Glimpse vs Kolibri: Twee manieren om meer rekenkracht per token te kopen

E​lorian G​limpse en K​olibri zijn twee antwoorden op dezelfde economische vraag — hoe krijg je meer capaciteit per eenheid rekenkracht — en ze bevinden zich aan tegenovergestelde uiteinden daarvan. G​limpse, uitgebracht door E​lorian op 16 oktober 2026, koopt zijn capaciteit tijdens inferentie: het voert een eerste doorgang over een clip uit met ongeveer 8 frames per seconde, en besteedt daarna extra rekenkracht aan het opnieuw scannen van een gekozen periode van negen tienden van een seconde met ongeveer 14 frames per seconde voordat het antwoordt. K​olibri, uitgebracht door A​leph Alpha op 3 oktober 2026, koopt zijn capaciteit tijdens de architectuurfase: 78,1 miljard totale parameters, waarvan slechts ongeveer 3,46 miljard actief zijn per token, dus bijna elke parameter in het model is er een waar je nooit voor betaalt om te evalueren.

De twee zijn niet uitwisselbaar, en de reden is niet kwaliteit. De ene is een gehoste preview zonder gewichten, zonder gepubliceerd aantal parameters en zonder gepubliceerd contextvenster. De andere is een Apache 2.0-download waarvan de modelkaart het aantal experts, het attention-schema, de numerieke formaten, de taaldekking van de tokenizer en de exacte elektriciteitsrekening van de trainingsrun vermeldt. Ze met elkaar vergelijken is in feite een vergelijking van twee strategieën, en de interessante vraag is welke strategie contact met je workload overleeft.

Een verhouding van 22 tegen 1 tegenover een verhouding die niemand publiceerde

Kolibri is een sparse mixture-of-experts-model, en de sparsity is extreem, zelfs naar huidige maatstaven. Vijftig lagen, elk een mixture of experts, 384 experts per laag, waarvan er één gedeeld is en zes gerouteerd. Dat komt neer op een totaal-tot-actief-ratio van ongeveer 22,6 op 1 — een model dat 78 miljard parameters bevat maar er ongeveer 3,5 miljard van evalueert voor elk gegeven token. Aleph Alpha wisselt dat af in een 4-op-1-patroon met group-query attention-blokken, wat de native context van 262.144 tokens betaalbaar houdt: een pad van een miljoen tokens is gevalideerd, en de KV-cache wordt in FP8 gehouden om het lange eind van dat venster in het geheugen te laten passen in plaats van in een spreadsheet.

De keuzes voor numerieke formaten worden in een mate onthuld die ongebruikelijk is. Gewichten zijn FP8 in blokken van 128 bij 128. De KV-cache is FP8. Embeddings, de taalmodel-head, de normalisatielagen en de router blijven in bfloat16 — de onderdelen waar kwantisatieschade zich zou manifesteren in routeringsbeslissingen in plaats van in losses. Er worden vier inspanningsniveaus aangeboden. Tool calling volgt het Hermes-formaat met een vLLM-parser, wat betekent dat het in een bestaande agent-stack past in plaats van een maatwerkintegratie te vereisen.

Glimpse publiceert niets daarvan. Geen aantal parameters. Geen noemenswaardige expertstructuur, geen contextvenster, geen quantisatieschema, geen genoemd basismodel — alleen de frase "post-getraind op een open-weights basismodel", waarin niet staat welk model. Wat het in plaats daarvan publiceert, is het spoor: een eerste pass met ongeveer 8 frames per seconde, een voorlopige lezing, een terugkeer naar 0,9 seconde van de clip met ongeveer 14 frames per seconde, en in een tweede voorbeeld een vensterrand die vanaf ongeveer 2,2 seconden in een clip wordt gevolgd tot hij bijna stilstaat op 5,13 seconden.

Die twee zijn beide onthullingen over compute. K​olibri's is een uitspraak over waar de compute naartoe gaat wanneer het model laadt. G​limpse's is een uitspraak over waar de compute naartoe gaat terwijl het model nadenkt. Slechts één ervan komt met een getal.

De gepubliceerde bladen, naast elkaar

• Grootte — K​olibri: 78.103.074.560 totale parameters, 3.457.573.120 actieve. G​limpse: niet gepubliceerd, met "aanzienlijk kleiner en goedkoper dan de frontiersystemen waartegen het benchmarkt" als de enige uitspraak over de omvang die E​lorian doet.

• Toegang — Apache 2.0-gewichten voor K​olibri, downloadbaar en zelf te hosten. Geen voor G​limpse, dat alleen API en chat biedt met een gratis aanmelding.

• Context — 262.144 tokens native voor K​olibri, met 1.048.576 gevalideerd. Niet gepubliceerd voor G​limpse, wat de ongemakkelijkere leemte is, omdat zijn belangrijkste capaciteit het lezen van video is.

• Talen — Duits en Engels voor Kolibri, wat Aleph Alpha presenteert als een ontwerpkeuze in plaats van een beperking. Glimpse publiceert helemaal geen taaldekking.

• Prijs — $0,60 per miljoen invoertokens en $3,00 per miljoen uitvoertokens voor G​limpse — en het mechanisme betekent dat de uitvoertokens zijn waar de herscan opduikt, dus de trace is het bewijs. K​olibri heeft geen tariefkaart, omdat de kosten de hardware zijn.

• Onafhankelijke evaluatie — in de praktijk geen enkele voor beide. Geen van beide heeft een testomgeving van een derde partij die hun cijfers reproduceert, en beide reeksen gepubliceerde cijfers zijn afkomstig van de leverancier zelf.

De trainingsrun die Aleph Alpha volledig publiceerde

Dit is waar K​olibri afwijkt van bijna elke release van het jaar, en het is de moeite waard om het door te nemen, want het vertelt je wat de sparsity kostte om te bouwen.

Het pre-trainingscorpus bestond uit 20 biljoen tokens, ruwweg verdeeld in 62,5% Engels, 23,9% Duits en 13,6% code. Mid-training voegde nog eens 3,44 biljoen toe, en een long-contextfase droeg 201 miljard bij. De run gebruikte 768 N​VIDIA B200-accelerators verdeeld over 96 HGX-nodes, duurde 21 dagen en 511 uur kloktijd, en verbruikte ongeveer 392.000 GPU-uren — 6,4×10²³ floating-pointbewerkingen, met een energiebudget van ongeveer 9,5×10² megawattuur.

Die cijfers zijn de eerlijke prijs van een model met 3,46 miljard actieve parameters dat zich gedraagt als iets veel groters. Ze zijn ook onherhaalbaar voor iedereen buiten een goed gefinancierd lab, en dat is precies het argument voor open gewichten: de trainingskosten worden eenmalig betaald door het bedrijf dat de kaart publiceert, en iedereen stroomafwaarts krijgt het artefact voor de prijs van de download.

De voorganger is leerzaam. K​olibri Origin had 30,6 miljard parameters, waarvan 3,27 miljard actief, een context van 65.536 tokens en 7,51 biljoen trainingstokens — en het werd nooit uitgebracht. Het gepubliceerde model is geen eerste poging; het is de tweede, en de kloof tussen beide is ongeveer de kloof tussen een prototype en een product.

Voor G​limpse bestaat niets vergelijkbaars. E​lorian zegt alleen dat het model is nagetraind door een klein team met een paar honderd GPU's. Er wordt geen basismodel genoemd, geen tokental, geen databeschrijving, geen openbaarmaking over rekenkracht. Dat is een legitiem verschil tussen het publiceren van een checkpoint en het uitleveren van een endpoint — je maakt bekend wat je overdraagt — maar het betekent dat de twee releases economisch niet verder kunnen worden vergeleken dan de tariefkaart, omdat slechts één van hen zijn kosten heeft gepubliceerd.

De lege cel voor het aantal parameters

Hier zit de valkuil in deze vergelijking, en die werkt in het voordeel van G​limpse.

Het is gemakkelijk om K​olibri's 3,46 miljard actieve parameters te lezen en te concluderen dat G​limpse — gehost, goedkoop per token, gericht op een smalle capaciteit — klein moet zijn, of goedkoop moet zijn om te draaien, of een fine-tune van iets bescheidens moet zijn. Niets daarvan volgt. G​limpse's parameteraantal is nooit gepubliceerd. Het contextvenster is nooit gepubliceerd. Het basismodel is nooit genoemd. De enige grootteclaim in de lanceringspost is vergelijkend en niet gekwantificeerd. Waar gedrag de grootte niet onthult, en het gedrag van dit model een bemonsteringsschema is in plaats van een architectuur, zou het parameteraantal bijna van alles kunnen zijn en niets dat gepubliceerd is zou het tegenspreken.

De cel voor het aantal parameters blijft dus leeg, en elk cijfer dat iemand deze maand voor de grootte van G​limpse aanhaalt, is een schatting vermomd als specificatie. Hetzelfde geldt overigens in omgekeerde richting: de 22,6-op-1-verhouding van K​olibri zegt niets over de inferentiekosten ervan op jouw hardware, omdat FP8-gewichten in blokken van 128 bij 128 specifieke acceleratorondersteuning nodig hebben om voordeel op te leveren in plaats van een conversiestap te zijn.

Waar elke strategie faalt

Kolibri's beperking is de taaldekking, en die is bewust. Duits en Engels, niets anders. Voor een Europese onderneming met Duitstalig verkeer is dat een pluspunt — de trainingsmix leunt zwaar naar een taal die de meeste open modellen als een afrondingsfout beschouwen. Voor alle anderen is het een harde nee, en geen enkel contextvenster compenseert dat.

De tweede beperking is het rekenwerk met lange context. Een pad van een miljoen tokens is gevalideerd, wat echt groot is. Maar een gevalideerd pad is niet hetzelfde als een niet-gedegradeerd pad; bij deze lengtes neemt de retrievalnauwkeurigheid van bijna elk model af, lang voordat het venster eindigt, en geen enkele gepubliceerde evaluatie zegt waar de curve van K​olibri afbuigt. Behandel het venster als capaciteit die je kunt toewijzen, niet als nauwkeurigheid die je kunt aannemen.

De beperking van G​limpse heeft de tegenovergestelde vorm: een smalle capaciteit met niets eromheen. Als de vraag is wat er binnen een fractie van een seconde aan beeldmateriaal gebeurde, dan is G​limpse daar rechtstreeks op gericht. Als de vraag is wat een scène impliceert in plaats van wat die stelt, dan helpt het terugspoelen niet — op Humanity's Sixth Sense, de benchmark die E​lorian negen dagen voordat het model uitkwam samen met Scale AI publiceerde, scoort G​limpse 46,36 tegenover de 53,6 van GPT-6 Astra, en de eigen foutenanalyse van de benchmark schrijft 94% van de gelabelde fouten toe aan zien en infereren in plaats van aan redeneren. Meer kijken is niet hetzelfde als meer begrip, en de eigen tabel van de leverancier is het bewijs.

Er is ook een categorie problemen die geen van beide aanpakt: die waarbij het antwoord een drempelwaarde moet zijn. G​limpse schrijft proza. K​olibri leest en schrijft. Geen van beide is gebouwd om per optie een gekalibreerd getal terug te geven, en als dat is wat de pipeline nodig heeft, dan is het instrument een heel ander soort model.

Waar een routeringslaag zijn plek verdient — en waar niet

De twee modellen bevinden zich aan weerszijden van een grens die routing kan verplaatsen en een die het niet kan.

De grens die het verlegt, is de kosten en veerkracht van het mixen van lanes. Een team dat Kolibri op zijn eigen accelerators draait voor Duitstalig verkeer en een gehost model voor al het andere, heeft twee codepaden, twee storingsmodi en twee sets inloggegevens. OrcaRouter reduceert dat tot één sleutel vóór meer dan 200 modellen, met een routing-DSL die bepaalt welk verzoek naar welke lane gaat en automatische failover die een verzoek in leven houdt wanneer de self-hosted lane verzadigd is of uitligt. De lijstprijzen van providers worden ongewijzigd doorgegeven, zonder dat er iets per token wordt toegevoegd, dus de gehoste helft van die mix kost wat zijn leverancier rekent en volgt de prijs van die leverancier op de dag dat die verandert.

De grens die het niet verlegt, is die van bewaring, en hier heeft K​olibri een voordeel dat geen enkele routeringslaag kan creëren. De gewichten ervan zijn downloadbaar. Als het corpus het gebouw niet kan verlaten, is een Apache 2.0-checkpoint de enige van deze twee die draait waar de data zich bevinden, en geen enkele evaluatie van een van beide modellen verandert dat. Ook staat geen van beide modellen in onze catalogus — K​olibri is een download en G​limpse is de eigen API en chatinterface van E​lorian — dus dit is een uitspraak over hoe wij routeren, geen claim dat wij ze aanbieden.

Hoe te beslissen zonder een gedeelde benchmark

Er is geen scorebord dat deze twee rangschikt, en dat komt niet doordat een van hen nieuw is. De tabel van E​lorian meet video- en beeldperceptie af tegen GPT-6 Astra; de kaart van A​leph Alpha meet de gebruikelijke academische spreiding plus long-contextretrieval. Ze delen geen enkele taak, dus de enige vergelijking die ertoe doet, is met je eigen werklast.

Drie vragen beslechten het sneller dan welke tabel dan ook.

Moet de data op hardware blijven die u beheert? Zo ja, dan is K​olibri hier de enige kandidaat, is de licentie Apache 2.0, en past de Duits-Engelse dekking ofwel bij uw deployment, of sluit Kolibri onmiddellijk uit.

Is de faalmodus temporeel — objectidentiteit over een occlusie heen, een pan versus een cut, een gebeurtenis binnen een subsecondevenster? Zo ja, dan is G​limpse het enige van de twee modellen waarvan het opgegeven mechanisme dit aanpakt, de gratis aanmelding maakt de proef goedkoop, en de trace vertelt je meer dan de score: draai je eigen clips en controleer of het model ooit terugging naar het interval dat het antwoord bepaalde.

Is de workload long-context maar niet long-video — een documentcorpus, een dossierverzameling, een audittrail? Zo ja, dan is K​olibri's native venster van 262.144 tokens met een gevalideerd miljoen-tokenpad het relevante getal, en de gepubliceerde evaluatie van geen van beide modellen beslecht of het de degradatiecurve bij die lengtes overleeft. Dat moet worden gemeten, op uw data, voordat een van beide beslissingen veilig is.

De gedocumenteerde AI-fouten en incidenten met agents achter releases zoals deze worden verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistingsmarkering bevat.