Beam 1.0 対 Kolibri：2つの Apache 2.0 リリースは同じリリースではない

Beam 1.0とKolibriは、先月リリースされたオープンウェイトの中でもっとも比較に適した2つであり、どちらかをフロンティアAPIモデルと比べるよりも、この2つを比べるほうがはるかに有用だ。どちらも実際にダウンロードできるからである。Aleph AlphaのKolibriは2026年10月3日に登場した——総パラメータ数78,103,074,560、トークンあたりのアクティブパラメータ3,457,573,120、検証済みのコンテキストウィンドウ1,048,576トークン、ドイツ語と英語、Apache 2.0。ReflectionのBeam 1.0は2026年10月16日に登場し、総パラメータ数5013億、アクティブ234億、コンテキスト100万トークン、英語、そして同じライセンス。同じライセンス、似たスパース性の哲学、そしてそれ以外に共通点はほとんどない——まさにそのために、この組み合わせは単純な規模対規模の比較よりも多くを語ってくれる。一方は管轄権について主張すべきことのあるラボが作り、もう一方は能力について主張すべきことのあるラボが作ったのだ。

両者はまた、ベンチマークの1行を読む前にほとんどの実際の導入を決めてしまうという点でも異なる。それは、ベンダーが重みとともに何を公開したかだ。Aleph Alphaは、モデルがどのように訓練されたかについて、異例なほど完全な説明を提供した——データの来歴、エネルギー、失敗した前身モデル、正確なGPU時間数。Reflectionは、自分のエンドポイントに向けることができる検証器を提供した。これらは種類の異なる信頼であり、あなたの調達プロセスがどちらを受け入れるかが、最初に答えるべき問いである。

同じライセンス、異なる製品

真に同一であるものから始めよう。それは見た目より少ないのだから。

• ライセンス — どちらも Apache 2.0 で、ライセンスはブログの一文ではなくリポジトリ内に置かれている。Beam のカードには、蒸留、ファインチューニング、量子化、マージが制限されないことが追記されている。Kolibri には、許容使用の付帯条項も、月間アクティブユーザーのしきい値も、別個の商用条件もない。

• スパース性戦略 — どちらも攻めた活性化比率を採用した専門家混合である。Kolibri は 78.1B のうち 3.46B、およそ 4.4 パーセントを起動する。Beam は 501.3B のうち 23.4B、およそ 4.7 パーセントを起動する。どちらのラボも、あなたに密なモデルを売り込んでいるわけではない。

• 長いコンテキスト — Kolibri は、品質とサービング効率が 1,048,576 まで検証された 262,144 トークンのネイティブウィンドウを明言しています。Beam は、カード上で 1M、API では最大出力 131,072 トークンと述べています。

• 独立したベンチマークによる再現はなし — どちらのベンダーの表も第三者による検証を受けていない。Artificial AnalysisにはKolibriのモデルページが一切存在しない一方、Beam 1.0はIntelligence Index 30で掲載されており、インデックスバージョンv4.3.2で120中19位となっている。

あの最後の行は最初の本当の非対称性であり、見落としやすい。Beamには外部の数値が1つあるが、Kolibriには1つもない。120モデルを対象とする指標で30というのは決して誇れる数字ではないが、それはReflectionが算出した数字ではない。そして、ベンダーの表が信頼できるかどうかを見極めようとする購入者にとって、何らかの独立した測定が存在することは、その測定値そのものよりも価値がある。

各ベンダーが公開することを選んだもの

Aleph Alphaのリリースドキュメントは、より異例な成果物である。重みに加えて、フィルタリングされたバイリンガルコーパスから抽出した20兆の事前学習トークン——おおよそ62.5%が英語、23.9%がドイツ語、13.6%がコード——に加え、3.44兆の中間学習トークンと、長文脈拡張用の2,010億トークンを公開した。計算資源は、96台のHGXノードにまたがる768基のNVIDIA B200とされ、事前学習は21日間・511時間・392,000 GPU時間で、報告されている6.4×10²³ FLOPs。中間学習では5日間と90,000 GPU時間が追加され、長文脈拡張では13時間と10,000 GPU時間が追加される。エネルギーは、データセンターのオーバーヘッドを含めて9.5×10² MWhと推定され、事前学習、中間学習、長文脈訓練を対象とし、教師ありファインチューニングと強化学習は含まない。

それを公表することから二つのことが導かれる。第一に、「学習データはどこから来たのか、どの法律の下でか」から始まる調達ルールを持つ組織は、会話ではなく答えを持てる。第二に、そしてより居心地が悪いことに、同じ文書は、Aleph Alpha 自身のハーネス上でこのモデルが Qwen3.8 27B に負けていることを示している——英語平均で75.5対80.2、ドイツ語平均で70.8対79.9で、Q​wen が GPQA Diamond、LiveCodeBench v6、SWE-Bench Verified、および両方のロングコンテキストベンチマークで先行している。Gemma 4 26B-A4B IT は二つの平均で71.9と66.3に位置する。Kolibri の主張は、同サイズで最強のモデルであることではない。同サイズで、学習を監査できる最強のモデルであることだ。その文書があるからこそ、このリリースはマーケティングではなく研究として読める。Aleph Alpha は、製品にしたいのがモデルではなくパイプラインだから、モデルがどう作られたかを説明している。そして学習パイプラインを売るラボは、そのパイプラインが機能したことを示す数字を公表する。

Reflectionはこれまでとは異なる種類のものを公開した。Beam 1.0のリリースには、リファレンスとなるサービング構成、Helmチャート、Transformers、vLLM、SGLang、Unsloth、Axolotl、TokenSpeed、NVIDIA Dynamoでのday-zeroサポート、そして beam-verifier CLIが含まれる。これは稼働中のエンドポイントに対して適合性スイートを実行し、その後メインのベンチマークで評価して、デプロイをReflectionのリファレンススコアと突き合わせて確認できるようにする。含まれていないのは料金表だ。ドキュメントにはレート制限についての完全なページがあるが、100万トークンあたりの価格はなく、発表ではAPIは無料で始められるとだけ述べている。

それぞれを実行するのにかかるコスト

どちらも当社のカタログには掲載されておらず、そうでないかのような示唆をするつもりもありません。どちらもセルフホスト型の購入で、ハードウェアの最低要件が実質的な価格です。

• Beam 1.0 — NVFP4 ビルドは 273 GiB で、リファレンス構成は NVLink 接続の NVIDIA B300 SXM GPU 4 基を搭載した単一ボックスです。FP8 は 468.72 GiB で H200 8 基上で動作し、BF16 は 933.81 GiB で B200 または B300 8 基に収まります。投機的デコーディング用に 1.93B DFlash2 ドラフターが同梱され、NVFP4 チェックポイントで 1.7～3.0 倍のデコード高速化が見込めます。サービングレシピでは KV キャッシュを FP8 E4M3 に保ち、64 トークンのページを使用します。

• Kolibri — FP8チェックポイントがドキュメント化されたサービング精度であり、128×128のブロック重みと動的に量子化されたアクティベーションを備え、FP8 KVキャッシュで評価される一方、埋め込み、LMヘッド、ノルム、MoEルーターはbfloat16のままです。vLLMツールコールパーサーは重みと同じリポジトリに同梱されており、そのリポジトリはゲートされていません — 申請ではなくApache 2.0のダウンロードです。

購入者が実際に実施すべき比較は、ベンチマークの行ではない。それは、ドイツ語と英語で応答し、そのトレーニングを文書化できる2GPUのセルフホスト型エンドポイントを、コーディングとエージェント的作業においてより強く、そのトレーニング文書が、我々が確認できる限り、GPU時間やエネルギーにまでは及んでいない4GPUのエンドポイントと比較することだ。

あなたのワークロードが、建物の外に持ち出せない規制対象の文書であるなら、議論に決着をつけられるのは1つ目だけです。あなたのワークロードがエンジニアリングエージェントであるなら、検証機構を備えているのは2つ目だけです。

ラックなしでその機能が欲しいなら

どちらのモデルも、小規模なアクティブパラメータのMoEと寛容なライセンスというクラスを説明している——それは今日呼び出せるルートですでに提供されており、代替案の価格を調べることが、ハードウェアを所有する価値があるかどうかを判断する最速の方法だ。

• Gemma 4 26B-A4B IT — 100万入力トークンあたり$0.06、100万出力トークンあたり$0.33、262,144トークンのウィンドウ。ルーテッドエンドポイント上でKolibriティアに最も近い存在であり、Aleph Alpha自身の英語とドイツ語の平均で実際にKolibriを上回るモデルです。

• Qwen3.8-27B — 入力$0.33、出力$2.40、262,144トークンのコンテキスト、そしてレンタルするより自分で動かしたいならApacheライセンスのオープンウェイト。

• GLM-5.2 — 100万トークンのコンテキストウィンドウで$1.40と$4.40、Beam 1.0が狙う長文コンテキストとコーディング作業向け。

• Kimi K3 — 入力 $3.00、キャッシュ $0.30、出力 $15.00（1,048,576トークン時）、Reflection自身のローンチ投稿が認める、生の能力で先行しているモデル。

OrcaRouterはそのセットを1つのOpenAI互換キーの背後にルーティングし、プロバイダーの定価をそのまま通して何も上乗せしません。そのため、ベンダーの値下げは次回の契約更新時ではなく同日に請求へ反映され、自動フェイルオーバーは、あるプロバイダーが負荷によって劣化した場合をカバーします。ソブリン展開を検討している人にとって有用なパターンは、規制対象のトラフィックをセルフホストのKolibriエンドポイントに対して実行し、一般業務をルーティングされた階層に対して実行し、どちらがどちらかをルーティングルールで決めることです — 1つのキー、1つの設定、そして必要な文書に対してのみ正当化すればよいハードウェアの判断です。

実際に探していたのはどのリリースですか

来歴、管轄、監査可能性についての問いに答える必要があってオープンウェイトを探していたのなら、Kolibri がその答えを持つリリースだ。それは同サイズで最強のモデルではない — Aleph Alpha 自身の表がそう示している — し、対応言語は2つだけで、推奨されるサービング構成は H100 SXM5 を2基、または H200 を2基 — あるいは B200 か B300 を1基で、ハードウェア表ではこれらと並んで記載されている。このトレードオフは明示的であり、規制対象のデプロイメントにとってはおそらく正しい。

自分で実行できるエンジニアリングエージェントを求めてオープンウェイトを探したのなら、Beam 1.0 は、その能力、サービングスタック、検証ツーリングを備えたリリースであり、4台の B300 と、まだ書かれていない価格表を要求する。そこでのトレードは、自分のハードウェア上でフロンティアに近いコーディング作業を行うモデルのために、資本と曖昧さを払うことだ。

この組み合わせが示しているのは、「オープンウェイト」が少し前から差別化要因ではなくなったということだ。2つのラボから2週間で出された2つのApache 2.0リリースは、ライセンスもスパース性の哲学もコンテキストウィンドウも共有しながら、まったく異なる問いへの答えでありうる。ライセンスで仕分けしても何の役にも立たない。そのリリースがどの問いに答えるために作られたかで仕分ければ、正しいフォルダにたどり着ける。

そうした話は決して仮定ではない。このようなリリースの背景にある、記録に残されたAIの障害やエージェントのインシデントはOrcaRouter AIインシデントアーカイブに集められており、各項目には独自の情報源、深刻度、信頼度グレード、係争中フラグが付されています。