Beam 1.0 vs Kolibri: Dua Rilis Apache 2.0 Bukanlah Rilis yang Sama

Beam 1.0 dan Kolibri adalah dua rilis berbobot terbuka paling sebanding dalam sebulan terakhir, dan membandingkan keduanya lebih berguna daripada membandingkan salah satunya dengan model API terdepan, karena keduanya benar-benar dapat diunduh. Kolibri dari Aleph Alpha hadir pada 3 Oktober 2026 — 78.103.074.560 total parameter, 3.457.573.120 aktif per token, jendela konteks tervalidasi 1.048.576 token, Jerman dan Inggris, Apache 2.0. Beam 1.0 dari Reflection hadir pada 16 Oktober 2026 dengan total 501,3 miliar parameter, 23,4 miliar aktif, konteks 1 juta token, bahasa Inggris, dan lisensi yang sama. Lisensi yang sama, filosofi sparsitas yang serupa, dan hampir tidak ada kesamaan lain — itulah tepatnya mengapa pemasangan ini memberi tahu Anda lebih banyak daripada perbandingan ukuran versus ukuran. Yang satu dibangun oleh lab yang punya argumen yurisdiksi untuk disampaikan; yang lain oleh lab yang punya argumen kapabilitas untuk disampaikan.

Keduanya juga berbeda dalam satu hal yang menentukan sebagian besar penerapan nyata bahkan sebelum satu baris benchmark dibaca: apa yang dipublikasikan vendor bersama bobotnya. Aleph Alpha merilis penjelasan yang luar biasa lengkap tentang bagaimana model dilatih — asal-usul data, energi, pendahulu yang gagal, jumlah jam GPU yang tepat. Reflection merilis verifier yang dapat Anda arahkan ke endpoint Anda sendiri. Itu adalah jenis kepercayaan yang berbeda, dan mana yang diterima proses pengadaan Anda adalah pertanyaan pertama yang harus dijawab.

Lisensi sama, produk berbeda

Mulailah dengan apa yang benar-benar identik, karena itu lebih sedikit daripada yang terlihat.

• Lisensi — keduanya Apache 2.0, keduanya menyertakan lisensi di repositori, bukan dalam kalimat blog. Kartu Beam menambahkan bahwa distilasi, fine-tuning, kuantisasi, dan penggabungan tidak dibatasi. Kolibri tidak menyertakan klausul penggunaan yang dapat diterima, tidak memiliki ambang batas pengguna aktif bulanan, dan tidak memiliki ketentuan komersial terpisah.

• Strategi sparsitas — keduanya adalah campuran para ahli dengan rasio aktivasi yang agresif. Kolibri mengaktifkan 3,46B dari 78,1B, sekitar 4,4 persen; Beam mengaktifkan 23,4B dari 501,3B, sekitar 4,7 persen. Tidak ada lab yang menjual model padat kepada Anda.

• Konteks panjang — Kolibri menyatakan jendela asli 262,144 token dengan kualitas dan efisiensi penyajian yang divalidasi hingga 1,048,576; Beam menyatakan 1M pada kartu dan 131,072 token keluaran maksimum pada API.

• Tidak ada reproduksi benchmark independen — tabel dari kedua vendor tersebut belum diperiksa oleh pihak ketiga. Artificial Analysis sama sekali tidak memiliki halaman model untuk Kolibri, sedangkan Beam 1.0 memang terdaftar pada Intelligence Index 30, peringkat kesembilan belas dari 120 pada versi indeks v4.3.2.

Baris terakhir itu adalah asimetri nyata pertama dan mudah terlewatkan. Beam punya satu angka dari luar; Kolibri tidak punya. Nilai 30 pada indeks yang mencakup 120 model bukanlah angka yang menyanjung, tetapi itu adalah angka yang tidak dihasilkan Reflection, dan bagi pembeli yang memutuskan apakah tabel vendor dapat dipercaya, adanya pengukuran independen apa pun lebih bernilai daripada nilainya sendiri.

Apa yang dipilih setiap vendor untuk diterbitkan

Dokumentasi rilis Aleph Alpha adalah artefak yang lebih tidak biasa. Selain bobotnya, Aleph Alpha menerbitkan 20 triliun token pra-pelatihan yang diambil dari korpus bilingual yang difilter — sekitar 62,5 persen bahasa Inggris, 23,9 persen bahasa Jerman, 13,6 persen kode — ditambah 3,44 triliun token pelatihan menengah dan 201 miliar untuk perluasan konteks panjang. Komputasi dinyatakan sebagai 768 NVIDIA B200 di 96 node HGX, 21 hari pra-pelatihan selama 511 jam dan 392.000 jam GPU pada 6,4×10²³ FLOP yang dilaporkan, dengan pelatihan menengah menambah lima hari dan 90.000 jam GPU serta perluasan konteks panjang menambah 13 jam dan 10.000 jam GPU. Energi diperkirakan 9,5×10² MWh termasuk overhead pusat data, mencakup pra-pelatihan, pelatihan menengah, dan pelatihan konteks panjang, serta tidak termasuk penyetelan halus terawasi dan pembelajaran penguatan.

Dua hal yang mengikuti dari penerbitan itu. Pertama, organisasi dengan aturan pengadaan yang dimulai dengan "dari mana data pelatihan berasal dan di bawah hukum mana" memiliki jawaban alih-alih percakapan. Kedua, dan ini kurang nyaman, dokumentasi yang sama menunjukkan model tersebut kalah dari Qwen3.8 27B pada harness milik Aleph Alpha sendiri — 75,5 berbanding 80,2 pada rata-rata bahasa Inggris dan 70,8 berbanding 79,9 pada rata-rata bahasa Jerman, dengan Qwen unggul pada GPQA Diamond, LiveCodeBench v6, SWE-Bench Verified dan kedua benchmark konteks panjang. Gemma 4 26B-A4B IT berada di angka 71,9 dan 66,3 pada kedua rata-rata tersebut. Argumen Kolibri bukanlah bahwa ia adalah model terkuat pada ukurannya; melainkan bahwa ia adalah model terkuat pada ukurannya yang pelatihannya dapat diaudit. Dokumentasi itulah alasan rilis ini terbaca sebagai riset alih-alih sebagai pemasaran: Aleph Alpha mendeskripsikan bagaimana model dibuat karena mereka ingin pipeline, bukan model, menjadi produknya, dan lab yang menjual pipeline pelatihan menerbitkan angka-angka yang menunjukkan bahwa pipeline tersebut berhasil.

Reflection menerbitkan jenis hal yang berbeda. Rilis Beam 1.0 mencakup konfigurasi penyajian referensi, Helm chart, dukungan hari pertama di Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed dan N​VIDIA Dynamo, serta beam-verifier CLI, yang menjalankan rangkaian uji kesesuaian terhadap endpoint live lalu mengevaluasinya pada tolok ukur utama sehingga suatu deployment dapat diperiksa terhadap skor referensi Reflection. Yang tidak disertakannya adalah kartu tarif: dokumentasi memuat halaman lengkap tentang batas laju dan tidak ada harga per juta token, dan pengumumannya hanya menyatakan bahwa API gratis untuk memulai.

Berapa biaya untuk menjalankan masing-masing

Keduanya tidak tersedia di katalog kami, dan kami tidak akan menyiratkan sebaliknya. Keduanya adalah pembelian yang dihosting sendiri, dan persyaratan perangkat keras minimum adalah biaya yang sebenarnya.

• Beam 1.0 — build NVFP4 berukuran 273 GiB dan konfigurasi referensinya adalah empat GPU NVIDIA B300 SXM pada NVLink, satu kotak tunggal. FP8 berukuran 468,72 GiB dan berjalan di delapan H200; BF16 berukuran 933,81 GiB dan dijalankan pada delapan B200 atau B300. Drafter DFlash2 1,93B disertakan bersama untuk decoding spekulatif, bernilai percepatan dekode 1,7× hingga 3,0× pada checkpoint NVFP4. Resep penyajiannya mempertahankan cache KV dalam FP8 E4M3 dengan halaman 64 token.

• Kolibri — checkpoint FP8 adalah presisi serving yang didokumentasikan, dengan bobot blok 128×128 dan aktivasi yang dikuantisasi secara dinamis, dievaluasi dengan cache KV FP8 sementara embedding, LM head, norm, dan router MoE tetap dalam bfloat16. Parser tool-call vLLM dikirim dalam repositori yang sama dengan bobotnya, dan repositori tersebut tanpa gerbang — unduhan Apache 2.0 alih-alih permintaan.

Perbandingan yang sebenarnya harus dijalankan oleh pembeli bukanlah baris-baris benchmark. Melainkan endpoint self-hosted dua GPU yang menjawab dalam bahasa Jerman dan Inggris dan yang pelatihannya dapat Anda dokumentasikan, dibandingkan dengan endpoint empat GPU yang lebih kuat dalam pengodean dan pekerjaan agentik serta yang dokumentasi pelatihannya, sejauh yang dapat kami temukan, tidak mencakup jam GPU atau energi.

Jika beban kerja Anda adalah dokumen teregulasi yang tidak boleh meninggalkan gedung, yang pertama adalah satu-satunya yang menutup argumen. Jika beban kerja Anda adalah agen rekayasa, yang kedua adalah satu-satunya yang memiliki verifikator.

Jika Anda menginginkan kemampuan tanpa rak

Kedua model tersebut menggambarkan sebuah kelas — MoE dengan parameter aktif kecil dan lisensi permisif — yang sudah dilayani pada rute yang dapat Anda panggil hari ini, dan menghitung biaya alternatifnya adalah cara tercepat untuk memutuskan apakah memiliki perangkat keras itu sepadan.

• Gemma 4 26B-A4B IT — $0.06 per juta token masukan dan $0.33 per juta token keluaran dengan jendela 262.144 token. Hal terdekat pada endpoint yang dirutekan dengan tier Kolibri, dan model yang benar-benar mengalahkan Kolibri pada rata-rata bahasa Inggris dan Jerman milik Aleph Alpha sendiri.

• Qwen3.8-27B — $0.33 masukan dan $2.40 keluaran, konteks 262.144 token, dan bobot terbuka berlisensi Apache jika Anda lebih suka menjalankannya daripada menyewanya.

• GLM-5.2 — $1,40 dan $4,40 dengan jendela 1.000.000 token, untuk pekerjaan konteks panjang dan pengodean yang menjadi sasaran Beam 1.0.

• Kimi K3 — $3,00 input, $0,30 di-cache, $15,00 output pada 1.048.576 token, model yang diakui oleh pos peluncuran Reflection sendiri lebih unggul dalam kemampuan mentah.

OrcaRouter merutekan set tersebut di balik satu kunci yang kompatibel dengan OpenAI, dengan harga daftar penyedia diteruskan apa adanya dan tanpa tambahan biaya, sehingga pemotongan harga vendor langsung terlihat di tagihan Anda pada hari yang sama, bukan pada perpanjangan kontrak berikutnya, dan failover otomatis menangani kasus ketika salah satu penyedia mengalami penurunan performa di bawah beban. Pola yang berguna bagi siapa pun yang mempertimbangkan penerapan berdaulat adalah menjalankan lalu lintas teregulasi terhadap endpoint Kolibri yang di-host sendiri dan pekerjaan umum terhadap tier yang dirutekan, dengan aturan perutean yang menentukan mana yang mana — satu kunci, satu konfigurasi, dan keputusan perangkat keras yang hanya perlu dibenarkan untuk dokumen yang membutuhkannya.

Rilis mana yang sebenarnya kamu cari

Jika Anda mencari bobot terbuka karena perlu menjawab pertanyaan tentang asal-usul, yurisdiksi, atau auditabilitas, Kolibri adalah rilis yang memiliki jawabannya. Model ini bukan model terkuat pada ukurannya — tabel Aleph Alpha sendiri mengatakan demikian — dan cakupannya dua bahasa, serta konfigurasi penyajian yang direkomendasikan adalah dua H100 SXM5 atau dua H200 — atau satu B200 atau B300, yang juga dicantumkan tabel perangkat keras bersama keduanya. Pertukaran ini eksplisit dan, untuk penerapan yang teregulasi, kemungkinan besar tepat.

Jika Anda mencari open weights karena menginginkan agen rekayasa yang bisa Anda jalankan sendiri, Beam 1.0 adalah rilis dengan kemampuan, stack penyajian, dan perkakas verifikasi, dan ia meminta empat B300s serta daftar harga yang belum ditulis. Pertukarannya adalah modal dan ambiguitas untuk sebuah model yang mengerjakan pekerjaan coding yang berdekatan dengan frontier di perangkat keras Anda sendiri.

Apa yang ditunjukkan oleh pasangan ini adalah bahwa "bobot terbuka" sudah tidak lagi menjadi pembeda beberapa waktu lalu. Dua rilis Apache 2.0 dari dua lab dalam dua minggu dapat berbagi lisensi, filosofi sparsitas, dan jendela konteks, namun tetap menjadi jawaban untuk pertanyaan yang sepenuhnya berbeda. Mengurutkan berdasarkan lisensi tidak membawa Anda ke mana-mana; mengurutkan berdasarkan pertanyaan mana yang hendak dijawab oleh rilis tersebut akan membawa Anda ke folder yang tepat.

Tidak ada satu pun dari itu yang hipotetis: kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda status diperdebatkan.