Glimpse vs Kolibri: Dua Cara untuk Membeli Lebih Banyak Komputasi per Token

E​lorian G​limpse dan K​olibri adalah dua jawaban untuk pertanyaan ekonomi yang sama — bagaimana Anda mendapatkan lebih banyak kemampuan per unit komputasi — dan keduanya berada di ujung yang saling berlawanan. G​limpse, yang dirilis oleh E​lorian pada 16 Oktober 2026, membeli kemampuannya pada waktu inferensi: model ini menjalankan lintasan pertama atas sebuah klip pada sekitar 8 frame per detik, lalu menghabiskan komputasi tambahan untuk memindai ulang sembilan persepuluh detik yang dipilih pada sekitar 14 frame per detik sebelum menjawab. K​olibri, yang dirilis oleh A​leph Alpha pada 3 Oktober 2026, membeli kemampuannya pada waktu arsitektur: 78,1 miliar total parameter yang hanya sekitar 3,46 miliar di antaranya aktif per token, sehingga hampir setiap parameter dalam model adalah parameter yang tidak pernah Anda bayar untuk dievaluasi.

Keduanya tidak dapat dipertukarkan, dan alasannya bukanlah kualitas. Yang satu adalah pratinjau terkelola tanpa bobot, tanpa jumlah parameter yang dipublikasikan, dan tanpa jendela konteks yang dipublikasikan. Yang lainnya adalah unduhan Apache 2.0 yang kartu modelnya menyebutkan jumlah pakarnya, jadwal atensinya, format numeriknya, cakupan bahasa tokenizer-nya, dan tagihan listrik persis dari proses pelatihannya. Membandingkan keduanya sebenarnya adalah perbandingan dua strategi, dan pertanyaan yang menarik adalah strategi mana yang bertahan saat bersentuhan dengan beban kerja Anda.

Rasio 22 banding 1 dibandingkan dengan rasio yang tidak dipublikasikan siapa pun

K​olibri adalah model sparse mixture-of-experts, dan tingkat sparsitasnya ekstrem bahkan menurut standar saat ini. Lima puluh lapisan, semuanya merupakan campuran pakar, 384 pakar per lapisan, yang mana satu bersifat shared dan enam di-route. Itu berarti rasio total terhadap aktif sekitar 22,6 banding 1 — model yang membawa 78 miliar parameter tetapi mengevaluasi sekitar 3,5 miliar di antaranya pada setiap token yang diberikan. A​leph Alpha menggantinya secara bergantian dalam pola 4 banding 1 terhadap blok group-query attention, yang membuat konteks native 262.144 token tetap terjangkau: jalur satu juta token telah divalidasi, dan KV cache disimpan dalam FP8 agar ujung panjang dari jendela tersebut muat di memori alih-alih di spreadsheet.

Pilihan format numerik diungkapkan pada tingkat yang tidak biasa. Bobot berformat FP8 dalam blok 128×128. Cache KV adalah FP8. Embedding, head model bahasa, lapisan normalisasi, dan router tetap dalam bfloat16 — bagian-bagian di mana kerusakan kuantisasi akan muncul dalam keputusan perutean, bukan dalam loss. Empat tingkat effort diekspos. Pemanggilan tool mengikuti format Hermes dengan parser vLLM, yang berarti ia dapat dipasang ke dalam stack agen yang sudah ada tanpa memerlukan integrasi khusus.

Glimpse tidak mempublikasikan satu pun dari itu. Tidak ada jumlah parameter. Tidak ada struktur pakar yang layak disebut, tidak ada jendela konteks, tidak ada skema kuantisasi, tidak ada model dasar yang disebutkan namanya — hanya frasa "pasca-dilatih pada model dasar berbobot terbuka," yang tidak menyebutkan yang mana. Yang dipublikasikannya sebagai gantinya adalah jejak: lintasan pertama pada kira-kira 8 bingkai per detik, pembacaan sementara, kembali ke 0,9 detik klip pada sekitar 14 bingkai per detik, dan dalam contoh kedua, tepi jendela dilacak dari sekitar 2,2 detik ke dalam klip sampai hampir berhenti pada 5,13 detik.

Keduanya adalah pengungkapan tentang komputasi. Milik K​olibri adalah pernyataan tentang ke mana komputasi diarahkan saat model dimuat. Milik G​limpse adalah pernyataan tentang ke mana komputasi diarahkan saat model berpikir. Hanya salah satunya yang disertai angka.

Lembar yang dipublikasikan, berdampingan

• Ukuran — Kolibri: 78.103.074.560 total parameter, 3.457.573.120 aktif. Glimpse: tidak dipublikasikan, dengan "jauh lebih kecil dan lebih murah daripada sistem terdepan yang dijadikan tolok ukurnya" sebagai satu-satunya pernyataan ukuran yang dibuat Elorian.

• Akses — Bobot Apache 2.0 untuk K​olibri, dapat diunduh dan dihosting sendiri. Tidak ada untuk G​limpse, yang hanya berupa API dan chat dengan pendaftaran gratis.

• Konteks — 262.144 token native untuk K​olibri, dengan 1.048.576 yang tervalidasi. Tidak dipublikasikan untuk G​limpse, yang justru menjadi kekosongan yang lebih janggal karena kemampuan utamanya adalah membaca video.

• Bahasa — Jerman dan Inggris untuk Kolibri, yang oleh Aleph Alpha disajikan sebagai keputusan desain, bukan keterbatasan. Glimpse tidak menerbitkan cakupan bahasa sama sekali.

• Harga — $0,60 per juta token masukan dan $3,00 per juta token keluaran untuk G​limpse — dan mekanismenya berarti token keluaran adalah tempat pemindaian ulang muncul, jadi jejaknya adalah tanda terima. K​olibri tidak punya daftar tarif, karena biayanya adalah perangkat keras.

• Evaluasi independen — pada praktiknya tidak ada untuk keduanya. Tidak ada pihak ketiga yang memiliki harness yang mereproduksi angka masing-masing, dan kedua set angka yang dipublikasikan tersebut adalah milik vendor itu sendiri.

Proses pelatihan yang dipublikasikan secara lengkap oleh A​leph Alpha

Di sinilah K​olibri berbeda dari hampir setiap rilis tahun ini, dan ini layak ditelusuri karena memberi tahu Anda berapa biaya yang harus dikeluarkan untuk membangun sparsitas.

Korpus pra-pelatihan berisi 20 triliun token, terbagi kira-kira menjadi 62,5% bahasa Inggris, 23,9% bahasa Jerman, dan 13,6% kode. Pelatihan pertengahan menambahkan 3,44 triliun token lagi, dan tahap konteks panjang menyumbang 201 miliar token. Proses ini menggunakan 768 akselerator N​VIDIA B200 di 96 node HGX, memakan waktu 21 hari dan 511 jam waktu aktual, serta mengonsumsi sekitar 392.000 jam GPU — 6,4×10²³ operasi floating-point, dengan anggaran energi sekitar 9,5×10² megawatt-jam.

Angka-angka itu adalah harga jujur dari model dengan 3,46 miliar parameter aktif yang berperilaku seperti sesuatu yang jauh lebih besar. Angka-angka itu juga tidak dapat direplikasi oleh siapa pun di luar laboratorium dengan pendanaan besar, dan justru itulah argumen untuk bobot terbuka: biaya pelatihan dibayar sekali oleh perusahaan yang menerbitkan kartu model tersebut, dan semua pihak di hilir mendapatkan artefaknya seharga biaya unduhan.

Pendahulunya memberi pelajaran. K​olibri Origin memiliki 30,6 miliar parameter dengan 3,27 miliar aktif, konteks 65.536 token dan 7,51 triliun token pelatihan — dan model itu tidak pernah dirilis. Model yang diterbitkan bukanlah upaya pertama; melainkan yang kedua, dan jarak di antara keduanya kurang lebih adalah jarak antara prototipe dan produk.

Tidak ada yang sebanding dengan G​limpse. E​lorian hanya mengatakan bahwa model itu menjalani post-training oleh tim kecil dengan beberapa ratus GPU. Tidak ada model dasar yang disebutkan, tidak ada jumlah token, tidak ada deskripsi data, tidak ada pengungkapan komputasi. Itu adalah perbedaan yang sah antara menerbitkan checkpoint dan merilis endpoint — Anda mengungkapkan apa yang Anda serahkan — tetapi itu berarti kedua rilis tersebut tidak dapat dibandingkan secara ekonomi di luar daftar tarif, karena hanya satu di antaranya yang mempublikasikan biayanya.

Sel jumlah parameter yang kosong

Inilah jebakan dalam perbandingan ini, dan itu mengarah ke G​limpse.

Mudah untuk membaca 3,46 miliar parameter aktif K​olibri dan menyimpulkan bahwa G​limpse — dihosting, murah per token, ditujukan untuk kemampuan yang sempit — pasti kecil, atau pasti murah untuk dijalankan, atau pasti hasil fine-tuning dari sesuatu yang sederhana. Tidak satu pun dari itu serta-merta benar. Jumlah parameter G​limpse tidak pernah dipublikasikan. Jendela konteksnya tidak pernah dipublikasikan. Model dasarnya tidak pernah disebutkan namanya. Satu-satunya klaim ukuran dalam postingan peluncuran bersifat komparatif dan tanpa kuantifikasi. Ketika perilaku tidak mengungkapkan ukuran, dan perilaku model ini adalah jadwal sampling alih-alih arsitektur, jumlah parameternya bisa hampir apa saja dan tidak ada yang dipublikasikan yang akan membantahnya.

Jadi sel jumlah parameter tetap kosong, dan angka apa pun yang dikutip siapa pun untuk ukuran G​limpse bulan ini adalah perkiraan yang dibalut sebagai spesifikasi. Hal yang sama juga berlaku untuk arah sebaliknya, sebagai catatan: rasio 22,6-ke-1 milik K​olibri tidak memberi tahu Anda biaya inferensinya di perangkat keras Anda, karena bobot FP8 dalam blok 128-kali-128 memerlukan dukungan akselerator tertentu agar benar-benar menguntungkan, bukan sekadar langkah konversi.

Apa yang gagal dilakukan setiap strategi

Keterbatasan Kolibri adalah cakupan bahasa, dan itu disengaja. Jerman dan Inggris, tidak ada yang lain. Bagi perusahaan Eropa dengan lalu lintas berbahasa Jerman, itu adalah fitur — campuran pelatihannya diberi bobot ke bahasa yang oleh sebagian besar model terbuka dianggap sebagai kesalahan pembulatan. Bagi siapa pun selain itu, ini adalah penolakan mutlak, dan seberapa besar pun jendela konteksnya tidak dapat mengompensasinya.

Kendala keduanya adalah aritmetika konteks panjang. Jalur sejuta token telah divalidasi, yang benar-benar besar. Namun, jalur yang divalidasi tidak sama dengan jalur yang tidak terdegradasi; pada panjang ini, akurasi retrieval hampir setiap model menurun jauh sebelum jendela berakhir, dan tidak ada evaluasi yang dipublikasikan yang menyebutkan di mana kurva K​olibri membelok. Perlakukan jendela sebagai kapasitas yang dapat Anda alokasikan, bukan akurasi yang dapat Anda asumsikan.

Batasan G​limpse adalah bentuk yang berlawanan: kemampuan yang sempit tanpa apa pun di sekitarnya. Jika pertanyaannya adalah apa yang terjadi dalam sepersekian detik rekaman, G​limpse diarahkan langsung padanya. Jika pertanyaannya adalah apa yang tersirat dari sebuah adegan daripada apa yang dinyatakannya, pemutaran ulang tidak membantu — pada Humanity's Sixth Sense, tolok ukur yang diterbitkan E​lorian bersama Scale AI sembilan hari sebelum model dirilis, G​limpse mencetak 46,36 melawan 53,6 milik GPT-6 Astra, dan analisis kegagalan tolok ukur itu sendiri mengatribusikan 94% dari kesalahan berlabel pada penglihatan dan inferensi daripada penalaran. Melihat lebih banyak bukan berarti lebih memahami, dan tabel milik vendor itu sendiri adalah buktinya.

Ada juga kelas masalah yang tidak ditangani oleh keduanya: masalah ketika jawabannya harus berupa ambang batas. Glimpse menulis prosa. Kolibri membaca dan menulis. Keduanya tidak dirancang untuk mengembalikan angka terkalibrasi per opsi, dan jika itulah yang dibutuhkan pipeline, instrumennya adalah model dengan bentuk yang sepenuhnya berbeda.

Di mana lapisan perutean pantas mendapat tempatnya — dan di mana tidak

Kedua model itu berada di kedua sisi sebuah batas yang dapat digeser oleh perutean dan satu batas yang tidak dapat digeser olehnya.

Batas yang digesernya adalah biaya dan ketahanan dari mencampur jalur. Tim yang menjalankan K​olibri pada akseleratornya sendiri untuk lalu lintas berbahasa Jerman dan model terkelola untuk semua hal lainnya memiliki dua jalur kode, dua mode kegagalan, dan dua set kredensial. OrcaRouter menyederhanakannya menjadi satu kunci di depan lebih dari 200 model, dengan DSL perutean yang memutuskan permintaan mana yang pergi ke jalur mana dan failover otomatis yang menjaga permintaan tetap hidup saat jalur yang dihosting sendiri jenuh atau mati. Harga daftar penyedia diteruskan tanpa tambahan per token, sehingga separuh bagian terkelola dari campuran itu berbiaya sesuai yang ditagih vendornya dan mengikuti harga vendor tersebut pada hari harga itu berubah.

Batas yang tidak digesernya adalah kustodi, dan di sini K​olibri punya keunggulan yang tidak bisa diciptakan lapisan perutean mana pun. Bobotnya dapat diunduh. Jika korpus tidak boleh keluar dari gedung, checkpoint Apache 2.0 adalah satu-satunya dari kedua ini yang berjalan di tempat data berada, dan tidak ada evaluasi terhadap model mana pun di antara keduanya yang mengubah itu. Tidak satu pun dari kedua model itu ada di katalog kami — K​olibri adalah unduhan dan G​limpse adalah API serta antarmuka obrolan milik E​lorian sendiri — jadi ini pernyataan tentang cara kami merutekan, bukan klaim untuk melayani keduanya.

Bagaimana memutuskan tanpa tolok ukur bersama

Tidak ada papan skor yang memeringkat keduanya, dan itu bukan karena salah satunya baru. Tabel Elorian mengukur persepsi video dan gambar terhadap GPT-6 Astra; kartu Aleph Alpha mengukur cakupan akademis yang umum ditambah retrieval konteks panjang. Keduanya tidak berbagi tugas, jadi satu-satunya perbandingan yang penting adalah dengan beban kerja Anda sendiri.

Tiga pertanyaan menyelesaikannya lebih cepat daripada tabel apa pun.

Apakah data harus tetap berada pada perangkat keras yang Anda kendalikan? Jika ya, K​olibri adalah satu-satunya kandidat di sini, lisensinya Apache 2.0, dan cakupan bahasa Jerman-Inggrisnya entah cocok untuk deployment Anda atau langsung mengeliminasinya.

Apakah mode kegagalannya bersifat temporal — identitas objek melintasi oklusi, pan versus cut, peristiwa di dalam jendela subdetik? Jika ya, Glimpse adalah satu-satunya dari kedua model yang mekanisme yang dinyatakannya menangani hal itu, pendaftaran gratis membuat uji cobanya murah, dan jejaknya memberi tahu Anda lebih banyak daripada skornya: jalankan klip Anda sendiri dan periksa apakah model itu pernah kembali ke interval yang menentukan jawabannya.

Apakah beban kerjanya berkonteks panjang tetapi bukan video panjang — korpus dokumen, kumpulan berkas, jejak audit? Jika ya, jendela native 262.144 token milik K​olibri dengan jalur satu juta token yang telah divalidasi adalah angka yang relevan, dan tidak ada evaluasi terpublikasi dari kedua model yang menentukan apakah ia bertahan terhadap kurva degradasi pada panjang-panjang tersebut. Itu harus diukur, pada data Anda, sebelum keputusan mana pun aman.

Kegagalan AI yang terdokumentasi dan insiden agen di balik rilis seperti ini dikumpulkan dalam the OrcaRouter AI Incident Archive, tempat setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda sengketa.