Glimpse vs Kolibri: dos formas de comprar más cómputo por token

E​lorian G​limpse y K​olibri son dos respuestas a la misma pregunta económica — ¿cómo se obtiene más capacidad por unidad de cómputo? — y se sitúan en extremos opuestos de ella. G​limpse, lanzado por E​lorian el 16 de octubre de 2026, compra su capacidad en el momento de la inferencia: realiza una primera pasada sobre un clip a aproximadamente 8 fotogramas por segundo, luego gasta cómputo adicional reanalizando un fragmento de nueve décimas de segundo elegido a alrededor de 14 fotogramas por segundo antes de responder. K​olibri, lanzado por A​leph Alpha el 3 de octubre de 2026, compra su capacidad en el momento de la arquitectura: 78,1 mil millones de parámetros totales, de los cuales solo unos 3,46 mil millones están activos por token, por lo que casi todos los parámetros del modelo son parámetros que nunca pagas por evaluar.

Los dos no son intercambiables, y la razón no es la calidad. Uno es una vista previa alojada sin pesos, sin recuento de parámetros publicado y sin ventana de contexto publicada. El otro es una descarga de Apache 2.0 cuya tarjeta de modelo indica su número de expertos, su esquema de atención, sus formatos numéricos, la cobertura lingüística de su tokenizador y la factura eléctrica exacta de su ejecución de entrenamiento. Compararlos es en realidad una comparación de dos estrategias, y la pregunta interesante es qué estrategia sobrevive al contacto con tu carga de trabajo.

Una proporción de 22 a 1 frente a una proporción que nadie publicó

Kolibri es un modelo disperso de mezcla de expertos, y la dispersión es extrema incluso para los estándares actuales. Cincuenta capas, cada una de ellas una mezcla de expertos, 384 expertos por capa, de los cuales uno es compartido y seis son enrutados. Eso da una relación entre parámetros totales y activos de aproximadamente 22,6 a 1 — un modelo que contiene 78 mil millones de parámetros, pero evalúa alrededor de 3,5 mil millones de ellos en cualquier token dado. Aleph Alpha alterna eso en un patrón de 4 a 1 frente a bloques de atención de consultas agrupadas, que es lo que mantiene asequible el contexto nativo de 262.144 tokens: una ruta de un millón de tokens está validada, y la caché KV se mantiene en FP8 para que el extremo largo de esa ventana quepa en memoria en lugar de en una hoja de cálculo.

Las opciones de formato numérico se divulgan hasta un punto inusual. Los pesos son FP8 en bloques de 128 por 128. La caché KV es FP8. Los embeddings, la cabeza del modelo de lenguaje, las capas de normalización y el enrutador permanecen en bfloat16 — las partes donde el daño de la cuantización se manifestaría en las decisiones de enrutamiento en lugar de en las pérdidas. Se exponen cuatro niveles de esfuerzo. La llamada a herramientas sigue el formato Hermes con un parser de vLLM, lo que significa que encaja en una pila de agentes existente en lugar de requerir una integración a medida.

Glimpse no publica nada de eso. Ni recuento de parámetros. Ni estructura de expertos que merezca mención, ni ventana de contexto, ni esquema de cuantización, ni modelo base con nombre — solo la frase «entrenado posteriormente sobre un modelo base de pesos abiertos», que no especifica cuál. Lo que publica en su lugar es la traza: una primera pasada a aproximadamente 8 fotogramas por segundo, una lectura tentativa, una vuelta a 0,9 segundos del clip a alrededor de 14 fotogramas por segundo y, en un segundo ejemplo, un borde de ventana rastreado desde aproximadamente los 2,2 segundos de un clip hasta que casi se detiene en 5,13 segundos.

Ambas son revelaciones sobre cómputo. La de K​olibri es una declaración sobre adónde va el cómputo cuando se carga el modelo. La de G​limpse es una declaración sobre adónde va el cómputo mientras el modelo piensa. Solo una de ellas viene con un número.

Las hojas publicadas, lado a lado

• Tamaño — Kolibri: 78.103.074.560 parámetros totales, 3.457.573.120 activos. Glimpse: no publicado, con «sustancialmente más pequeño y más barato que los sistemas de frontera con los que se compara» como la única afirmación sobre tamaño que hace Elorian.

• Acceso — Pesos de Apache 2.0 para Kolibri, descargables y autoalojables. Ninguno para Glimpse, que es solo API y chat con un registro gratuito.

• Contexto — 262,144 tokens nativos para K​olibri, con 1,048,576 validados. No publicado para G​limpse, que es el vacío más incómodo porque su capacidad estrella es leer video.

• Idiomas — alemán e inglés para K​olibri, que A​leph Alpha presenta como una decisión de diseño en lugar de una limitación. G​limpse no publica ninguna cobertura de idiomas.

• Precio — 0,60 $ por millón de tokens de entrada y 3,00 $ por millón de salida para G​limpse — y el mecanismo hace que los tokens de salida sean donde se manifiesta el re-escaneo, así que la traza es el recibo. K​olibri no tiene lista de tarifas, porque el costo es el hardware.

• Evaluación independiente — efectivamente ninguna para ninguno de los dos. Ninguno cuenta con un arnés de pruebas de terceros que reproduzca sus cifras, y ambos conjuntos de cifras publicadas son del propio proveedor.

La ejecución de entrenamiento que Aleph Alpha publicó en su totalidad

Aquí es donde K​olibri se aparta de casi todos los lanzamientos del año, y vale la pena repasarlo porque te dice lo que costó construir la dispersión.

El corpus de preentrenamiento fue de 20 billones de tokens, dividido aproximadamente en 62,5 % de inglés, 23,9 % de alemán y 13,6 % de código. El entrenamiento intermedio añadió 3,44 billones más, y una etapa de contexto largo contribuyó con 201 mil millones. La ejecución utilizó 768 aceleradores NVIDIA B200 en 96 nodos HGX, tomó 21 días y 511 horas de tiempo real, y consumió alrededor de 392.000 horas de GPU — 6,4×10²³ operaciones de punto flotante, con un presupuesto energético de aproximadamente 9,5×10² megavatios-hora.

Esos números son el precio honesto de un modelo de 3,46 mil millones de parámetros activos que se comporta como algo mucho más grande. También son irrepetibles para cualquiera fuera de un laboratorio bien financiado, y ese es precisamente el argumento a favor de los pesos abiertos: el costo de entrenamiento lo paga una sola vez la empresa que publica la tarjeta, y todos los que vienen después obtienen el artefacto al precio de la descarga.

El predecesor es aleccionador. K​olibri Origin tenía 30,6 mil millones de parámetros, con 3,27 mil millones activos, un contexto de 65.536 tokens y 7,51 billones de tokens de entrenamiento — y nunca se lanzó. El modelo publicado no es un primer intento; es el segundo, y la diferencia entre ambos es aproximadamente la diferencia entre un prototipo y un producto.

No existe nada comparable para G​limpse. E​lorian solo dice que el modelo fue postentrenado por un pequeño equipo con unos cientos de GPU. No se nombra ningún modelo base, no hay recuento de tokens, ni descripción de los datos, ni divulgación de cómputo. Esa es una diferencia legítima entre publicar un checkpoint y lanzar un endpoint —divulgas lo que entregas—, pero significa que los dos lanzamientos no se pueden comparar en términos económicos más allá de la lista de precios, porque solo uno de ellos publicó sus costos.

La celda vacía de recuento de parámetros

Aquí está la trampa de esta comparación, y va en dirección de G​limpse.

Es fácil leer los 3,46 mil millones de parámetros activos de K​olibri y concluir que G​limpse —alojado, barato por token, orientado a una capacidad limitada— debe de ser pequeño, o debe de ser barato de ejecutar, o debe de ser un ajuste fino de algo modesto. Nada de eso se deduce. El número de parámetros de G​limpse nunca se ha publicado. Su ventana de contexto nunca se ha publicado. Su modelo base nunca se ha nombrado. La única afirmación sobre el tamaño en la publicación de lanzamiento es comparativa y no cuantificada. Cuando el comportamiento no revela el tamaño, y el comportamiento de este modelo es un calendario de muestreo en lugar de una arquitectura, el número de parámetros podría ser casi cualquier cosa y nada de lo publicado lo contradiría.

Así que la celda del recuento de parámetros se queda vacía, y cualquier cifra que alguien cite este mes para el tamaño de Glimpse es una estimación disfrazada de especificación. Lo mismo ocurre, por cierto, en la dirección contraria: la proporción de 22,6 a 1 de Kolibri no te dice su coste de inferencia en tu hardware, porque los pesos FP8 en bloques de 128 por 128 necesitan compatibilidad específica de acelerador para ser una ventaja en lugar de un paso de conversión.

En qué falla cada estrategia

La restricción de K​olibri es la cobertura de idiomas, y es deliberada. Alemán e inglés, nada más. Para una empresa europea con tráfico en alemán, eso es una ventaja — la mezcla de entrenamiento está ponderada hacia un idioma que la mayoría de los modelos abiertos trata como un error de redondeo. Para cualquier otro, es un no rotundo, y no hay ventana de contexto que lo compense.

Su segunda restricción es la aritmética del contexto largo. Se valida una ruta de un millón de tokens, lo cual es genuinamente grande. Pero una ruta validada no es lo mismo que una no degradada; a estas longitudes, la precisión de recuperación de casi todos los modelos decae mucho antes de que termine la ventana, y ninguna evaluación publicada indica dónde cambia la pendiente de la curva de K​olibri. Trata la ventana como capacidad que puedes asignar en lugar de precisión que puedes asumir.

La limitación de Glimpse tiene la forma opuesta: una capacidad estrecha sin nada a su alrededor. Si la pregunta es qué ocurrió dentro de una fracción de segundo de metraje, Glimpse apunta directamente a ello. Si la pregunta es qué implica una escena en lugar de qué enuncia, el rebobinado no ayuda —en Humanity's Sixth Sense, el benchmark que Elorian publicó con Scale AI nueve días antes de que se lanzara el modelo, Glimpse obtiene 46,36 frente a los 53,6 de GPT-6 Astra, y el propio análisis de fallos del benchmark atribuye el 94 % de los errores etiquetados a ver e inferir en lugar de a razonar. Mirar más no es comprender más, y la propia tabla del proveedor es la prueba.

También hay una clase de problema que ninguno de los dos aborda: esa en la que la respuesta tiene que ser un umbral. Glimpse escribe prosa. Kolibri lee y escribe. Ninguno está construido para devolver un número calibrado por opción, y si eso es lo que necesita el pipeline, el instrumento es un modelo de una forma completamente distinta.

Dónde una capa de enrutamiento se gana su lugar — y dónde no

Los dos modelos se sitúan a ambos lados de un límite que el enrutamiento puede desplazar y de otro que no.

La frontera que mueve es el costo y la resiliencia de combinar carriles. Un equipo que ejecuta K​olibri en sus propios aceleradores para tráfico en alemán y un modelo alojado para todo lo demás tiene dos rutas de código, dos modos de fallo y dos conjuntos de credenciales. OrcaRouter reduce eso a una sola clave frente a más de 200 modelos, con un DSL de enrutamiento que decide qué solicitud va a qué carril y conmutación por error automática que mantiene viva una solicitud cuando el carril autoalojado está saturado o caído. Los precios de lista de los proveedores se transfieren sin agregar nada por token, por lo que la mitad alojada de esa combinación cuesta lo que cobra su proveedor y sigue el precio de ese proveedor el día en que cambia.

La frontera que no mueve es la custodia, y aquí K​olibri tiene una ventaja que ninguna capa de enrutamiento puede fabricar. Sus pesos son descargables. Si el corpus no puede salir del edificio, un checkpoint Apache 2.0 es el único de estos dos que se ejecuta donde residen los datos, y ninguna evaluación de ninguno de los dos modelos cambia eso. Ninguno de los dos modelos está tampoco en nuestro catálogo — K​olibri es una descarga y G​limpse es la propia API e interfaz de chat de E​lorian —, así que esto es una afirmación sobre cómo enrutamos, no una afirmación de que los servimos.

Cómo decidir sin un punto de referencia compartido

No hay ninguna tabla de clasificación que clasifique a estos dos, y no es porque uno de ellos sea nuevo. La tabla de E​lorian mide la percepción de video e imagen frente a GPT-6 Astra; la ficha de A​leph Alpha mide el espectro académico habitual más la recuperación de contexto largo. No comparten ninguna tarea, así que la única comparación que importa es contra tu propia carga de trabajo.

Tres preguntas lo resuelven más rápido que cualquier tabla.

¿Tienen que permanecer los datos en hardware que usted controle? Si la respuesta es sí, K​olibri es el único candidato aquí, la licencia es Apache 2.0, y la cobertura alemán-inglés o encaja con su despliegue o lo descarta de inmediato.

¿El modo de fallo es temporal — la identidad de un objeto a través de una oclusión, un paneo frente a un corte, un evento dentro de una ventana de menos de un segundo? Si es así, G​limpse es el único modelo de los dos cuyo mecanismo declarado lo aborda, el registro gratuito abarata la prueba, y la traza te dice más que la puntuación: ejecuta tus propios clips y comprueba si el modelo alguna vez volvió al intervalo que decidió la respuesta.

¿La carga de trabajo es de contexto largo pero no de vídeo largo — un corpus de documentos, un conjunto de expedientes, un rastro de auditoría? Si es así, la ventana nativa de 262.144 tokens de K​olibri, con una ruta validada de un millón de tokens, es la cifra relevante, y la evaluación publicada de ninguno de los dos modelos determina si sobrevive a la curva de degradación en esas longitudes. Eso hay que medirlo, con tus datos, antes de que cualquiera de las dos decisiones sea segura.

Los fallos de IA documentados y los incidentes de agentes que hay detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.