Beam 1.0 vs Kolibri: due release Apache 2.0 non sono la stessa release

Beam 1.0 e Kolibri sono le due release open-weight più comparabili dell'ultimo mese, e confrontarle è più utile che confrontare l'una o l'altra con un modello API di frontiera, perché entrambe si possono effettivamente scaricare. Kolibri di Aleph Alpha è arrivata il 3 ottobre 2026 — 78.103.074.560 parametri totali, 3.457.573.120 attivi per token, una finestra di contesto validata di 1.048.576 token, tedesco e inglese, Apache 2.0. Beam 1.0 di Reflection è arrivata il 16 ottobre 2026 con 501,3 miliardi di parametri totali, 23,4 miliardi attivi, 1M token di contesto, inglese, e la stessa licenza. Stessa licenza, filosofia di sparsità simile, e quasi nient'altro in comune — ed è esattamente per questo che l'abbinamento dice più di quanto farebbe un confronto taglia contro taglia. Uno è stato costruito da un laboratorio con un argomento di giurisdizione da portare; l'altro da un laboratorio con un argomento di capacità da portare.

I due differiscono anche in un modo che decide la maggior parte delle implementazioni reali prima ancora che venga letta una singola riga di benchmark: ciò che il fornitore ha pubblicato insieme ai pesi. Aleph Alpha ha fornito un resoconto insolitamente completo di come è stato addestrato il modello — provenienza dei dati, energia, il predecessore fallito, le esatte ore GPU. Reflection ha fornito un verificatore che puoi puntare verso il tuo endpoint. Questi sono tipi diversi di fiducia, e quale dei due il tuo processo di approvvigionamento accetta è la prima domanda a cui rispondere.

Stessa licenza, prodotti diversi

Comincia da ciò che è davvero identico, perché è meno di quanto sembri.

• Licenza — entrambe Apache 2.0, entrambe con la licenza nel repository anziché in una frase di un blog. La scheda di Beam aggiunge che distillazione, fine-tuning, quantizzazione e merging non sono soggetti a restrizioni. Kolibri non prevede clausole di uso accettabile, né soglie di utenti attivi mensili, né termini commerciali separati.

• Strategia di sparsità — entrambi sono miscele di esperti con rapporti di attivazione aggressivi. Kolibri attiva 3,46B su 78,1B, circa il 4,4 per cento; Beam attiva 23,4B su 501,3B, circa il 4,7 per cento. Nessuno dei due laboratori ti sta vendendo un modello denso.

• Contesto lungo — Kolibri dichiara una finestra nativa di 262.144 token con qualità ed efficienza di servizio validate fino a 1.048.576; Beam dichiara 1M sulla scheda e 131.072 token di output massimo sull'API.

• Nessuna riproduzione indipendente dei benchmark — nessuna delle due tabelle dei fornitori è stata verificata da terzi. Artificial Analysis non ha affatto una pagina del modello per Kolibri, mentre elenca Beam 1.0 con un Intelligence Index di 30, diciannovesimo su 120 nella versione dell'indice v4.3.2.

Quell'ultima riga è la prima vera asimmetria ed è facile non notarla. Beam ha un numero esterno; Kolibri nessuno. Un 30 su un indice che copre 120 modelli non è una cifra lusinghiera, ma è una cifra che Reflection non ha prodotto, e per un acquirente che deve decidere se la tabella di un fornitore è affidabile, l'esistenza di una qualsiasi misurazione indipendente vale più del suo valore.

Cosa ha scelto di pubblicare ciascun fornitore

La documentazione di rilascio di Aleph Alpha è l'artefatto più inusuale. Insieme ai pesi, ha pubblicato 20 trilioni di token di pre-addestramento tratti da un corpus bilingue filtrato — all'incirca 62,5 per cento inglese, 23,9 per cento tedesco, 13,6 per cento codice — più 3,44 trilioni di token di mid-training e 201 miliardi per l'estensione del contesto lungo. Il calcolo è dichiarato pari a 768 NVIDIA B200 su 96 nodi HGX, 21 giorni di pre-addestramento per 511 ore e 392.000 GPU-ore a un valore riportato di 6,4×10²³ FLOP, con il mid-training che aggiunge cinque giorni e 90.000 GPU-ore e l'estensione del contesto lungo che aggiunge 13 ore e 10.000 GPU-ore. L'energia è stimata in 9,5×10² MWh incluso l'overhead del data center, coprendo pre-addestramento, mid-training e addestramento a contesto lungo, ed esclude il fine-tuning supervisionato e l'apprendimento per rinforzo.

Da quella pubblicazione derivano due cose. Primo, un'organizzazione con una regola di approvvigionamento che inizia con "da dove provengono i dati di addestramento e in base a quale legge" ha una risposta invece di una conversazione. Secondo, e in modo meno confortante, la stessa documentazione mostra che il modello perde contro Qwen3.8 27B sull'harness di Aleph Alpha stesso — 75,5 contro 80,2 sulla media inglese e 70,8 contro 79,9 sulla media tedesca, con Qwen in vantaggio su GPQA Diamond, LiveCodeBench v6, SWE-Bench Verified ed entrambi i benchmark long-context. Gemma 4 26B-A4B IT si colloca a 71,9 e 66,3 sulle due medie. Il caso di Kolibri non è che sia il modello più forte della sua dimensione; è che è il modello più forte della sua dimensione di cui si può verificare l'addestramento. Quella documentazione è il motivo per cui il rilascio si legge come ricerca anziché come marketing: Aleph Alpha descrive come è stato creato il modello perché vuole che sia la pipeline, non il modello, a essere il prodotto, e un laboratorio che vende una pipeline di addestramento pubblica i numeri che dimostrano che la pipeline ha funzionato.

Reflection ha pubblicato qualcosa di diverso. Il rilascio di Beam 1.0 include configurazioni di serving di riferimento, un Helm chart, supporto day-zero in Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed e N​VIDIA Dynamo, e la CLI beam-verifier, che esegue una suite di conformità contro un endpoint live e poi lo valuta sui principali benchmark così che un deployment possa essere verificato rispetto ai punteggi di riferimento di Reflection. Quello che non include è un tariffario: la documentazione contiene una pagina completa sui limiti di frequenza e nessun prezzo per milione di token, e l'annuncio dice solo che l'API è gratuita per iniziare.

Quanto costa far funzionare ciascuno

Nessuno dei due è offerto nel nostro catalogo, e non intendiamo lasciar intendere il contrario. Entrambi sono acquisti self-hosted, e il vero costo è dato dai requisiti hardware minimi.

• Beam 1.0 — la build NVFP4 è di 273 GiB e la configurazione di riferimento è composta da quattro GPU NVIDIA B300 SXM su NVLink, in un singolo server. FP8 è di 468,72 GiB e gira su otto H200; BF16 è di 933,81 GiB e viene eseguito su otto B200 o B300. Insieme viene fornito un drafter DFlash2 da 1,93B per il decoding speculativo, con un guadagno in velocità di decoding da 1,7× a 3,0× sul checkpoint NVFP4. Le ricette di serving mantengono la KV cache in FP8 E4M3 con una pagina da 64 token.

• Kolibri — il checkpoint FP8 è la precisione di serving documentata, con pesi a blocchi 128×128 e attivazioni quantizzate dinamicamente, valutato con una cache KV FP8 mentre embedding, LM head, le norm e il router MoE restano in bfloat16. Un parser delle chiamate di strumenti di vLLM viene fornito nello stesso repository dei pesi, e il repository è senza restrizioni — un download Apache 2.0 anziché una richiesta.

Il confronto che un acquirente dovrebbe davvero fare non è tra righe di benchmark. È tra un endpoint self-hosted a due GPU che risponde in tedesco e inglese e di cui si può documentare l’addestramento, e un endpoint a quattro GPU che è più forte su coding e attività agentiche e la cui documentazione di addestramento, per quanto ci è dato trovare, non si estende a ore GPU o energia.

Se il tuo carico di lavoro è fatto di documenti regolamentati che non possono uscire dalla sede, il primo è l'unico che chiude la questione. Se il tuo carico di lavoro è un agente di ingegneria, il secondo è l'unico dotato di un verificatore.

Se vuoi la funzionalità senza il rack

Entrambi i modelli descrivono una classe — MoE con pochi parametri attivi e licenza permissiva — che è già servita su route che puoi chiamare oggi, e fare un preventivo dell'alternativa è il modo più rapido per decidere se vale la pena possedere l'hardware.

• Gemma 4 26B-A4B IT — 0,06 $ per milione di token in input e 0,33 $ per milione in output con una finestra di 262.144 token. La cosa più vicina, su un endpoint instradato, al tier Kolibri, e il modello che batte davvero Kolibri sulle medie in inglese e tedesco di Aleph Alpha stessa.

• Qwen3.8-27B — 0,33 $ in input e 2,40 $ in output, contesto di 262.144 token e pesi aperti con licenza Apache se preferisci eseguirli tu piuttosto che noleggiarli.

• GLM-5.2 — 1,40 $ e 4,40 $ con una finestra di 1.000.000 di token, per il lavoro su contesto lungo e coding a cui è destinato Beam 1.0.

Kimi K3 — 3,00 $ in input, 0,30 $ in cache, 15,00 $ in output a 1.048.576 token, il modello che il post di lancio di Reflection stesso ammette essere in vantaggio in termini di capacità grezza.

OrcaRouter instrada quel set dietro un'unica chiave compatibile con OpenAI, con il prezzo di listino del provider passato tal quale e senza aggiunte, così un taglio di prezzo del fornitore arriva sulla tua fattura lo stesso giorno invece che al prossimo rinnovo contrattuale, e il failover automatico copre il caso in cui un provider si degrada sotto carico. Un pattern utile per chiunque valuti un deployment sovrano è eseguire il traffico regolamentato su un endpoint Kolibri self-hosted e il lavoro generale su un tier instradato, con una regola di routing che decide quale sia quale — una chiave, una configurazione e una decisione hardware che deve essere giustificata solo per i documenti che ne hanno bisogno.

Quale release stavi effettivamente cercando

Se hai cercato pesi aperti perché devi rispondere a una domanda su provenienza, giurisdizione o auditabilità, Kolibri è la release con la risposta. Non è il modello più forte per la sua dimensione — lo dicono le tabelle della stessa Aleph Alpha — e copre due lingue, e la sua configurazione di serving consigliata è due H100 SXM5 o due H200 — o una singola B200 o B300, che la tabella hardware elenca accanto a loro. Il compromesso è esplicito e, per un deployment regolamentato, probabilmente corretto.

Se hai cercato i pesi aperti perché vuoi un agente di ingegneria che puoi eseguire da solo, Beam 1.0 è la release con la capacità, lo stack di serving e gli strumenti di verifica, e richiede quattro B300 e un listino prezzi che non è ancora stato scritto. Il compromesso è capitale e ambiguità in cambio di un modello che svolge lavoro di coding prossimo alla frontiera sul tuo hardware.

Quello che l'abbinamento mostra è che "open weight" ha smesso di essere un elemento distintivo già da un po'. Due rilasci Apache 2.0 da due laboratori in due settimane possono condividere una licenza, una filosofia di sparsità e una finestra di contesto, e restare comunque risposte a domande completamente diverse. Ordinare per licenza non porta da nessuna parte; ordinare in base alla domanda a cui il rilascio è stato costruito per rispondere ti porta nella cartella giusta.

Niente di tutto ciò è ipotetico: i fallimenti documentati dell'IA e gli incidenti degli agenti alla base di rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.