Glimpse vs Kolibri: Dwa sposoby, aby kupić więcej mocy obliczeniowej na token

E​lorian G​limpse i K​olibri to dwie odpowiedzi na to samo pytanie ekonomiczne — jak uzyskać więcej możliwości na jednostkę obliczeń — i znajdują się na przeciwnych biegunach tej kwestii. G​limpse, wydany przez E​lorian 16 października 2026, nabywa swoje możliwości na etapie wnioskowania: wykonuje pierwsze przejście po klipie z szybkością około 8 klatek na sekundę, a następnie zużywa dodatkowe obliczenia, ponownie skanując wybrane dziewięć dziesiątych sekundy z szybkością około 14 klatek na sekundę, zanim odpowie. K​olibri, wydany przez A​leph Alpha 3 października 2026, nabywa swoje możliwości na etapie architektury: łącznie 78,1 miliarda parametrów, z których tylko około 3,46 miliarda jest aktywnych na token, więc niemal każdy parametr w modelu to taki, za którego obliczenie nigdy nie płacisz.

Tych dwóch nie można używać wymiennie, a powodem nie jest jakość. Jeden to hostowany podgląd bez wag, bez opublikowanej liczby parametrów i bez opublikowanego okna kontekstowego. Drugi to plik do pobrania na licencji Apache 2.0, którego karta modelu podaje liczbę ekspertów, harmonogram uwagi, formaty liczbowe, pokrycie językowe tokenizera oraz dokładny rachunek za energię elektryczną z jego treningu. Porównywanie ich to w gruncie rzeczy porównanie dwóch strategii, a ciekawe pytanie brzmi, która strategia przetrwa zetknięcie z twoim obciążeniem.

Stosunek 22 do 1 wobec stosunku, którego nikt nie opublikował

K​olibri to rzadki model mieszaniny ekspertów, a rzadkość ta jest ekstremalna nawet według obecnych standardów. Pięćdziesiąt warstw — każda z nich to mieszanina ekspertów — po 384 ekspertów na warstwę, z których jeden jest współdzielony, a sześć jest routowanych. Daje to stosunek całkowitej liczby parametrów do aktywnych wynoszący około 22,6 do 1 — model, który ma 78 miliardów parametrów, ale oblicza około 3,5 miliarda z nich dla dowolnego tokenu. A​leph Alpha przeplata to w schemacie 4 do 1 z blokami uwagi grupowo-zapytaniowej, co sprawia, że natywny kontekst 262 144 tokenów pozostaje osiągalny: ścieżka miliona tokenów jest zwalidowana, a pamięć podręczna KV jest utrzymywana w FP8, aby długi koniec tego okna zmieścił się w pamięci, a nie w arkuszu kalkulacyjnym.

Wybory dotyczące formatu liczbowego ujawniono w nietypowym stopniu. Wagi są w formacie FP8 w blokach 128 na 128. Pamięć podręczna KV jest w FP8. Embeddingi, głowica modelu językowego, warstwy normalizacji i router pozostają w bfloat16 — to części, w których szkody od kwantyzacji ujawniłyby się w decyzjach routingu, a nie w stratach. Udostępniono cztery poziomy wysiłku. Wywoływanie narzędzi działa zgodnie z formatem Hermes z parserem vLLM, co oznacza, że wpasowuje się w istniejący stos agentowy, zamiast wymagać dedykowanej integracji.

G​limpse nie publikuje nic z tego. Żadnej liczby parametrów. Żadnej struktury ekspertów, o której warto mówić, żadnego okna kontekstowego, żadnego schematu kwantyzacji, żadnego nazwanego modelu bazowego — tylko fraza „dotrenowany na bazowym modelu o otwartych wagach”, która nie mówi, o który model chodzi. Zamiast tego publikuje ślad: pierwsze przejście przy około 8 klatkach na sekundę, wstępny odczyt, powrót do 0,9 sekundy klipu przy około 14 klatkach na sekundę, a w drugim przykładzie krawędź okna śledzona od około 2,2 sekundy klipu, aż niemal zatrzymuje się na 5,13 sekundy.

Oba te ujawnienia dotyczą mocy obliczeniowej. Deklaracja Kolibri mówi o tym, dokąd trafia moc obliczeniowa, gdy model się ładuje. Deklaracja Glimpse mówi o tym, dokąd trafia moc obliczeniowa, podczas gdy model myśli. Tylko jedno z nich zawiera liczbę.

Opublikowane arkusze, obok siebie

• Rozmiar — K​olibri: 78,103,074,560 parametrów łącznie, 3,457,573,120 aktywnych. G​limpse: nieopublikowany, a jedynym stwierdzeniem o rozmiarze, jakie podaje E​lorian, jest „znacznie mniejszy i tańszy niż systemy frontier, z którymi jest porównywany”.

• Dostęp — wagi Apache 2.0 dla K​olibri, do pobrania i samodzielnego hostowania. Brak dla G​limpse, który oferuje wyłącznie API i czat z darmową rejestracją.

• Kontekst — 262 144 tokeny natywne dla K​olibri, z 1 048 576 zweryfikowanymi. Nie opublikowano dla G​limpse, co jest bardziej kłopotliwym brakiem, ponieważ jego sztandarową możliwością jest odczytywanie wideo.

• Języki — niemiecki i angielski dla K​olibri, co A​leph Alpha przedstawia jako decyzję projektową, a nie ograniczenie. G​limpse nie publikuje żadnego zakresu obsługiwanych języków.

• Cena — 0,60 USD za milion tokenów wejściowych i 3,00 USD za milion tokenów wyjściowych w przypadku G​limpse — a mechanizm sprawia, że ponowne skanowanie ujawnia się na tokenach wyjściowych, więc ślad jest dowodem. K​olibri nie ma cennika stawek, ponieważ kosztem jest sprzęt.

• Niezależna ocena — w praktyce żadna z nich jej nie ma. Żadna nie ma niezależnego zestawu testowego, który odtwarzałby jej wyniki, a oba zestawy opublikowanych danych pochodzą od samego dostawcy.

Przebieg treningu opublikowany w całości przez Aleph Alpha

W tym miejscu K​olibri odbiega od niemal każdego wydania tego roku i warto się temu przyjrzeć, ponieważ mówi, ile kosztowało zbudowanie tej rzadkości.

Korpus wstępnego trenowania liczył 20 bilionów tokenów, podzielonych w przybliżeniu na 62,5% języka angielskiego, 23,9% języka niemieckiego i 13,6% kodu. Trening pośredni dodał kolejne 3,44 biliona, a etap długiego kontekstu wniósł 201 miliardów. W tym przebiegu wykorzystano 768 akceleratorów NVIDIA B200 rozmieszczonych w 96 węzłach HGX; zajął on 21 dni i 511 godzin czasu rzeczywistego oraz zużył około 392 000 godzin GPU — 6,4×10²³ operacji zmiennoprzecinkowych, przy budżecie energetycznym wynoszącym około 9,5×10² megawatogodzin.

Te liczby to uczciwa cena modelu o 3,46 mld aktywnych parametrów, który zachowuje się jak coś znacznie większego. Są też nie do powtórzenia dla kogokolwiek spoza dobrze finansowanego laboratorium i to jest właśnie argument za otwartymi wagami: koszt treningu ponosi jednorazowo firma, która publikuje kartę modelu, a wszyscy dalsi dostają artefakt w cenie pobrania.

Poprzednik jest pouczający. K​olibri Origin miał 30,6 miliarda parametrów, z czego 3,27 miliarda aktywnych, kontekst 65 536 tokenów i 7,51 biliona tokenów treningowych — i nigdy nie został wydany. Opublikowany model nie jest pierwszą próbą; jest drugą, a różnica między nimi odpowiada w przybliżeniu różnicy między prototypem a produktem.

Dla Glimpse nie istnieje nic porównywalnego. Elorian mówi tylko, że model został douczony przez mały zespół dysponujący kilkuset GPU. Nie podano nazwy modelu bazowego, liczby tokenów, opisu danych ani ujawnionych nakładów obliczeniowych. To uzasadniona różnica między publikowaniem checkpointu a udostępnianiem endpointu — ujawniasz to, co przekazujesz — ale oznacza, że tych dwóch wydań nie można porównywać pod względem ekonomicznym poza cennikiem, ponieważ tylko jedno z nich opublikowało swoje koszty.

Pusta komórka liczby parametrów

Oto pułapka w tym porównaniu — i działa na korzyść Glimpse.

Łatwo jest odczytać 3,46 miliarda aktywnych parametrów K​olibri i wywnioskować, że G​limpse — hostowany, tani w przeliczeniu na token, ukierunkowany na wąską zdolność — musi być mały, albo musi być tani w działaniu, albo musi być dostrojeniem czegoś skromnego. Nic z tego nie wynika. Liczba parametrów G​limpse nigdy nie została opublikowana. Jego okno kontekstowe nigdy nie zostało opublikowane. Jego model bazowy nigdy nie został nazwany. Jedyne twierdzenie o rozmiarze w poście premierowym jest porównawcze i nieokreślone ilościowo. Tam, gdzie zachowanie nie ujawnia rozmiaru, a zachowanie tego modelu jest harmonogramem próbkowania, a nie architekturą, liczba parametrów mogłaby być niemal dowolna i nic opublikowanego nie stałoby z tym w sprzeczności.

Zatem komórka z liczbą parametrów pozostaje pusta, a każda liczba, którą ktokolwiek w tym miesiącu przytacza dla rozmiaru G​limpse, jest szacunkiem przebranym za specyfikację. Nawiasem mówiąc, to samo dotyczy sytuacji odwrotnej: stosunek 22,6 do 1 w K​olibri nie mówi, ile kosztuje wnioskowanie na twoim sprzęcie, ponieważ wagi FP8 w blokach 128 na 128 wymagają konkretnego wsparcia akceleratora, aby przynosiły korzyść, a nie były etapem konwersji.

W czym każda strategia zawodzi

Ograniczeniem K​olibri jest pokrycie językowe i jest to celowe. Niemiecki i angielski, nic poza tym. Dla europejskiego przedsiębiorstwa z niemieckojęzycznym ruchem to zaleta — mieszanka treningowa jest wyważona w stronę języka, który większość otwartych modeli traktuje jako błąd zaokrąglenia. Dla każdego innego to twarde „nie”, a żadna wielkość okna kontekstowego tego nie zrekompensuje.

Jego drugim ograniczeniem jest arytmetyka długiego kontekstu. Ścieżka o długości miliona tokenów została zwalidowana, co jest naprawdę dużym rozmiarem. Ale zwalidowana ścieżka to nie to samo co niezdegradowana; przy takich długościach dokładność wyszukiwania niemal każdego modelu spada na długo przed końcem okna, a żadna opublikowana ewaluacja nie mówi, gdzie załamuje się krzywa K​olibri. Traktuj okno jako pojemność, którą możesz alokować, a nie dokładność, którą możesz założyć.

Ograniczenie G​limpse ma przeciwny kształt: wąska zdolność, wokół której nie ma nic. Jeśli pytanie dotyczy tego, co wydarzyło się w ułamku sekundy nagrania, G​limpse jest wycelowany bezpośrednio w to. Jeśli pytanie dotyczy tego, co scena sugeruje, a nie tego, co stwierdza, przewijanie nie pomaga — w Humanity's Sixth Sense, benchmarku, który E​lorian opublikował wspólnie z Scale AI dziewięć dni przed wydaniem modelu, G​limpse uzyskuje 46,36 w porównaniu z 53,6 GPT-6 Astra, a własna analiza błędów benchmarku przypisuje 94% oznaczonych błędów widzeniu i wnioskowaniu, a nie rozumowaniu. Więcej patrzenia nie oznacza większego zrozumienia, a dowodem jest własna tabela dostawcy.

Istnieje także klasa problemów, których żadne z nich nie rozwiązuje: ta, w której odpowiedź musi być wartością progową. G​limpse pisze prozę. K​olibri czyta i pisze. Żadne z nich nie jest zbudowane do zwracania skalibrowanej liczby dla każdej opcji, a jeśli właśnie tego potrzebuje potok, to narzędzie jest modelem zupełnie innego kształtu.

Gdzie warstwa routingu zasługuje na swoje miejsce — a gdzie nie

Dwa modele znajdują się po przeciwnych stronach granicy — jednej, którą routing może przesunąć, i drugiej, której nie może.

Granica, którą przesuwa, to koszt i odporność mieszania ścieżek. Zespół uruchamiający K​olibri na własnych akceleratorach dla ruchu niemieckojęzycznego i model hostowany dla całej reszty ma dwie ścieżki kodu, dwa tryby awarii i dwa zestawy poświadczeń. OrcaRouter sprowadza to do jednego klucza przed ponad 200 modelami, z DSL routingu, który decyduje, które żądanie trafia do której ścieżki oraz automatycznym przełączaniem awaryjnym, które utrzymuje żądanie przy życiu, gdy samodzielnie hostowana ścieżka jest przeciążona lub niedostępna. Ceny listowe dostawców są przekazywane dalej bez doliczania niczego za token, więc hostowana połowa tego miksu kosztuje tyle, ile pobiera jej dostawca, i podąża za ceną tego dostawcy w dniu, w którym się ona zmienia.

Granicą, której nie przesuwa, jest piecza, a tutaj K​olibri ma przewagę, której żadna warstwa routingu nie może wytworzyć. Jego wagi można pobrać. Jeśli korpus nie może opuścić budynku, checkpoint na licencji Apache 2.0 jest jedynym z tych dwóch, który działa tam, gdzie znajdują się dane, i żadna ocena któregokolwiek z tych modeli tego nie zmienia. Żaden z tych modeli nie znajduje się też w naszym katalogu — K​olibri jest do pobrania, a G​limpse to własne API i interfejs czatu E​lorian — więc to stwierdzenie o tym, jak routujemy, a nie twierdzenie, że je udostępniamy.

Jak decydować bez wspólnego benchmarku

Nie ma żadnej tablicy wyników, która ustalałaby ranking tych dwóch, i nie dlatego, że jeden z nich jest nowy. Tabela E​loriana mierzy percepcję wideo i obrazu względem GPT-6 Astra; karta A​leph Alpha mierzy typowy zakres akademicki plus wyszukiwanie w długim kontekście. Nie łączy ich żadne zadanie, więc jedyne porównanie, które się liczy, to porównanie z twoim własnym obciążeniem.

Trzy pytania rozstrzygają to szybciej niż jakakolwiek tabela.

Czy dane muszą pozostać na sprzęcie, który kontrolujesz? Jeśli tak, Kolibri jest tu jedynym kandydatem, licencja to Apache 2.0, a zakres niemiecko-angielski albo pasuje do twojego wdrożenia, albo od razu je przekreśla.

Czy tryb awarii jest temporalny — tożsamość obiektu przez zasłonięcie, przesunięcie kamery kontra cięcie, zdarzenie w oknie krótszym niż sekunda? Jeśli tak, G​limpse to jedyny z dwóch modeli, którego deklarowany mechanizm się tym zajmuje, darmowa rejestracja sprawia, że test jest tani, a ślad mówi ci więcej niż wynik: uruchom własne klipy i sprawdź, czy model kiedykolwiek wrócił do przedziału, który zdecydował o odpowiedzi.

Czy to obciążenie z długim kontekstem, ale nie z długim wideo — korpus dokumentów, zestaw akt, ścieżka audytu? Jeśli tak, natywne okno Kolibri o rozmiarze 262 144 tokenów ze zweryfikowaną ścieżką do miliona tokenów jest właściwą liczbą, a opublikowana ewaluacja żadnego z modeli nie rozstrzyga, czy przy tych długościach wytrzymuje krzywą degradacji. To trzeba zmierzyć na twoich danych, zanim będzie można bezpiecznie podjąć którąkolwiek z tych decyzji.

Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.