 日釋出權重，隨附的模型卡在其自家測試集上平均達 53.9，而較大的開源模型最高只到 51.1。G​limpse 於 2026 年 10 月 16 日發布，具備 0.9 秒的視窗——第一輪約每秒 8 幀，接著以約每秒 14 幀重新掃描十分之九秒——以及一組基準測試數據，這些數據是廠商自家的、未經他人重現，且明顯參差不齊。其中一個背後有七週的公開文獻紀錄，以及可下載的成品；另一個則有一套機制，卻幾乎沒有數字。

這個比較其實並不是同一件事的兩個版本，因為 MiniCPM5-2B 是通用推理模型，也能讀取圖像，而 G​limpse 則是託管的視覺推理預覽，幾乎不做其他事。把兩者放在一起讀的原因在於，它們都是在論證小型模型能做到什麼——而這兩個論證以不同且具啟發性的方式失敗。

等待，以及等待所產生的結果

MiniCPM5-2B 的時間軸值得重建，因為那是單靠搜尋發布日期會漏掉的故事環節。

該模型於 2026 年 7 月 19 日在世界人工智能大會上亮相，當時的主打能力是 512,000 個 token 的上下文視窗。權重直到 9 月 6 日才出現，並於 9 月 7 日發布變更日誌。在這兩個日期之間，該模型僅以展示與一組數字的形式存在。

實際推出的內容並不是當初宣傳的內容，而這個落差是可以查證的。發布的設定將 max_position_embeddings 設為 131,072，且沒有 rope_scaling 區塊，也就是 131,072 個 token——只有 WAIC 數字的四分之一。這與其說是不誠實，不如說是研究團隊在台上展示的內容，與工程團隊願意在設定檔中簽核的內容之間，那種尋常的差異；但真正要緊的是這個數字，因為你的部署繼承的就是它。

這次實際推出的內容，以這個尺寸級別的模型而言異常完整。除了最終的 BF16 checkpoint —— 已合併 RL 與 OPD —— 之外，還分別發布了 SFT、midtrain 與 base 階段、針對本地執行環境的 GGUF、MLX 與 GPTQ 建置、用於推測解碼的 DSpark 草稿模型，以及以 UltraData 系列形式釋出的訓練語料庫本身。透過 FlagOS 在九種晶片組上提供首日支援，而模型卡也特別強調，該實作不使用自訂 kernel，也沒有模型程式碼 fork。最後這個細節正是讓其餘說法變得可信的關鍵：能在標準工具上運行的模型，才是能在你所在之處運行的模型，而不只是在作者叢集所在之處。

相較之下，Glimpse的時間線被壓縮了，其書面紀錄也更為單薄。於2026年10月16日發布，也就是本文刊出前一天，作為研究預覽版，可透過Elorian的API和聊天介面免費註冊使用。沒有權重，沒有公開其進行後訓練所依據的基礎模型，也沒有任何形式的成品。該公司於2026年4月結束隱匿模式，由前Google研究員Andrew Dai領軍，獲得Striker Ventures、Menlo Ventures和Altimeter的5,500萬美元投資，並有NVIDIA、49 Palms和Jeff Dean參與。該模型是它出貨的第一項產品。

這些數字，以及每一組涵蓋的內容

• 參數 — MiniCPM5-2B 總計 2,516,756,480 個，其中 1,981,982,720 個為非嵌入參數；42 層，分組查詢注意力（group-query attention）使用 16 個查詢頭與 2 個鍵值頭，並透過現成的 LlamaForCausalLM 類別提供服務。G​limpse 的參數數量並未公開，其發布文章僅表示它「比其所對標的前沿模型小得多且便宜得多」。

• Artefact — 提供 Apache 2.0 授權的權重，以及 MiniCPM5-2B 的 SFT、midtrain、base、GGUF、MLX 與 GPTQ 變體。G​limpse 則沒有，它只提供託管端點，沒有任何可下載的內容。

• 上下文 —— 為 MiniCPM5-2B 配置的 131,072 個 token，對比 WAIC 展示會上大肆吹捧的 512,000 個 token 數字。G​limpse 則未公布——這是兩者中更關鍵的空白，因為它的定義性能力正是讀取影片。

• 模態 — MiniCPM5-2B 支援圖像輸入、文字輸出。Glimpse 支援影片和圖像，並能在第一輪處理後返回某個區間。

• 評估 — MiniCPM5-2B 的說明卡報告 LiveCodeBench v6 為 69.1、AIME 2025 與 2026 皆為 86.5、MATH-500 為 94.6、MMLU-Pro 為 70.8、LongBench v2 為 43.7、BFCL v4 為 66.6，SWE-bench Verified 為 46.4，其中部分資料列以劍標註記，表示是沿用 Artificial Analysis 發布的數據，而非內部實測。Glimpse 的資料列則出自 Elorian 自家，對照 GPT-6 Astra，並以註腳揭露數個競爭對手是在低於最高思考投入程度的情況下執行，而 Glimpse 則以其最高設定執行。

• 價格 — G​limpse 每百萬輸入 token 為 $0.60，每百萬輸出 token 為 $3.00，而倒回會以輸出 token 計費，因此追蹤記錄就是收據。MiniCPM5-2B 沒有費率表，因為交付項目是一個檔案。

他們兩者所提出的主張，以及它成立的各種不同方式

MiniCPM5-2B 的核心主張是算術性的，而且可查核。一個 25 億參數的模型，卡片平均 53.9，對上較大的開源模型，後者在同一組測試上的最佳平均為 51.1。那是一種「這個小東西在這些任務上勝過那個大東西」形式的主張，而且任何有一張 GPU 和一個下午的人都能加以否證，因為權重只要下載就有，測試也已公開。

其機制記載為三個階段：以約 4,000 億個深度思考資料符記進行監督式微調、以教師模型進行強化學習，接著是將十六個 RL 專家——其中五個為代理型——合併回單一檢查點的同策略蒸餾。該合併所附帶的內部數字是：相對於合併前狀態，在推理與一般任務上提升 10.96 點，在代理型任務上提升 6.96 點。那些是廠商對自家流程所做的自行量測，而這類宣稱如今第三方已能實際查核——這正是除了最終檢查點之外，也一併釋出中間檢查點的重點所在。

Glimpse 的核心主張並非算術。而是一種行為：在首輪掃描之後回到亞秒級窗口，能在時間性問題上產生比固定網格取樣更好的答案。支持這項主張的證據，是一組實作軌跡與一張幾乎平分秋色的基準表——在 WGO Bench（42.70 對 39.42）、CharXiv-R（92.90 對 92.10）、UGC-VideoCap（82.66 對 80.32）與 FSC-147（83.36 對 82.02）上領先；在 BabyVision（95.36 對 97.68）、DREAM-1K（76.04 對 79.05）、TOMATO（93.60 對 96.02）、Video-MME v2（56.68 對 64.06）、CountQA（82.66 對 86.42）與 Humanity's Sixth Sense（46.36 對 53.6）上落後。

這兩種說法都言之成理。目前只有其中一項能由提出該說法的公司以外的人驗證。

這兩項披露的共同點是什麼

MiniCPM5-2B 的規格表在其中一部分列上標有劍標，將這些列標示為取自 Artificial Analysis 發布的數據，而非由作者自行量測。這點應理解為一項揭露，而非缺失。另一種做法——悄悄把別人的量測結果併入自己的表格而不加任何標記——雖然常見，卻更糟。

就現有證據而言，這兩個模型都在同一個特定意義上未經獨立驗證。Glimpse 的表格是由廠商在自家的最佳組態下跑出來的。MiniCPM5-2B 的模型卡平均分數同樣沒有獨立重現，無論個別列資料的來源為何。在這個面向上，這兩個發布版本完全相同；而在把其中任何一方當作比較中可靠的那一半之前，這一點值得注意。

更強烈的差異在於接下來會發生什麼。任何人都可以在今天下午下載 MiniCPM5-2B，並以自己的資料進行自己的評估，無須詢問任何人。沒有人能對 G​limpse 這麼做。試用是免費的，而且軌跡可供檢視，但評估受限於 E​lorian 選擇展示的內容，而端點是該模型唯一存在的地方。

在監護權決定問題的情況下

這是兩個模型差距很大的維度，而且這與能力無關。

MiniCPM5-2B 的交付項目是一組依 Apache 2.0 授權的檔案，包含 GGUF 建置版本與 MLX 建置版本。這表示該模型可在筆記型電腦上執行，影像永遠不會離開本機，而且部署的請求路徑中沒有任何供應商——沒有可用性時段、沒有資料保留問題、沒有速率限制，也沒有任何可能在你腳下變動的價格。對於涉及影像的受監管工作，或任何媒體無法跨越網路邊界的情況，這就是全部的決定因素，而無論追蹤結果看起來多好，G​limpse 都不是候選方案。

G​limpse 的能力僅存在於 E​lorian 的端點之後。它與眾不同的特徵是視覺草稿空間，而且沒有可供搬遷的產物。這不是產品的缺陷；這是一項研究預覽的性質，其價值可以說在於機制而非權重。

這也正是路由層發揮作用之處，也是它不再有用之處。OrcaRouter 為你提供一把金鑰置於 200 多個模型之前，供應商牌價原樣傳遞，每個 token 不加收任何費用，因此本機的 MiniCPM5-2B 與託管模型能共用同一條程式碼路徑，而不是兩條，由路由 DSL 依每次請求選擇，並且自動容錯移轉在某條線路失效時讓請求繼續存活。這個組合中屬於託管的那一半，若供應商調降價格，在我們這邊當天就會生效，而不是等到下一次續約。路由做不到的是移轉保管權：如果某個端點不在你的硬體上，沒有任何路由規則能把它放到那裡。MiniCPM5-2B 和 Glimpse 都不在我們的目錄中——一個要自行下載，另一個是 Elorian 自家的 API 與聊天介面——所以這段說明的是我們如何路由，並非聲稱能提供其中任一模型。

該決定，並附上會計帳目

MiniCPM5-2B 與 Glimpse 並非競爭對手，把它們當成競爭對手只會浪費這次比較。一個是你可以擁有的 25 億參數通用模型。另一個則是代管的預覽版，只做一件不尋常的事。

這兩者之間沒有共用的計分板，也沒有辦法建立一個。MiniCPM5-2B 的模型卡衡量的是程式設計、數學、指令遵循，以及長上下文檢索。G​limpse 的表格則對照 GPT-6 Astra，衡量影片與圖像感知。它們沒有共用的任務，因此唯一有意義的比較，是與你自己的工作負載相比。三個問題就能比一張表格更快得出結論。

模型必須在你自己的硬體上執行，還是授權條款必須是寬鬆的？那麼 MiniCPM5-2B 是這裡唯一的候選。下載 GGUF 或 MLX 版本，為設定實際指定的 131,072 個 token 上下文預留資源，而不是 WAIC 上展示的 512,000，並把模型卡中標有劍號的列視為指向原始評估的指引，而不是作者所做的測量。

這個失效模式是時間性的嗎——把攝影機橫搖誤認為剪接、物件在遮蔽前後改變身分、事件發生在不到一秒的視窗內？那麼，這兩者之中，只有 G​limpse 所陳述的機制能處理它。試用是免費的，而軌跡就是測試：跑你自己的影片片段，檢查模型是否曾回到那個決定了答案的區間。

這項工作是長上下文，但不是長影片——一組文件、一個檔案歸檔庫、一條必須放進單一視窗的稽核軌跡嗎？兩個模型已發表的評估都無法斷定這件事。LongBench v2 的 43.7 是針對一整類行為的單一數字，它不會告訴你 MiniCPM5-2B 在 120,000 個 token 時，對你的文件表現如何。這一點必須先經過測量，任何一個決定才安全。

能改變這一頁的會是：由 Elorian 以外的人重現 Glimpse 的基準測試數據列、公布其參數數量或上下文視窗，或是一個能縮小 131,072 詞元配置與 512,000 詞元示範之間差距的 MiniCPM5 檢查點。這些都還沒排上日程。在它們出現之前，這兩個模型當中，有一個今晚任何人都能測試，另一個則否——而這種不對稱，比任何基準測試數據列都更是應該據以規劃的事。

像這次發布背後有紀錄的 AI 失敗與代理事件，都收錄於 OrcaRouter AI Incident Archive，其中每一筆條目都附有各自的來源、嚴重程度、信心評級與爭議標記。