Glimpse vs Qwen 3.8：百萬 Token 視窗，以及一個無人公布過的數字

這兩款模型中，有一款公布了百萬權杖的上下文視窗，以及一份你可以據以編列預算的價目表。另一款則完全沒有公布上下文視窗、參數量或架構。Glimpse由 Elorian 於 2026 年 10 月 16 日發布，是一款研究預覽版，其公布的全部能力就是一種行為——它可以在仍在思考時回到影片中的某個特定時刻，以更密集的影格率重新掃描十分之九秒的視窗，放大某一區域，或在做出回答之前沿著時間追蹤某一特徵。Qwen 3.8是 Alibaba 於 2026 年 8 月推出的世代版本，而這場比較真正取決的成員則是Qwen3.8-Max：自 2026 年 8 月 3 日起以計價 API 形式上線，每百萬輸入權杖 2.00 美元、每百萬輸出權杖 6.00 美元，具備百萬權杖視窗與原生圖像輸入。Qwen3.8-Max 是我們所路由的模型之一；Glimpse 則完全不在我們的目錄中。這種不對稱並非微不足道的程序細節，而是這項決策的樣貌，因為其中一款是你可以直接編進預算項目的呼叫，另一款則是你必須先試用才能估算成本的預覽版。

每一個實際上是為了做什麼而打造的

這不是同一個問題的兩種答案，而破綻在於它們的瓶頸位於不同的地方。

Qwen3.8-Max 的瓶頸在於規模化下的容量與成本。一百萬個 token 的上下文，代表長達一小時的錄音、上千頁的申報文件，或是一整週的日誌，都能在單一次呼叫中處理完畢，前端完全不需要分塊管線。該模型在輸入端原生支援多模態——輸入文字與圖像，輸出文字——因此以文件或螢幕截圖為主的工作流程，不需要另設獨立的視覺階段。其參數量從未被阿里巴巴揭露，但其核心的開源兄弟版本 Qwen3.8-2.4T-A95B 是一個 2.4 兆參數的混合專家模型，約有 950 億活躍參數，這已是公司外部人士所能得知的最接近數字。

Glimpse 的瓶頸在於時間上的解析度。它的視窗並非限制所在；取樣排程才是。一般的影片理解模型以固定網格取樣畫格，而落在兩個取樣畫格之間的任何內容都已遺失——這正是為什麼「鏡頭是平移還是切換」以及「那是否為同一個物體在被遮蔽之後」會是難題，而非簡單問題。Glimpse 的解決方式，是在已經看過整段影片後，再對某一個時間區間投入額外運算。在 Elorian 公布的執行追蹤中，它先以大約每秒 8 張畫格進行第一遍處理，形成初步判讀，然後再回到該段影片的 0.9 秒處，以大約每秒 14 張畫格重新檢視，以判定自己看到的是平移還是切換。

• 上下文 — Qwen3.8-Max 為 1,000,000 個 token，由阿里巴巴發布，並列於我們自家的路由上。Glimpse 則未公布，這是個缺口，讀者應將其視為缺口，而非可用估計填補的遺漏。

• 輸入模態 — 兩者都接受圖片。Qwen3.8-Max 依照你選擇的排程接受影片影格。Glimpse 接受影片，並能在第一遍之後重新檢視某個區間，而這正是整個產品的核心所在。

• 規模 — Glimpse 未公開。就 Qwen3.8-Max 而言，作為對外服務的模型亦未公開，最接近的可用替代參考為其開源同系列模型，規模為 2.4T / 約 95B 啟用參數。

• 權重——Glimpse 則無；它僅提供 API 與聊天功能，並可免費註冊。這一代的情況則混合不一：Qwen3.8-27B 是採用 Apache 2.0 授權的稠密 270 億參數模型，2.4T 核心可依自訂授權下載，而 Qwen3.8-Max 本身完全沒有權重。

• 價格 — Glimpse 每百萬個 token 為 $0.60 / $3.00。Qwen3.8-Max 為 $2.00 / $6.00，快取讀取為 $0.25。

• 獨立評分 — Artificial Analysis 智慧指數 v4.3.2 將 Qwen3.8-Max（0902）評為 45 分，在 217 個模型中排名第 33，並測得其輸出速度為每秒 38.8 個 token，AA 形容這對其同級模型而言明顯偏慢。Glimpse 則完全沒有任何獨立評分；它昨天才剛推出。

兩家供應商各自選擇了自己的比較集合。

兩款模型各自的主打定價說法，一碰上對方的就站不住腳。

Elorian 將 Glimpse 的 $0.60/$3.00 定位為比 GPT-6 Astra 的 $10/$50 低 94%、比 Claude Opus 5.5 的 $4/$20 低 85%，並比 GPT-6.1 Sol 的 $2/$10 低 70%。這些每一款都是前沿旗艦。相較之下，Glimpse 看來就是便宜的選擇，而這個說法在算術上是正確的。

將 Glimpse 拿來與 Qwen 3.8 系列中偏便宜的那一端相比，整個論述框架就會翻轉過來。Qwen3.8-Flash 每百萬輸入詞元收費 $0.15、每百萬輸出詞元收費 $0.47，快取讀取為 $0.018、快取寫入為 $0.230——因此在具有大量穩定前綴的工作負載上，有效輸入費率僅為每百萬不到一分錢，比 Glimpse 的輸入價格低了一個數量級，且大約比其輸出價格低了兩個數量級。旗艦級的 Qwen3.8-Max 在詞元計價上比 Glimpse 更貴，卻仍比 Elorian 所對標定價的前沿模型便宜四倍。

那不是任何一方的矛盾。那是兩家公司各自選擇對自己有利的比較，而讀者的任務，就是用自己眼前的工作負載取代這兩者。

為一小時影片定價，兩種方式

抽象的費率卡什麼也決定不了，所以拿一項具體工作讓它們跑一遍：一個監控式的審查任務，每案一小時的錄影，每月 200 案，一個需要模型以帶時間戳的散文來回答的問題。

在 Qwen3.8-Max 上，這一小時的內容能完整放入上下文視窗，無需分塊處理。以密集取樣的一小時粗估需要 800,000 個輸入 token，加上每個案例 1,500 token 的回答，一個月的輸入成本約 $322，輸出成本約 $1.80——就說是 $324 吧；但要提醒的是，如果同一段影片素材被反覆檢視，$0.25 的快取讀取會大幅削減輸入這條成本，這套算法就不再是正確的了。

在 Glimpse 上，這個小時數也說得通，而且其機制正好對準了被提出的那個問題。Elorian 並未公布每小時的數字，但它確實給出了一個任務層級的數字——一個機器人規劃回合花費 $0.035，相較於在 Astra 上的 $0.249——而且若不憑空編造 token，就沒有誠實的方式能把它延伸到影片審查上。可以說的是，其定價形態在本質上有所不同：Glimpse 是對一個刻意花費額外 token 再次查看的模型按 token 計費，因此倒帶並非免費，而軌跡就是收據。那究竟是每月 $300 還是 $900，取決於模型決定回頭的頻率，而這個數字唯有在你跑過自己的影片片段之後才會存在。

那筆帳單的另一半值得直說，因為那是不會出現在價目表上的部分。Qwen3.8-Max 是我們的路由之一，以供應商定價原樣傳遞，每個 token 都不加收任何費用——所以如果阿里巴巴調整那個價格，我們這邊當天就會同步生效，而不是等到下次合約續約。Glimpse 不在我們的目錄中；你要透過 Elorian 自家的 API 與聊天介面取得，而這是在說明我們代管什麼，而不是對該模型做出評價。在這項特定比較中，路由層真正派上用場的地方是在更上一層：用一把金鑰管理 200 多個模型、自動容錯移轉，讓未經實證的預覽版或速度緩慢的旗艦模型待在旁支路徑上，而不是擋在你的正式環境路由前面。

另外兩個 Qwen 3.8 成員會改變答案

單獨把 Glimpse 與 Qwen3.8-Max 相比，會得出一個過於簡化的誤導性印象，因為這一代產品中有成員的表現與其旗艦型號截然不同。

Qwen3.8-Flash 是走量的路線：同一個短任務執行一百萬次，費用為 $0.15/$0.47，而不是一次大型呼叫。對於已經按固定排程取樣影格、只需要對每個影格做一次便宜讀取的工作流程而言，Flash 才是正確的工具，Glimpse 的問題根本不會出現。

Qwen3.8-27B是改變整體線路配置、而非改變價格的那一員。它是一個以 Apache 2.0 授權的稠密 270 億參數多模態模型，你可以下載並在單一機器上執行，這意味著影片素材完全不會離開你的基礎架構。定價 $2/$6 的 Qwen3.8-Max 回答的是影片說了些什麼；27B 回答的則是你究竟是否獲准把影片傳到任何地方。Glimpse 和 Qwen3.8-Max 都不提供這一點，而這也不是兩家廠商可能補上的能力。

所以實務上的版圖有三條路線，而不是兩條。以 Flash 價格進行低成本的固定排程取樣；用 Max 做大脈絡多模態推理；而當媒體的保管權是綁定限制時，採用自架的 27B。Glimpse 不是第四條路線——它是對三大路線都無法妥善回答的那個問題所下的賭注，也就是在亞秒級區間內究竟發生了什麼事。

什麼會改變這個比較？

當三件特定的事情發生時，這一頁值得重讀，而它們都尚未發生。

第一點是對 Glimpse 的任何獨立評估。其基準測試表是由廠商自行提報、未經重現，而且是在該模型自身最高的思考強度下，以其原生代理測試框架執行，並有一條註腳揭露數個競爭對手是在低於其最高設定的情況下執行。只要有一個獨立測試框架能重現其中一列，就能將一項宣稱轉化為證據。

第二個是 Glimpse 的上下文視窗。如果某個影片推理功能的視窗比真實工作流程交給它的影片素材還小，那就只是個示範，而且這個數字尚未公布。

第三個是 Qwen3.8-Max 的價格變更，或是該世代新增的一名成員。這條產品線已經變動過一次——Max 以 $2/$6 的價格加入，低於前一代的預覽定價——而 AA 已在不止一個版本上評估過 Max 系列，且指數數字在這些版本之間有所變動。一個在單一季度內推出五名成員的世代，不會止步於五名。

在那之前，這條決策規則窄得足以用一行講清楚：如果你的問題是某段影片的幾分之一秒內發生了什麼，Glimpse 是這兩者中唯一其所述機制以此為目標的，而免費註冊讓試用成本很低——跑一段短片，然後讀取視覺草稿空間，並檢查模型是否曾回到決定答案的那個區間。如果你的問題是一份長文件、一組截圖或一小時影片整體說了些什麼，而且答案必須經得起預算審查，那麼 Qwen3.8-Max 就是那個擁有視窗、價目表、獨立索引，以及一條能為其定價的路徑的模型，而 Glimpse 從未參與那場競賽。

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。