Glimpse vs. Kolibri: Zwei Wege, mehr Rechenleistung pro Token zu kaufen

E​lorian G​limpse und K​olibri sind zwei Antworten auf dieselbe ökonomische Frage – wie bekommt man mehr Leistungsfähigkeit pro Recheneinheit – und sie stehen an entgegengesetzten Enden davon. G​limpse, veröffentlicht von E​lorian am 16. Oktober 2026, erkauft seine Leistungsfähigkeit zur Inferenzzeit: Es führt einen ersten Durchlauf über einen Clip mit ungefähr 8 Bildern pro Sekunde aus und investiert dann zusätzliche Rechenleistung, um eine ausgewählte 0,9-Sekunden-Sequenz mit etwa 14 Bildern pro Sekunde erneut zu scannen, bevor es antwortet. K​olibri, veröffentlicht von A​leph Alpha am 3. Oktober 2026, erkauft seine Leistungsfähigkeit zur Architekturzeit: 78,1 Milliarden Gesamtparameter, von denen nur etwa 3,46 Milliarden pro Token aktiv sind, sodass fast jeder Parameter im Modell einer ist, für dessen Auswertung man nie bezahlt.

Die beiden sind nicht austauschbar, und der Grund dafür ist nicht die Qualität. Das eine ist eine gehostete Vorschau ohne Gewichte, ohne veröffentlichte Parameteranzahl und ohne veröffentlichtes Kontextfenster. Das andere ist ein Apache-2.0-Download, dessen Modellkarte die Anzahl seiner Experten, seinen Attention-Zeitplan, seine numerischen Formate, die Sprachabdeckung seines Tokenizers und die exakte Stromrechnung seines Trainingslaufs nennt. Sie zu vergleichen ist wirklich ein Vergleich zweier Strategien, und die interessante Frage ist, welche Strategie den Kontakt mit Ihrer Arbeitslast übersteht.

Ein 22-zu-1-Verhältnis gegen ein Verhältnis, das niemand veröffentlicht hat

K​olibri ist ein Sparse-Mixture-of-Experts-Modell, und die Sparsität ist extrem, selbst nach heutigen Maßstäben. Fünfzig Schichten, jede einzelne ein Mixture of Experts, 384 Experten pro Schicht, von denen einer geteilt und sechs geroutet werden. Das ergibt ein Verhältnis von Gesamt- zu aktivierten Parametern von ungefähr 22,6 zu 1 – ein Modell, das 78 Milliarden Parameter umfasst, aber bei jedem einzelnen Token nur etwa 3,5 Milliarden davon auswertet. A​leph Alpha wechselt das in einem 4-zu-1-Muster mit Group-Query-Attention-Blöcken ab, was den nativen Kontext von 262.144 Token bezahlbar hält: Ein Million-Token-Pfad ist validiert, und der KV-Cache wird in FP8 gehalten, damit das lange Ende dieses Fensters in den Speicher passt statt in eine Tabellenkalkulation.

Die Wahl der Zahlenformate wird in ungewöhnlichem Umfang offengelegt. Die Gewichte liegen in FP8 in 128×128-Blöcken vor. Der KV-Cache ist FP8. Embeddings, der Sprachmodell-Head, die Normalisierungsschichten und der Router bleiben in bfloat16 – die Teile, bei denen sich Quantisierungsschäden eher in Routing-Entscheidungen als in Losses niederschlagen würden. Vier Aufwandsstufen sind verfügbar. Tool-Calling folgt dem Hermes-Format mit einem vLLM-Parser, was bedeutet, dass es sich in einen bestehenden Agent-Stack einfügt, statt eine maßgeschneiderte Integration zu erfordern.

Glimpse veröffentlicht nichts davon. Keine Parameteranzahl. Keine erwähnenswerte Expertenstruktur, kein Kontextfenster, kein Quantisierungsschema, kein benanntes Basismodell – nur die Wendung „post-trainiert auf einem Open-Weights-Basismodell“, die nicht sagt, welches. Was es stattdessen veröffentlicht, ist die Spur: ein erster Durchlauf mit ungefähr 8 Bildern pro Sekunde, eine vorläufige Deutung, eine Rückkehr zu 0,9 Sekunden des Clips mit etwa 14 Bildern pro Sekunde, und in einem zweiten Beispiel eine Fensterkante, die ab etwa 2,2 Sekunden in einem Clip verfolgt wird, bis sie bei 5,13 Sekunden fast zum Stillstand kommt.

Beide davon sind Angaben zur Rechenleistung. Bei K​olibri ist es eine Aussage darüber, wohin die Rechenleistung fließt, wenn das Modell geladen wird. Bei G​limpse ist es eine Aussage darüber, wohin die Rechenleistung fließt, während das Modell denkt. Nur eine davon bringt eine Zahl mit.

Die veröffentlichten Blätter, Seite an Seite

• Größe — K​olibri: 78.103.074.560 Parameter insgesamt, davon 3.457.573.120 aktiv. G​limpse: nicht veröffentlicht, wobei „wesentlich kleiner und günstiger als die Frontier-Systeme, gegen die es Benchmark-Vergleiche anstellt“ die einzige Größenangabe ist, die E​lorian macht.

• Zugang — Apache-2.0-Gewichte für K​olibri, herunterladbar und selbst hostbar. Keine für G​limpse, das ausschließlich API und Chat mit kostenloser Registrierung bietet.

• Kontext — 262.144 Tokens nativ für K​olibri, mit 1.048.576 validiert. Für G​limpse nicht veröffentlicht, was die unangenehmere Leerstelle ist, denn seine wichtigste Fähigkeit ist das Lesen von Videos.

• Sprachen — Deutsch und Englisch für Kolibri, was Aleph Alpha als Designentscheidung und nicht als Einschränkung darstellt. Glimpse veröffentlicht überhaupt keine Sprachabdeckung.

• Preis — 0,60 $ pro Million Eingabe-Tokens und 3,00 $ pro Million Ausgabe-Tokens für G​limpse — und der Mechanismus bedeutet, dass die Ausgabe-Tokens der Punkt sind, an dem der Re-Scan auftritt, sodass der Trace die Quittung ist. K​olibri hat keine Preisliste, weil die Hardware die Kosten ausmacht.

• Unabhängige Bewertung — faktisch für keinen von beiden vorhanden. Keiner von beiden hat einen Drittanbieter-Prüfstand, der seine Zahlen reproduziert, und beide Sätze veröffentlichter Zahlen stammen vom Anbieter selbst.

Der Trainingslauf, den A​leph Alpha vollständig veröffentlichte

Hier unterscheidet sich K​olibri von fast jedem Release des Jahres, und es lohnt sich, das durchzugehen, denn es verrät einem, was die Sparsity beim Bau gekostet hat.

Der Pre-Training-Korpus umfasste 20 Billionen Token, aufgeteilt auf etwa 62,5 % Englisch, 23,9 % Deutsch und 13,6 % Code. Das Mid-Training fügte weitere 3,44 Billionen hinzu, und eine Long-Context-Phase steuerte 201 Milliarden bei. Für den Lauf wurden 768 NVIDIA B200-Beschleuniger auf 96 HGX-Knoten verwendet; er dauerte 21 Tage und 511 Stunden Wanduhrzeit und verbrauchte etwa 392.000 GPU-Stunden — 6,4×10²³ Gleitkommaoperationen, bei einem Energiebudget von rund 9,5×10² Megawattstunden.

Diese Zahlen sind der ehrliche Preis eines Modells mit 3,46 Milliarden aktiven Parametern, das sich wie etwas viel Größeres verhält. Sie sind außerdem für niemanden außerhalb eines gut finanzierten Labors wiederholbar, und genau das ist das Argument für offene Gewichte: Die Trainingskosten werden einmal von dem Unternehmen bezahlt, das die Karte veröffentlicht, und alle nachgelagerten Akteure erhalten das Artefakt zum Preis des Downloads.

Der Vorgänger ist aufschlussreich. K​olibri Origin hatte 30,6 Milliarden Parameter bei 3,27 Milliarden aktiven, einen Kontext von 65.536 Tokens und 7,51 Billionen Trainings-Tokens – und wurde nie veröffentlicht. Das veröffentlichte Modell ist kein erster Versuch; es ist der zweite, und die Lücke zwischen ihnen entspricht in etwa der Lücke zwischen einem Prototyp und einem Produkt.

Für G​limpse gibt es nichts Vergleichbares. E​lorian sagt nur, dass das Modell von einem kleinen Team mit ein paar hundert GPUs nachtrainiert wurde. Es wird kein Basismodell genannt, keine Tokenanzahl, keine Datenbeschreibung, keine Offenlegung der Rechenleistung. Das ist ein legitimer Unterschied zwischen der Veröffentlichung eines Checkpoints und dem Ausliefern eines Endpunkts – man legt offen, was man übergibt –, aber es bedeutet, dass die beiden Veröffentlichungen wirtschaftlich nicht über die Preisliste hinaus verglichen werden können, weil nur eine von ihnen ihre Kosten veröffentlicht hat.

Die leere Parameteranzahl-Zelle

Hier ist die Falle in diesem Vergleich, und sie läuft in G​limpses Richtung.

Es ist leicht, K​olibris 3,46 Milliarden aktive Parameter zu lesen und daraus zu schließen, dass G​limpse – gehostet, günstig pro Token, auf eine eng begrenzte Fähigkeit ausgerichtet – klein, günstig im Betrieb oder ein Fine-Tuning von etwas Bescheidenem sein muss. Nichts davon folgt. G​limpses Parameteranzahl wurde nie veröffentlicht. Sein Kontextfenster wurde nie veröffentlicht. Sein Basismodell wurde nie genannt. Die einzige Größenangabe im Launch-Post ist vergleichend und nicht quantifiziert. Wo Verhalten keine Größe offenlegt und das Verhalten dieses Modells ein Sampling-Zeitplan statt einer Architektur ist, könnte die Parameteranzahl fast alles sein, und nichts Veröffentlichtes würde dem widersprechen.

Die Zelle für die Parameteranzahl bleibt also leer, und jede Zahl, die diesen Monat irgendwer für Glimpses Größe nennt, ist eine als Spezifikation verkleidete Schätzung. Dasselbe gilt übrigens auch umgekehrt: Kolibris Verhältnis von 22,6 zu 1 verrät Ihnen nicht, was seine Inferenz auf Ihrer Hardware kostet, weil FP8-Gewichte in 128-mal-128-Blöcken spezifische Beschleuniger-Unterstützung brauchen, um ein Vorteil statt ein Konvertierungsschritt zu sein.

Woran jede Strategie scheitert

K​olibris Einschränkung ist die Sprachabdeckung, und das ist Absicht. Deutsch und Englisch, sonst nichts. Für ein europäisches Unternehmen mit deutschsprachigem Traffic ist das ein Feature – die Trainingsmischung ist zugunsten einer Sprache gewichtet, die die meisten offenen Modelle als Rundungsfehler abtun. Für alle anderen ist es ein hartes Nein, und kein noch so großes Kontextfenster macht das wett.

Seine zweite Einschränkung ist die Arithmetik langer Kontexte. Ein Pfad mit einer Million Token ist validiert, was wirklich groß ist. Aber ein validierter Pfad ist nicht dasselbe wie ein nicht degradierter Pfad; bei diesen Längen fällt die Retrieval-Genauigkeit fast jedes Modells weit vor dem Ende des Fensters ab, und keine veröffentlichte Evaluation sagt, wo K​olibris Kurve abknickt. Betrachten Sie das Fenster als Kapazität, die Sie zuweisen können, statt als Genauigkeit, die Sie annehmen können.

Die Einschränkung von G​limpse hat die entgegengesetzte Form: eine schmale Fähigkeit, um die herum nichts ist. Wenn die Frage lautet, was sich in einem Bruchteil einer Sekunde Filmmaterial ereignet hat, zielt G​limpse direkt darauf. Wenn die Frage lautet, was eine Szene impliziert statt was sie aussagt, hilft das Zurückspulen nicht — bei Humanity's Sixth Sense, dem Benchmark, den E​lorian gemeinsam mit Scale AI neun Tage vor Auslieferung des Modells veröffentlichte, erreicht G​limpse 46,36 gegenüber 53,6 von GPT-6 Astra, und die eigene Fehleranalyse des Benchmarks führt 94 % der gekennzeichneten Fehler auf Sehen und Inferieren statt auf Schlussfolgern zurück. Mehr Hinsehen ist nicht mehr Verständnis, und die Tabelle des Anbieters selbst ist der Beweis.

Es gibt auch eine Klasse von Problemen, die keines von beiden adressiert: die, bei der die Antwort ein Schwellenwert sein muss. G​limpse schreibt Prosa. K​olibri liest und schreibt. Keines von beiden ist darauf ausgelegt, pro Option eine kalibrierte Zahl zurückzugeben, und wenn es das ist, was die Pipeline braucht, dann ist das Instrument eine völlig andere Art von Modell.

Wo eine Routing-Schicht ihren Platz verdient – und wo nicht

Die beiden Modelle befinden sich auf je einer Seite einer Grenze, die das Routing verschieben kann, und einer, die es nicht kann.

Die Grenze, die er verschiebt, sind die Kosten und die Ausfallsicherheit beim Mischen von Spuren. Ein Team, das K​olibri auf eigenen Beschleunigern für deutschsprachigen Verkehr und ein gehostetes Modell für alles andere betreibt, hat zwei Codepfade, zwei Fehlermodi und zwei Sätze von Zugangsdaten. OrcaRouter reduziert das auf einen einzigen Schlüssel vor über 200 Modellen, mit einer Routing-DSL, die entscheidet, welche Anfrage in welche Spur geht und automatischem Failover, das eine Anfrage am Leben hält, wenn die selbst gehostete Spur gesättigt oder ausgefallen ist. Die Listenpreise der Anbieter werden durchgereicht, ohne dass pro Token etwas aufgeschlagen wird, sodass die gehostete Hälfte dieser Mischung kostet, was ihr Anbieter verlangt, und dem Preis dieses Anbieters an dem Tag folgt, an dem er sich ändert.

Die Grenze, die er nicht verschiebt, ist die Verwahrung, und hier hat K​olibri einen Vorteil, den keine Routing-Schicht herstellen kann. Seine Gewichte sind herunterladbar. Wenn der Korpus das Gebäude nicht verlassen kann, ist ein Apache-2.0-Checkpoint der einzige dieser beiden, der dort läuft, wo die Daten liegen, und keine Evaluierung eines der beiden Modelle ändert daran etwas. Auch ist keines der beiden Modelle in unserem Katalog — K​olibri ist ein Download und G​limpse ist E​lorians eigene API und Chat-Oberfläche —, daher ist dies eine Aussage darüber, wie wir routen, und keine Behauptung, sie zu bedienen.

Wie man ohne einen gemeinsamen Benchmark entscheidet

Es gibt keine Rangliste, die diese beiden einordnet, und das nicht, weil eine der beiden neu ist. E​lorians Tabelle misst die Video- und Bildwahrnehmung gegen GPT-6 Astra; A​leph Alphas Karte misst das übliche akademische Spektrum plus Long-Context-Retrieval. Sie haben keine gemeinsame Aufgabe, also ist der einzige Vergleich, der zählt, der mit Ihrem eigenen Workload.

Drei Fragen klären es schneller als jede Tabelle.

Müssen die Daten auf Hardware bleiben, die Sie kontrollieren? Wenn ja, ist K​olibri hier der einzige Kandidat, die Lizenz ist Apache 2.0, und die deutsch-englische Abdeckung passt entweder zu Ihrer Bereitstellung oder schließt ihn sofort aus.

Ist der Fehlermodus zeitlich — Objektidentität über eine Okklusion hinweg, ein Schwenk versus ein Schnitt, ein Ereignis innerhalb eines Subsekundenfensters? Wenn ja, ist G​limpse das einzige der beiden Modelle, dessen angegebener Mechanismus darauf abzielt; die kostenlose Anmeldung macht den Test günstig, und der Trace verrät Ihnen mehr als der Score: Lassen Sie Ihre eigenen Clips laufen und prüfen Sie, ob das Modell jemals zu dem Intervall zurückgekehrt ist, das die Antwort entschieden hat.

Ist die Workload Long-Context, aber nicht Long-Video — ein Dokumentkorpus, ein Aktenbestand, ein Audit-Trail? Wenn ja, ist das native Fenster von K​olibri mit 262.144 Token und einem validierten Millionen-Token-Pfad die relevante Zahl, und keine der veröffentlichten Evaluierungen der beiden Modelle klärt, ob es die Degradationskurve bei diesen Längen übersteht. Das muss anhand Ihrer Daten gemessen werden, bevor eine der beiden Entscheidungen sicher ist.

Die dokumentierten KI-Ausfälle und Agent-Vorfälle hinter Veröffentlichungen wie dieser werden gesammelt in dem OrcaRouter AI Incident Archive, wo jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als strittig enthält.