Beam 1.0 vs Kolibri: twee Apache 2.0-releases zijn niet dezelfde release

Beam 1.0 en Kolibri zijn de twee best vergelijkbare open-weight-releases van de afgelopen maand, en het vergelijken ervan is nuttiger dan een van beide te vergelijken met een frontier-API-model, omdat beide daadwerkelijk kunnen worden gedownload. De Kolibri van Aleph Alpha verscheen op 3 oktober 2026 — 78.103.074.560 totale parameters, 3.457.573.120 actief per token, een gevalideerd contextvenster van 1.048.576 tokens, Duits en Engels, Apache 2.0. De Beam 1.0 van Reflection verscheen op 16 oktober 2026 met 501,3 miljard totale parameters, 23,4 miljard actieve, 1 mln tokens aan context, Engels, en dezelfde licentie. Dezelfde licentie, een vergelijkbare sparsity-filosofie, en vrijwel niets anders dat ze gemeen hebben — wat precies de reden is dat deze combinatie je meer vertelt dan een grootte-tegen-groottevergelijking zou doen. De ene is gebouwd door een lab dat een argument over jurisdictie naar voren wil brengen; de andere door een lab dat een argument over capaciteiten naar voren wil brengen.

De twee verschillen ook op een manier die voor de meeste echte implementaties de doorslag geeft nog voordat er ook maar één benchmarkregel is gelezen: wat de leverancier naast de gewichten publiceerde. Aleph Alpha leverde een ongewoon compleet verslag van hoe het model werd getraind — dataherkomst, energie, de mislukte voorganger, het exacte aantal GPU-uren. Reflection leverde een verifier die je op je eigen endpoint kunt richten. Dat zijn verschillende soorten vertrouwen, en welke daarvan je inkoopproces accepteert, is de eerste vraag die beantwoord moet worden.

Dezelfde licentie, verschillende producten

Begin met wat werkelijk identiek is, want het is minder dan het lijkt.

• Licentie — beide Apache 2.0, beide met de licentie in de repository in plaats van in een blogzin. Beams kaart voegt toe dat distillatie, fine-tuning, kwantisatie en merging niet beperkt zijn. Kolibri heeft geen acceptable-use-clausule, geen drempel voor maandelijks actieve gebruikers en geen aparte commerciële voorwaarden.

• Spaarzaamheidsstrategie — beide zijn mengsels van experts met agressieve activeringsratio's. Kolibri activeert 3,46 miljard van de 78,1 miljard, ongeveer 4,4 procent; Beam activeert 23,4 miljard van de 501,3 miljard, ongeveer 4,7 procent. Geen van beide labs verkoopt je een dense model.

• Lange context — Kolibri vermeldt een native venster van 262.144 tokens, waarbij kwaliteit en serveerefficiëntie zijn gevalideerd tot 1.048.576; Beam vermeldt 1M op de modelkaart en 131.072 tokens maximale uitvoer op de API.

• Geen onafhankelijke benchmarkreproductie — geen van beide leverancierstabellen is door een derde partij gecontroleerd. Artificial Analysis heeft helemaal geen modelpagina voor Kolibri, terwijl het Beam 1.0 wel vermeldt met een Intelligence Index van 30, negentiende van 120 op indexversie v4.3.2.

Die laatste regel is de eerste echte asymmetrie en is gemakkelijk over het hoofd te zien. Beam heeft één extern cijfer; Kolibri heeft er geen. Een 30 op een index die 120 modellen omvat, is geen flatteus cijfer, maar het is een cijfer dat Reflection niet heeft geproduceerd, en voor een koper die beslist of de tabel van een leverancier betrouwbaar is, is het bestaan van welke onafhankelijke meting dan ook meer waard dan de waarde ervan.

Wat elke leverancier ervoor koos te publiceren

De releasedocumentatie van Aleph Alpha is het meer ongebruikelijke artefact. Naast de gewichten publiceerde het 20 biljoen pre-trainingtokens, getrokken uit een gefilterd tweetalig corpus — ongeveer 62,5 procent Engels, 23,9 procent Duits, 13,6 procent code — plus 3,44 biljoen mid-trainingtokens en 201 miljard voor long-contextuitbreiding. De rekenkracht wordt vermeld als 768 N​VIDIA B200's, verdeeld over 96 HGX-nodes, 21 dagen pre-training gedurende 511 uur en 392.000 GPU-uren bij een gerapporteerde 6,4×10²³ FLOPs, waarbij mid-training vijf dagen en 90.000 GPU-uren toevoegt en long-contextuitbreiding 13 uur en 10.000 GPU-uren toevoegt. Het energieverbruik wordt geschat op 9,5×10² MWh, inclusief datacenteroverhead, en omvat pre-training, mid-training en long-contexttraining, en sluit gesuperviseerde fine-tuning en reinforcement learning uit.

Twee dingen volgen uit het publiceren daarvan. Ten eerste heeft een organisatie met een inkoopregel die begint met "waar kwamen de trainingsdata vandaan en onder welke wet" een antwoord in plaats van een gesprek. Ten tweede, en minder comfortabel, laat dezelfde documentatie zien dat het model verliest van Qwen3.8 27B op Aleph Alpha's eigen harness — 75,5 tegen 80,2 op het Engelse gemiddelde en 70,8 tegen 79,9 op het Duitse gemiddelde, waarbij Qwen voorloopt op GPQA Diamond, LiveCodeBench v6, SWE-Bench Verified en beide long-contextbenchmarks. Gemma 4 26B-A4B IT staat op 71,9 en 66,3 op de twee gemiddelden. Het argument voor Kolibri is niet dat het het sterkste model van zijn omvang is; het is dat het het sterkste model van zijn omvang is waarvan je de training kunt auditen. Die documentatie is de reden dat de release als onderzoek leest en niet als marketing: Aleph Alpha beschrijft hoe het model is gemaakt omdat het wil dat de pijplijn, niet het model, het product is, en een lab dat een trainingspijplijn verkoopt, publiceert de cijfers die laten zien dat de pijplijn werkte.

Reflection heeft iets anders gepubliceerd. De release van Beam 1.0 bevat referentieconfiguraties voor het serveren, een Helm-chart, day-zero-ondersteuning in Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed en NVIDIA Dynamo, en de beam-verifier CLI, die een conformiteitssuite tegen een live endpoint uitvoert en deze vervolgens evalueert op de belangrijkste benchmarks, zodat een deployment kan worden getoetst aan de referentiescores van Reflection. Wat er niet in zit, is een tariefkaart: de documentatie bevat een volledige pagina over snelheidslimieten en geen prijs per miljoen tokens, en de aankondiging zegt alleen dat de API gratis is om te beginnen.

Wat het kost om elk ervan te laten draaien

Geen van beide wordt in onze catalogus aangeboden, en we gaan niet suggereren dat dit wel zo is. Beide zijn self-hosted aankopen, en de hardware-ondergrenzen zijn de echte prijs.

Beam 1.0 — de NVFP4-build is 273 GiB en de referentieconfiguratie is vier NVIDIA B300 SXM-GPU's op NVLink, één enkele machine. FP8 is 468,72 GiB en draait op acht H200's; BF16 is 933,81 GiB en komt terecht op acht B200's of B300's. Een DFlash2-drafter van 1,93B wordt meegeleverd voor speculatieve decoding, goed voor een 1,7× tot 3,0× snellere decode op het NVFP4-checkpoint. De serving-recepten houden de KV-cache in FP8 E4M3 met een pagina van 64 tokens.

• Kolibri — het FP8-checkpoint is de gedocumenteerde precisie voor serving, met 128×128-blokgewichten en dynamisch gekwantiseerde activaties, geëvalueerd met een FP8-KV-cache, terwijl embeddings, de LM-head, de normalisatielagen en de MoE-router in bfloat16 blijven. Een vLLM-parser voor tool-calls wordt in dezelfde repository als de gewichten geleverd, en de repository is vrij toegankelijk — een Apache 2.0-download in plaats van een aanvraag.

De vergelijking die een koper daadwerkelijk zou moeten maken, is niet die van benchmarkrijen. Het is een zelfgehost endpoint met twee GPU's dat in het Duits en Engels antwoordt en waarvan je de training kunt documenteren, tegenover een endpoint met vier GPU's dat sterker is in coderen en agentisch werk en waarvan de trainingsdocumentatie, voor zover wij kunnen vinden, niet reikt tot GPU-uren of energie.

Als je workload gereguleerde documenten betreft die het gebouw niet mogen verlaten, is de eerste de enige die de discussie beslecht. Als je workload een engineeringagent is, is de tweede de enige met een verifier.

Als je de mogelijkheid wilt zonder het rack

Beide modellen beschrijven een klasse — MoE met weinig actieve parameters en een permissieve licentie — die al wordt aangeboden via routes die je vandaag kunt aanroepen, en het opvragen van de prijs van het alternatief is de snelste manier om te bepalen of het bezitten van de hardware de moeite waard is.

• Gemma 4 26B-A4B IT — $0,06 per miljoen invoertokens en $0,33 per miljoen uitvoertokens met een tokenvenster van 262.144. Wat op een gerouteerd endpoint het dichtst bij de Kolibri-tier komt, en het model dat Kolibri daadwerkelijk verslaat op de eigen Engelse en Duitse gemiddelden van Aleph Alpha.

• Qwen3.8-27B — $0.33 input en $2.40 output, 262.144-tokencontext, en open gewichten onder Apache-licentie als je ze liever zelf draait dan huurt.

• GLM-5.2 — $1,40 en $4,40 met een venster van 1.000.000 tokens, voor het lange-context- en codeerwerk waarop Beam 1.0 is gericht.

• Kimi K3 — $3,00 invoer, $0,30 gecachet, $15,00 uitvoer bij 1.048.576 tokens; het model waarvan Reflections eigen lanceringsbericht toegeeft dat het voorloopt op ruwe capaciteit.

OrcaRouter-routes die achter één OpenAI-compatibele sleutel worden gezet, met de lijstprijs van de provider doorgegeven en niets toegevoegd, dus een prijsverlaging van een leverancier komt dezelfde dag op je factuur terecht in plaats van bij de volgende contractverlenging, en automatische failover dekt het geval waarin één provider onder belasting verslechtert. Een nuttig patroon voor iedereen die een soevereine deployment overweegt, is om het gereguleerde verkeer via een zelfgehost Kolibri-endpoint te laten lopen en het algemene werk via een gerouteerde tier, waarbij een routeringsregel bepaalt wat wat is — één sleutel, één configuratie, en een hardwarebeslissing die alleen hoeft te worden gerechtvaardigd voor de documenten die dat nodig hebben.

Naar welke release je eigenlijk op zoek was

Als u naar open gewichten hebt gezocht omdat u een vraag over herkomst, jurisdictie of auditeerbaarheid moet beantwoorden, is Kolibri de release met het antwoord. Het is niet het sterkste model in zijn formaat — Aleph Alpha's eigen tabellen zeggen dat — en het bestrijkt twee talen, en de aanbevolen servingconfiguratie bestaat uit twee H100 SXM5's of twee H200's — of één B200 of B300, die de hardwaretabel daarnaast vermeldt. De afweging is expliciet en, voor een gereguleerde implementatie, waarschijnlijk juist.

Als je naar open weights hebt gezocht omdat je een engineering-agent wilt die je zelf kunt draaien, dan is Beam 1.0 de release met de capaciteit, de serving-stack en de verificatietooling, en er zijn vier B300's en een prijslijst nodig die nog niet is geschreven. De afweging daar is kapitaal en onduidelijkheid in ruil voor een model dat frontier-aanverwant codeerwerk op je eigen hardware doet.

Wat de combinatie laat zien, is dat "open weight" enige tijd geleden al geen onderscheidend kenmerk meer was. Twee Apache 2.0-releases van twee labs in twee weken kunnen een licentie, een sparsityfilosofie en een contextvenster delen, en toch antwoorden op volledig verschillende vragen zijn. Sorteren op licentie levert niets op; sorteren op welke vraag de release moest beantwoorden, brengt je naar de juiste map.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.