Glimpse vs Kolibri: due modi per acquistare più potenza di calcolo per token

Elorian Glimpse e Kolibri sono due risposte alla stessa domanda economica — come si ottiene più capacità per unità di calcolo — e si collocano agli estremi opposti. Glimpse, rilasciato da Elorian il 16 ottobre 2026, acquista la sua capacità al momento dell'inferenza: esegue una prima passata su una clip a circa 8 fotogrammi al secondo, poi spende calcolo aggiuntivo per riscansionare nove decimi di secondo scelti a circa 14 fotogrammi al secondo prima di rispondere. Kolibri, rilasciato da Aleph Alpha il 3 ottobre 2026, acquista la sua capacità al momento dell'architettura: 78,1 miliardi di parametri totali, di cui solo circa 3,46 miliardi sono attivi per token, quindi quasi ogni parametro del modello è uno che non paghi mai per valutare.

I due non sono intercambiabili, e il motivo non è la qualità. Uno è un'anteprima ospitata senza pesi, senza un numero di parametri pubblicato e senza una finestra di contesto pubblicata. L'altro è un download Apache 2.0 la cui scheda del modello indica il numero di esperti, la pianificazione dell'attenzione, i formati numerici, la copertura linguistica del tokenizer e la bolletta elettrica esatta della sua esecuzione di addestramento. Confrontarli è in realtà un confronto tra due strategie, e la domanda interessante è quale strategia sopravvive al contatto con il tuo carico di lavoro.

Un rapporto di 22 a 1 contro un rapporto che nessuno ha pubblicato

K​olibri è un modello a miscela di esperti sparsa, e la sparsità è estrema anche secondo gli standard attuali. Cinquanta livelli, ognuno dei quali è una miscela di esperti, 384 esperti per livello, di cui uno condiviso e sei instradati. Ciò equivale a un rapporto tra parametri totali e attivi di circa 22,6 a 1 — un modello che contiene 78 miliardi di parametri ma ne valuta circa 3,5 miliardi su un dato token. A​leph Alpha alterna ciò in uno schema 4 a 1 con blocchi di group-query attention, ed è ciò che mantiene sostenibile il contesto nativo di 262.144 token: un percorso da un milione di token è validato, e la cache KV è mantenuta in FP8 per far rientrare l'estremità lunga di quella finestra nella memoria anziché in un foglio di calcolo.

Le scelte relative al formato numerico sono divulgate in una misura insolita. I pesi sono in FP8 in blocchi 128×128. La KV cache è in FP8. Gli embedding, la testa del modello linguistico, i layer di normalizzazione e il router restano in bfloat16 — le parti in cui i danni della quantizzazione si manifesterebbero nelle decisioni di routing anziché nelle loss. Vengono esposti quattro livelli di impegno. Il tool calling segue il formato Hermes con un parser vLLM, il che significa che si inserisce in uno stack di agenti esistente invece di richiedere un'integrazione su misura.

Glimpse non pubblica nulla di tutto ciò. Nessun numero di parametri. Nessuna struttura di esperti degna di nota, nessuna finestra di contesto, nessuno schema di quantizzazione, nessun modello base con un nome — solo la frase "sottoposto a post-training su un modello base open-weights", che non dice quale. Quello che pubblica invece è la traccia: una prima passata a circa 8 frame al secondo, una lettura provvisoria, un ritorno a 0,9 secondi della clip a circa 14 frame al secondo e, in un secondo esempio, il bordo di una finestra tracciato da circa 2,2 secondi dall'inizio di una clip finché non si ferma quasi del tutto a 5,13 secondi.

Entrambe sono dichiarazioni riguardanti la potenza di calcolo. Quella di Kolibri è un'affermazione su dove va la potenza di calcolo quando il modello viene caricato. Quella di Glimpse è un'affermazione su dove va la potenza di calcolo mentre il modello pensa. Solo una delle due è accompagnata da un numero.

I fogli pubblicati, fianco a fianco

• Dimensione — Kolibri: 78.103.074.560 parametri totali, 3.457.573.120 attivi. Glimpse: non pubblicato, con "sostanzialmente più piccolo ed economico rispetto ai sistemi di frontiera con cui viene messo a confronto" come unica dichiarazione sulle dimensioni fatta da Elorian.

• Accesso — pesi Apache 2.0 per K​olibri, scaricabili e self-hostabili. Nessuno per G​limpse, che è solo API e chat con registrazione gratuita.

• Contesto — 262.144 token nativi per K​olibri, con 1.048.576 validati. Non pubblicato per G​limpse, che è la lacuna più problematica perché la sua capacità di punta è la lettura di video.

• Lingue — tedesco e inglese per Kolibri, che Aleph Alpha presenta come una scelta di progettazione più che come un limite. Glimpse non pubblica alcuna copertura linguistica.

• Prezzo — $0,60 per milione di token di input e $3,00 per milione di output per G​limpse — e il meccanismo significa che i token di output sono dove compare la ri-scansione, quindi la traccia è la ricevuta. K​olibri non ha un listino prezzi, perché il costo è l'hardware.

• Valutazione indipendente — praticamente nessuna per entrambi. Nessuno dei due dispone di un sistema di terze parti che ne riproduca i numeri, ed entrambe le serie di cifre pubblicate provengono dal fornitore stesso.

Il run di addestramento che Aleph Alpha ha pubblicato integralmente

È qui che K​olibri si discosta da quasi ogni release dell'anno, e vale la pena analizzarlo perché ti dice quanto è costato costruire la sparsità.

Il corpus di pre-addestramento era di 20 trilioni di token, suddivisi approssimativamente in 62,5% inglese, 23,9% tedesco e 13,6% codice. L'addestramento intermedio ne ha aggiunti altri 3,44 trilioni, e una fase a contesto lungo ha contribuito con 201 miliardi. L'esecuzione ha utilizzato 768 acceleratori N​VIDIA B200 su 96 nodi HGX, ha richiesto 21 giorni e 511 ore di tempo reale, e ha consumato circa 392.000 ore GPU — 6,4×10²³ operazioni in virgola mobile, con un budget energetico di circa 9,5×10² megawattora.

Quei numeri sono il prezzo onesto di un modello da 3,46 miliardi di parametri attivi che si comporta come qualcosa di molto più grande. Sono anche irripetibili per chiunque fuori da un laboratorio ben finanziato, ed è proprio questa la tesi a favore dei pesi aperti: il costo di addestramento viene pagato una volta sola dall'azienda che pubblica la scheda, e tutti coloro che stanno a valle ottengono l'artefatto al prezzo del download.

Il predecessore è istruttivo. K​olibri Origin aveva 30,6 miliardi di parametri, di cui 3,27 miliardi attivi, una finestra di contesto di 65.536 token e 7,51 trilioni di token di addestramento — e non è mai stato rilasciato. Il modello pubblicato non è un primo tentativo; è il secondo, e il divario tra i due è più o meno il divario tra un prototipo e un prodotto.

Non esiste nulla di comparabile per Glimpse. Elorian dice solo che il modello è stato sottoposto a post-training da un piccolo team con qualche centinaio di GPU. Non viene nominato alcun modello di base, nessun conteggio dei token, nessuna descrizione dei dati, nessuna divulgazione delle risorse di calcolo. Questa è una differenza legittima tra pubblicare un checkpoint e distribuire un endpoint — si divulga ciò che si consegna — ma significa che le due release non possono essere confrontate sul piano economico al di là del tariffario, perché solo una delle due ha pubblicato i propri costi.

La cella vuota del conteggio dei parametri

Ecco la trappola in questo confronto, e pende a favore di Glimpse.

È facile leggere i 3,46 miliardi di parametri attivi di Kolibri e concludere che Glimpse — ospitato, economico per token, orientato a una capacità ristretta — debba essere piccolo, o debba essere economico da eseguire, o debba essere un fine-tuning di qualcosa di modesto. Niente di tutto ciò ne consegue. Il numero di parametri di Glimpse non è mai stato pubblicato. La sua finestra di contesto non è mai stata pubblicata. Il suo modello di base non è mai stato nominato. L'unica affermazione sulla dimensione nel post di lancio è comparativa e non quantificata. Laddove il comportamento non rivela la dimensione, e il comportamento di questo modello è un programma di campionamento anziché un'architettura, il numero di parametri potrebbe essere quasi qualsiasi cosa e nulla di pubblicato lo contraddirebbe.

Quindi la cella del conteggio dei parametri resta vuota, e qualsiasi cifra che qualcuno citi per la dimensione di G​limpse questo mese è una stima travestita da specifica. Lo stesso vale, per inciso, nella direzione opposta: il rapporto 22,6 a 1 di K​olibri non ti dice il suo costo di inferenza sul tuo hardware, perché i pesi FP8 in blocchi 128 per 128 richiedono un supporto specifico dell'acceleratore per essere un vantaggio anziché una fase di conversione.

In cosa fallisce ciascuna strategia

Il vincolo di Kolibri è la copertura linguistica, ed è una scelta deliberata. Tedesco e inglese, nient'altro. Per un'azienda europea con traffico in lingua tedesca è un punto di forza — il mix di addestramento è sbilanciato verso una lingua che la maggior parte dei modelli aperti tratta come un errore di arrotondamento. Per chiunque altro è un no categorico, e nessuna ampiezza della finestra di contesto può compensare.

Il suo secondo vincolo è l'aritmetica del contesto lungo. Un percorso da un milione di token è validato, il che è davvero notevole. Ma un percorso validato non equivale a uno non degradato; a queste lunghezze l'accuratezza di recupero di quasi ogni modello cala molto prima che la finestra finisca, e nessuna valutazione pubblicata dice dove si piega la curva di K​olibri. Tratta la finestra come capacità che puoi allocare anziché accuratezza che puoi dare per scontata.

Il vincolo di G​limpse ha la forma opposta: una capacità ristretta con nulla intorno. Se la domanda riguarda ciò che è successo nell'arco di una frazione di secondo di filmato, G​limpse punta direttamente a ciò. Se la domanda riguarda ciò che una scena implica invece di ciò che afferma, il riavvolgimento non aiuta — su Humanity's Sixth Sense, il benchmark che E​lorian ha pubblicato con Scale AI nove giorni prima che il modello fosse rilasciato, G​limpse ottiene 46,36 contro il 53,6 di GPT-6 Astra, e l'analisi dei fallimenti del benchmark stesso attribuisce il 94% degli errori etichettati al vedere e all'inferire piuttosto che al ragionamento. Guardare di più non significa capire di più, e la tabella dello stesso fornitore è la prova.

C'è anche una classe di problemi che nessuno dei due affronta: quella in cui la risposta deve essere una soglia. G​limpse scrive prosa. K​olibri legge e scrive. Nessuno dei due è progettato per restituire un numero calibrato per opzione, e se è questo ciò di cui la pipeline ha bisogno, lo strumento è un modello di forma completamente diversa.

Dove un livello di routing si guadagna il suo posto — e dove no

I due modelli si trovano ai due lati di un confine che il routing può spostare e di uno che non può.

Il confine che sposta è il costo e la resilienza del mix di corsie. Un team che esegue K​olibri sui propri acceleratori per il traffico in lingua tedesca e un modello hosted per tutto il resto ha due percorsi di codice, due modalità di guasto e due set di credenziali. OrcaRouter riduce tutto questo a una sola chiave davanti a oltre 200 modelli, con un DSL di routing che decide quale richiesta va su quale corsia e failover automatico che mantiene attiva una richiesta quando la corsia self-hosted è satura o non disponibile. I prezzi di listino dei provider vengono passati tali e quali, senza alcun costo aggiuntivo per token, così la metà hosted di quel mix costa quanto addebita il suo fornitore e segue il prezzo di quel fornitore il giorno in cui cambia.

Il confine che non sposta è la custodia, e qui K​olibri ha un vantaggio che nessun livello di routing può fabbricare. I suoi pesi sono scaricabili. Se il corpus non può uscire dall'edificio, un checkpoint Apache 2.0 è l'unico di questi due che gira dove risiedono i dati, e nessuna valutazione di alcuno dei due modelli lo cambia. Né l'uno né l'altro modello è nel nostro catalogo — K​olibri è un download e G​limpse è l'API e l'interfaccia di chat di E​lorian — quindi questa è un'affermazione su come instradiamo, non una pretesa di servirli.

Come decidere senza un benchmark condiviso

Non esiste un tabellone che li classifichi, e non è perché uno dei due sia nuovo. La tabella di E​lorian misura la percezione di video e immagini rispetto a GPT-6 Astra; la scheda di A​leph Alpha misura la consueta gamma accademica più il recupero a contesto lungo. Non condividono alcun compito, quindi l'unico confronto che conta è con il tuo carico di lavoro.

Tre domande lo chiariscono più in fretta di qualsiasi tabella.

I dati devono rimanere su hardware che controlli? Se sì, K​olibri è l'unico candidato qui, la licenza è Apache 2.0, e la copertura tedesco-inglese o si adatta alla tua distribuzione oppure lo esclude immediatamente.

Il modo di fallire è temporale — identità dell'oggetto attraverso un'occlusione, una panoramica contro uno stacco, un evento all'interno di una finestra sub-secondo? Se sì, G​limpse è l'unico dei due modelli il cui meccanismo dichiarato lo affronta, l'iscrizione gratuita rende la prova economica, e la traccia ti dice più del punteggio: esegui i tuoi clip e controlla se il modello è mai tornato all'intervallo che ha deciso la risposta.

Il carico di lavoro è a contesto lungo ma non a video lungo — un corpus documentale, un insieme di fascicoli, una traccia di audit? Se sì, la finestra nativa da 262.144 token di K​olibri, con un percorso da un milione di token convalidato, è il numero rilevante, e nessuna valutazione pubblicata dei due modelli stabilisce se sopravvive alla curva di degrado a quelle lunghezze. Questo va misurato, sui tuoi dati, prima che l'una o l'altra decisione sia sicura.

I fallimenti documentati dell'IA e gli incidenti degli agenti dietro release come questa sono raccolti nell'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di contestazione.