Beam 1.0 vs Kolibri : deux versions Apache 2.0 ne sont pas la même version

Beam 1.0 et Kolibri sont les deux publications à poids ouverts les plus comparables du mois dernier, et les comparer est plus utile que de comparer l'une ou l'autre à un modèle d'API de pointe, car les deux peuvent réellement être téléchargées. Kolibri d'Aleph Alpha est arrivé le 3 octobre 2026 — 78 103 074 560 paramètres au total, 3 457 573 120 actifs par token, une fenêtre de contexte validée de 1 048 576 tokens, allemand et anglais, Apache 2.0. Beam 1.0 de Reflection est arrivé le 16 octobre 2026 avec 501,3 milliards de paramètres au total, 23,4 milliards d'actifs, 1 M de tokens de contexte, l'anglais, et la même licence. Même licence, philosophie de parcimonie similaire, et presque rien d'autre en commun — ce qui explique précisément pourquoi ce duo en dit plus qu'une comparaison taille contre taille. L'un a été conçu par un laboratoire ayant un argument de juridiction à défendre ; l'autre par un laboratoire ayant un argument de capacité à défendre.

Les deux diffèrent aussi d’une manière qui tranche la plupart des déploiements réels avant même qu’une seule ligne de benchmark ne soit lue : ce que le fournisseur a publié en accompagnement des poids. Aleph Alpha a livré un compte rendu exceptionnellement complet de la manière dont le modèle a été entraîné — provenance des données, énergie, le prédécesseur qui a échoué, le nombre exact d’heures GPU. Reflection a livré un vérificateur que vous pouvez pointer vers votre propre point de terminaison. Ce sont des formes de confiance différentes, et savoir laquelle votre processus d’approvisionnement accepte est la première question à laquelle répondre.

Même licence, produits différents

Commencez par ce qui est véritablement identique, car c'est moins qu'il n'y paraît.

• Licence — toutes deux Apache 2.0, avec la licence dans le dépôt plutôt que dans une phrase de blog. La fiche de Beam ajoute que la distillation, le fine-tuning, la quantification et la fusion ne sont pas restreints. Kolibri n’inclut aucune clause d’utilisation acceptable, aucun seuil d’utilisateurs actifs mensuels et aucune condition commerciale distincte.

• Stratégie de parcimonie — les deux sont des mélanges d’experts aux taux d’activation agressifs. Kolibri active 3,46 B sur 78,1 B, soit environ 4,4 pour cent ; Beam active 23,4 B sur 501,3 B, soit environ 4,7 pour cent. Aucun des deux laboratoires ne vous vend un modèle dense.

• Contexte long — Kolibri déclare une fenêtre native de 262 144 tokens, avec une qualité et une efficacité de service validées jusqu'à 1 048 576 ; Beam déclare 1 M sur la carte et 131 072 tokens de sortie maximale sur l'API.

• Aucune reproduction indépendante de benchmark — aucun des tableaux des fournisseurs n’a été vérifié par un tiers. Artificial Analysis n’a pas du tout de page de modèle pour Kolibri, tandis qu’il répertorie Beam 1.0 à un Intelligence Index de 30, dix-neuvième sur 120 dans la version v4.3.2 de l’index.

Cette dernière ligne est la première véritable asymétrie, et elle est facile à manquer. Beam dispose d'un chiffre externe ; Kolibri n'en a aucun. Un 30 sur un indice qui couvre 120 modèles n'est pas une note flatteuse, mais c'est une note que Reflection n'a pas produite, et pour un acheteur qui cherche à savoir si le tableau d'un fournisseur est digne de confiance, l'existence d'une mesure indépendante, quelle qu'elle soit, vaut plus que sa valeur.

Ce que chaque fournisseur a choisi de publier

La documentation de publication d'Aleph Alpha est l'artefact le plus inhabituel. Parallèlement aux poids, Aleph Alpha a publié 20 billions de jetons de pré-entraînement tirés d'un corpus bilingue filtré — environ 62,5 % d'anglais, 23,9 % d'allemand, 13,6 % de code — ainsi que 3,44 billions de jetons d'entraînement intermédiaire et 201 milliards pour l'extension de contexte long. La puissance de calcul est indiquée comme 768 NVIDIA B200 répartis sur 96 nœuds HGX, 21 jours de pré-entraînement pour 511 heures et 392 000 heures GPU à un débit signalé de 6,4×10²³ FLOPs, l'entraînement intermédiaire ajoutant cinq jours et 90 000 heures GPU, et l'extension de contexte long ajoutant 13 heures et 10 000 heures GPU. L'énergie est estimée à 9,5×10² MWh, y compris les frais généraux du centre de données, couvrant le pré-entraînement, l'entraînement intermédiaire et l'entraînement sur contexte long, et exclut l'affinage supervisé et l'apprentissage par renforcement.

Publier cela a deux conséquences. Premièrement, une organisation dotée d’une règle d’approvisionnement qui commence par « d’où viennent les données d’entraînement et sous quelle loi ? » dispose d’une réponse plutôt que d’une conversation. Deuxièmement, et moins confortablement, la même documentation montre que le modèle perd face à Qwen3.8 27B sur le propre harnais d’Aleph Alpha — 75,5 contre 80,2 sur la moyenne en anglais et 70,8 contre 79,9 sur la moyenne en allemand, Qwen étant en tête sur GPQA Diamond, LiveCodeBench v6, SWE-Bench Verified et les deux benchmarks de contexte long. Gemma 4 26B-A4B IT se situe à 71,9 et 66,3 sur les deux moyennes. L’argument de Kolibri n’est pas qu’il est le modèle le plus puissant de sa taille ; c’est qu’il est le modèle le plus puissant de sa taille dont l’entraînement peut être audité. Cette documentation est la raison pour laquelle le lancement se lit comme de la recherche plutôt que comme du marketing : Aleph Alpha décrit comment le modèle a été conçu parce qu’il veut que ce soit le pipeline, et non le modèle, qui soit le produit, et un laboratoire qui vend un pipeline d’entraînement publie les chiffres qui montrent que le pipeline a fonctionné.

Reflection a publié quelque chose d'un genre différent. La version 1.0 de Beam inclut des configurations de service de référence, un chart Helm, une prise en charge dès le jour zéro dans Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed et NVIDIA Dynamo, ainsi que le beam-verifier en ligne de commande, qui exécute une suite de conformité contre un point de terminaison en direct, puis l'évalue sur les principaux benchmarks afin qu'un déploiement puisse être vérifié par rapport aux scores de référence de Reflection. Ce qu'il n'inclut pas, c'est une grille tarifaire : la documentation comporte une page entière sur les limites de débit et aucun prix par million de jetons, et l'annonce indique seulement que l'API est gratuite pour commencer.

Ce qu’il en coûte pour faire fonctionner chacun d’eux

Ni l'un ni l'autre n'est proposé dans notre catalogue, et nous n'allons pas laisser entendre le contraire. Les deux sont des achats en auto-hébergement, et le vrai prix, ce sont les prérequis matériels.

• Beam 1.0 — la version NVFP4 pèse 273 GiB et la configuration de référence est de quatre GPU NVIDIA B300 SXM sur NVLink, dans une seule machine. FP8 pèse 468,72 GiB et tourne sur huit H200 ; BF16 pèse 933,81 GiB et s'exécute sur huit B200 ou B300. Un drafter DFlash2 de 1,93 B est livré avec, pour le décodage spéculatif, ce qui apporte un gain de vitesse de décodage de 1,7× à 3,0× sur le checkpoint NVFP4. Les recettes de serving conservent le cache KV en FP8 E4M3 avec une page de 64 tokens.

Kolibri — le checkpoint FP8 est la précision de service documentée, avec des poids par blocs de 128×128 et des activations quantifiées dynamiquement, évalué avec un cache KV FP8 tandis que les embeddings, la tête LM, les normalisations et le routeur MoE restent en bfloat16. Un parseur d'appels d'outils vLLM est fourni dans le même dépôt que les poids, et le dépôt est en accès libre — un téléchargement Apache 2.0 plutôt qu'une demande.

La comparaison qu'un acheteur devrait réellement effectuer n'est pas celle des lignes de benchmark. C'est celle entre un point de terminaison auto-hébergé à deux GPU, qui répond en allemand et en anglais et dont l'entraînement peut être documenté, et un point de terminaison à quatre GPU, plus performant sur le code et les tâches agentiques, et dont la documentation d'entraînement, pour autant que nous puissions le constater, ne s'étend pas aux heures-GPU ni à l'énergie.

Si votre charge de travail est constituée de documents réglementés qui ne peuvent pas quitter le bâtiment, le premier est le seul qui tranche la question. Si votre charge de travail est un agent d’ingénierie, le second est le seul à disposer d’un vérificateur.

Si vous souhaitez la capacité sans le rack

Les deux modèles décrivent une catégorie — des MoE à petits paramètres actifs, sous licence permissive — déjà servis sur des routes que vous pouvez appeler dès aujourd'hui, et chiffrer l'alternative est le moyen le plus rapide de décider si posséder le matériel en vaut la peine.

• Gemma 4 26B-A4B IT — 0,06 $ par million de jetons d'entrée et 0,33 $ par million de jetons de sortie avec une fenêtre de 262 144 jetons. Ce qui se rapproche le plus, sur un endpoint routé, du niveau Kolibri, et le modèle qui bat réellement Kolibri sur les propres moyennes anglaises et allemandes d'Aleph Alpha.

• Qwen3.8-27B — 0,33 $ en entrée et 2,40 $ en sortie, un contexte de 262 144 tokens, et des poids ouverts sous licence Apache si vous préférez les exécuter plutôt que les louer.

• GLM-5.2 — 1,40 $ et 4,40 $ avec une fenêtre de 1 000 000 de tokens, pour les tâches de contexte long et de codage auxquelles Beam 1.0 est destiné.

• Kimi K3 — 3,00 $ en entrée, 0,30 $ en cache, 15,00 $ en sortie pour 1 048 576 tokens, le modèle que le post de lancement de Reflection lui-même admet être en avance en capacités brutes.

OrcaRouter achemine cet ensemble derrière une seule clé compatible OpenAI, avec le prix catalogue du fournisseur répercuté tel quel et rien ajouté, de sorte qu'une baisse de prix d'un fournisseur se répercute sur votre facture le jour même plutôt qu'à la prochaine reconduction de contrat, et le basculement automatique couvre le cas où un fournisseur se dégrade sous charge. Un schéma utile pour quiconque envisage un déploiement souverain consiste à faire passer le trafic réglementé par un point de terminaison Kolibri auto-hébergé et le travail général par un niveau routé, avec une règle de routage qui décide lequel correspond à quoi — une clé, une configuration, et une décision matérielle qui n'a à être justifiée que pour les documents qui l'exigent.

Quelle version vous recherchiez réellement

Si vous avez cherché des poids ouverts parce que vous devez répondre à une question de provenance, de juridiction ou d’auditabilité, Kolibri est la version qui apporte la réponse. Ce n’est pas le modèle le plus puissant de sa taille — les propres tableaux d’Aleph Alpha le disent — et il couvre deux langues, et sa configuration de service recommandée est de deux H100 SXM5 ou deux H200 — ou un seul B200 ou B300, que le tableau matériel liste à leurs côtés. Le compromis est explicite et, pour un déploiement réglementé, probablement correct.

Si vous avez cherché des poids ouverts parce que vous voulez un agent d’ingénierie que vous pouvez exécuter vous-même, Beam 1.0 est la version qui apporte la capacité, la pile de service et l’outillage de vérification, et elle exige quatre B300 ainsi qu’une grille tarifaire qui n’a pas encore été écrite. Le compromis, ici, c’est du capital et de l’ambiguïté contre un modèle qui effectue un travail de codage proche de la frontière sur votre propre matériel.

Ce que ce rapprochement montre, c'est que « open weight » a cessé d'être un critère différenciant il y a un certain temps. Deux versions publiées sous Apache 2.0 par deux laboratoires en deux semaines peuvent partager une licence, une philosophie de parcimonie et une fenêtre de contexte, et pourtant répondre à des questions complètement différentes. Trier par licence ne vous avance à rien ; trier selon la question à laquelle la version a été conçue pour répondre vous amène au bon dossier.

Rien de tout cela n'est hypothétique : les défaillances documentées de l'IA et les incidents d'agents qui sous-tendent des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée est accompagnée de ses propres sources, de son niveau de gravité, de son degré de confiance et de son indicateur de contestation.