Glimpse 対 Kolibri：トークンあたりにより多くのコンピュートを買う2つの方法

E​lorian G​limpseとK​olibriは、同じ経済的問いへの2つの答えです——計算資源の単位あたり、より多くの能力をどう得るか——そして両者はその対極に位置しています。G​limpseは、2026年10月16日にE​lorianが公開したもので、推論時に能力を獲得します。まずクリップを毎秒約8フレームで1回走査し、その後、選ばれた0.9秒間を毎秒約14フレームで再走査するために追加の計算を行ってから答えを出します。K​olibriは、2026年10月3日にA​leph Alphaが公開したもので、アーキテクチャ時に能力を獲得します。総パラメータ数は781億で、そのうちトークンあたり実際に活性化するのは約34.6億にすぎないため、モデル内のほぼすべてのパラメータは評価にコストを払わないものです。

この2つは交換可能ではなく、その理由は品質ではない。一方はホスト型プレビューで、重みも、公開されたパラメータ数も、公開されたコンテキストウィンドウもない。もう一方は Apache 2.0 のダウンロードで、そのモデルカードにはエキスパート数、アテンションスケジュール、数値形式、トークナイザーの言語カバレッジ、そしてトレーニング実行にかかった正確な電気代まで明記されている。両者を比較することは、実際には2つの戦略の比較であり、興味深い問いは、どちらの戦略があなたのワークロードとの接触を生き延びるかである。

誰も公表しなかった比率に対する22対1の比率

KolibriはスパースなMixture-of-Expertsモデルであり、そのスパース性は現在の基準から見ても極端です。50層、そのすべてがMixture-of-Expertsで、各層384のエキスパートがあり、そのうち1つは共有され、6つはルーティングされます。これは総パラメータ数対アクティブパラメータ数の比率がおよそ22.6対1になることを意味します — 780億のパラメータを保持しながら、任意のトークンに対して約35億のパラメータのみを評価するモデルです。Aleph Alphaはそれを4対1のパターンでgroup-query attentionブロックと交互に配置します。これにより、262,144トークンのネイティブコンテキストが現実的なコストで維持されます。100万トークンのパスは検証済みで、KVキャッシュはFP8で保持されるため、そのウィンドウの長い側をスプレッドシートではなくメモリに収めることができます。

数値フォーマットの選択肢は、異例なほどに開示されている。重みは128×128ブロックのFP8だ。KVキャッシュはFP8。埋め込み、言語モデルヘッド、正規化層、ルーターはbfloat16のままで、ここは量子化の損傷が損失ではなくルーティングの判断に現れる部分である。4段階のエフォートレベルが用意されている。ツール呼び出しはvLLMパーサーを伴うHermes形式に従っており、つまり専用の統合を必要とせず、既存のエージェントスタックにそのまま組み込める。

Glimpseはそのいずれも公表していない。パラメータ数もない。エキスパート構造といえるものもなく、コンテキストウィンドウも、量子化スキームも、名前の明かされたベースモデルもない——あるのは「オープンウェイトのベースモデルでポストトレーニングされた」という文言だけで、それがどれなのかは述べていない。代わりに公表しているのはトレースだ。およそ毎秒8フレームでの最初のパス、暫定的な読み取り、毎秒14フレーム前後でクリップの0.9秒の地点への回帰、そして2番目の例では、クリップの約2.2秒から5.13秒でほぼ停止するまで追跡されたウィンドウエッジ。

これらはどちらもコンピュートに関する開示です。K​olibriのものは、モデルの読み込み時にコンピュートがどこへ向かうかについての記述です。G​limpseのものは、モデルが考えている間にコンピュートがどこへ向かうかについての記述です。数字が付いているのは、そのうち一方だけです。

公開されたシートを並べて表示

• サイズ — K​olibri：総パラメータ数78,103,074,560、うち有効3,457,573,120。G​limpse：未公開。E​lorianがサイズについて述べている唯一の記述は「ベンチマーク対象となるフロンティアシステムよりも大幅に小さく、かつ安価」というもの。

• アクセス — K​olibri 用の Apache 2.0 ウェイトはダウンロード可能で、セルフホストにも対応しています。G​limpse にはありません。G​limpse は API とチャットのみで、無料のサインアップで利用できます。

• コンテキスト — Kolibriではネイティブで262,144トークン、検証済みは1,048,576。Glimpseでは公表されておらず、動画の読み取りがその看板機能であるだけに、この空白はより気まずい。

• 言語 — Kolibri はドイツ語と英語に対応。Aleph Alpha はこれを制約ではなく設計上の判断として提示している。Glimpse は言語対応範囲を一切公表していない。

• 価格 — Glimpse は入力トークン100万あたり0.60ドル、出力トークン100万あたり3.00ドル — そしてこの仕組みでは、再スキャンが現れるのは出力トークンのほうなので、トレースがそのまま領収書になる。Kolibri には料金表がない。コストはハードウェアだからだ。

• 独立した評価 — どちらにとっても事実上皆無だ。どちらの数値を再現するサードパーティ製のハーネスも存在せず、公表されている数値はいずれもベンダー自身によるものである。

A​leph Alphaが完全に公開したトレーニング実行

ここが K​olibri がその年のほとんどすべてのリリースと一線を画す点であり、スパース性を構築するのに何が犠牲になったのかを教えてくれるので、じっくり見る価値がある。

事前学習コーパスは20兆トークンで、おおよそ62.5%が英語、23.9%がドイツ語、13.6%がコードでした。中間学習ではさらに3.44兆トークンが追加され、長コンテキスト段階が2010億トークンを寄与しました。この実行では96台のHGXノードにわたる768基のNVIDIA B200アクセラレータを使用し、実時間で21日と511時間を要し、約392,000 GPU時間を消費しました — 6.4×10²³浮動小数点演算を、およそ9.5×10²メガワット時のエネルギー予算で行いました。

それらの数字は、はるかに大きなモデルのように振る舞う34.6億アクティブモデルの、正直な対価である。またそれらは、潤沢な資金を持つラボの外にいる誰にとっても再現不可能であり、それこそがオープンウェイトを支持する論拠である。学習コストはモデルカードを公開する企業が一度だけ負担し、下流の誰もがその成果物をダウンロードという対価だけで手に入れられる。

先代モデルは示唆に富む。K​olibri Origin は306億パラメータ、うち有効32.7億、65,536トークンのコンテキスト、7.51兆の学習トークンを持っていたが、リリースされることはなかった。公開されたモデルは最初の試みではない。2番目のものであり、両者の隔たりはおよそ試作機と製品との隔たりに等しい。

Glimpse に匹敵するものは存在しない。Elorian は、そのモデルが数百基の GPU を擁する小規模チームによってポストトレーニングされた、とだけ述べている。ベースモデルの名前も、トークン数も、データの説明も、計算資源の開示もない。それは、チェックポイントを公開することとエンドポイントを提供することの間にある正当な違いだ——引き渡すものについては開示するのだから——が、つまり、コストを公開したのは片方だけであるため、この2つのリリースは料金表以外の経済性では比較できないということだ。

空のパラメータ数セル

この比較には罠があり、それはG​limpseの方向に働いている。

K​olibri の 34.6億のアクティブパラメータを読んで、G​limpse — ホスト型で、トークンあたりのコストが安く、狭い能力を狙ったもの — は小さいに違いない、実行コストが安いに違いない、あるいは控えめな何かのファインチューニングに違いない、と結論するのは簡単だ。しかし、そのどれも帰結しない。G​limpse のパラメータ数は公表されたことがない。コンテキストウィンドウも公表されたことがない。ベースモデルも名前を明かされたことがない。ローンチ記事で唯一のサイズに関する主張は比較的なもので、定量化されていない。振る舞いがサイズを明かさず、このモデルの振る舞いがアーキテクチャではなくサンプリングスケジュールである場合、パラメータ数はほぼ何でもあり得て、公表されているものでそれに矛盾するものは何もない。

つまり、パラメータ数の欄は空のままで、今月Glimpseの規模について誰かが引用する数字は、仕様に見せかけた推定値にすぎません。ちなみに、逆方向についても同じことが言えます。Kolibriの22.6対1という比率は、お使いのハードウェア上での推論コストを教えてくれるものではありません。なぜなら、128×128ブロックのFP8重みが変換ステップではなく強みになるには、特定のアクセラレータサポートが必要だからです。

各戦略が失敗する点

K​olibriの制約は言語カバレッジにあり、それは意図的なものだ。ドイツ語と英語、それ以外はない。ドイツ語のトラフィックを抱える欧州企業にとって、これは利点である——学習ミックスは、ほとんどのオープンモデルが丸め誤差扱いする言語に重みを置いている。それ以外の誰にとっては、これは断固として無理であり、どれだけコンテキストウィンドウを積んでも補えない。

その2番目の制約は、長コンテキストの算術だ。100万トークンのパスが検証済みであり、それは確かに大きい。しかし、検証済みのパスは、劣化していないパスと同じではない。これほどの長さでは、ほとんどすべてのモデルの検索精度は、ウィンドウが終わるよりずっと前に落ち込み、K​olibriの曲線がどこで曲がるかを述べた公開評価は存在しない。ウィンドウは、当然視できる精度ではなく、割り当て可能な容量として扱え。

G​limpseの制約は正反対の形だ。周囲に何もない、狭い能力である。もし問いが、映像の一瞬のうちに何が起きたかであるなら、G​limpseはまさにそこを狙っている。もし問いが、シーンが述べていることではなく示唆していることであるなら、巻き戻しは役に立たない——Humanity's Sixth Sense、すなわちE​lorianがモデル出荷の9日前にScale AIとともに公開したベンチマーク——では、G​limpseはGPT-6 Astraの53.6に対して46.36を記録し、そのベンチマーク自身の失敗分析は、ラベル付けされたエラーの94%を、推論ではなく、見ることと推測することに帰している。もっと見ることは、もっと理解することではない。そして、ベンダー自身の表がその証拠である。

また、どちらも対処していない問題の種類がある。答えがしきい値でなければならないタイプの問題だ。Glimpseは散文を書く。Kolibriは読み書きする。どちらも、選択肢ごとに較正された数値を返すようには作られていない。そして、パイプラインが必要としているのがそれなら、その手段はまったく別の形のモデルである。

ルーティング層がその真価を発揮する場面 — そしてそうでない場面

2つのモデルは、ルーティングが動かせる境界と、動かせない境界のそれぞれを挟んで両側に位置している。

それが動かす境界は、レーンを混在させる際のコストと回復力です。ドイツ語トラフィック用に自社のアクセラレータ上でKolibriを運用し、それ以外はホスト型モデルで処理するチームには、2つのコードパス、2つの障害モード、2つの資格情報セットがあります。OrcaRouterは、200以上のモデルの前段でそれを1つのキーに集約します。どのリクエストがどのレーンに送られるかを決定するルーティングDSLと、セルフホストのレーンが飽和またはダウンしているときにリクエストを維持する自動フェイルオーバーを備えています。プロバイダーの定価はトークンごとの上乗せなしでそのまま適用されるため、その混在のホスト型部分のコストはベンダーの請求額と同じで、ベンダーが価格を変更した当日からその価格に従います。

それが動かさない境界はデータの保管であり、ここでKolibriには、どのルーティング層にも作り出せない優位性がある。その重みはダウンロードできる。コーパスを建物の外に出せないなら、Apache 2.0のチェックポイントは、この2つのうちデータが存在する場所で動作する唯一のものであり、どちらのモデルを評価してもその事実は変わらない。また、どちらのモデルも当社のカタログにはない — Kolibriはダウンロードであり、GlimpseはElorian自身のAPIとチャットインターフェースだ — したがってこれは、私たちがどのようにルーティングするかについての表明であり、それらを提供するという主張ではない。

共有ベンチマークなしでどう判断するか

この2つを順位付けするスコアボードは存在しない。そしてそれは、片方が新しいからではない。Elorianの表はGPT-6 Astraに対して動画と画像の知覚を測定し、Aleph Alphaのカードは通常の学術的な広がりに加えて長文脈検索を測定する。両者に共通するタスクはない。だから重要な唯一の比較は、自分のワークロードとの比較だ。

3つの質問はどんな表よりも早く決着をつける。

データは、あなたが管理するハードウェア上に置き続けなければなりませんか？ はいの場合、ここで唯一の候補は Kolibri で、ライセンスは Apache 2.0 です。また、ドイツ語・英語のカバレッジがあなたのデプロイに適合するか、そうでなければ即座に候補から除外されるかのどちらかです。

失敗モードは時間的なものか——オクルージョンをまたぐ物体の同一性、パン対カット、1秒未満のウィンドウ内のイベントか？もしそうなら、Glimpse は2つの中で、明言されたメカニズムがそれに対処している唯一のモデルであり、無料サインアップで試用は手軽になり、トレースはスコアよりも多くを教えてくれる。自分のクリップを実行し、モデルが答えを決めた区間に一度でも戻ったかどうかを確認せよ。

ワークロードは長コンテキストだが長尺動画ではないのか——文書コーパス、申請書類一式、監査証跡のようなものか？ もしそうなら、K​olibri の 262,144 トークンのネイティブウィンドウと、検証済みの100万トークンパスが該当する数値であり、どちらのモデルの公開評価も、それらの長さで劣化曲線を乗り越えられるかどうかを決着させてはいない。どちらの判断を下すにも安全と言える前に、それはあなたのデータ上で測定されなければならない。

このようなリリースの背景にある、文書化されたAI障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに収集されており、各エントリには独自の情報源、重大度、信頼度グレード、異議申し立てフラグが付いています。