Beam 1.0 vs Kolibri: Dois lançamentos Apache 2.0 não são o mesmo lançamento

Beam 1.0 e Kolibri são os dois lançamentos de pesos abertos mais comparáveis do último mês, e compará-los entre si é mais útil do que comparar qualquer um deles a um modelo de API de fronteira, porque ambos podem de fato ser baixados. O Kolibri, da Aleph Alpha, chegou em 3 de outubro de 2026 — 78.103.074.560 parâmetros totais, 3.457.573.120 ativos por token, uma janela de contexto validada de 1.048.576 tokens, alemão e inglês, Apache 2.0. O Beam 1.0, da Reflection, chegou em 16 de outubro de 2026 com 501,3 bilhões de parâmetros totais, 23,4 bilhões ativos, 1M de tokens de contexto, inglês, e a mesma licença. Mesma licença, filosofia de esparsidade semelhante e quase nada mais em comum — e é exatamente por isso que esse pareamento revela mais do que uma comparação de tamanho contra tamanho revelaria. Um foi construído por um laboratório com um argumento de jurisdição a sustentar; o outro, por um laboratório com um argumento de capacidade a sustentar.

Os dois também diferem de uma maneira que decide a maioria das implantações reais antes mesmo de se ler uma única linha de benchmark: o que o fornecedor publicou junto com os pesos. A Aleph Alpha entregou um relato excepcionalmente completo de como o modelo foi treinado — proveniência dos dados, consumo de energia, o predecessor que fracassou, as horas exatas de GPU. A Reflection entregou um verificador que você pode apontar para o seu próprio endpoint. Esses são tipos diferentes de confiança, e qual deles o seu processo de aquisição aceita é a primeira pergunta a ser respondida.

Mesma licença, produtos diferentes

Comece pelo que é genuinamente idêntico, porque é menos do que parece.

• Licença — ambos Apache 2.0, ambos com a licença no repositório em vez de numa frase de blog. O cartão do Beam acrescenta que a destilação, o ajuste fino, a quantização e a fusão não são restringidos. O Kolibri não inclui cláusula de uso aceitável, nem limite de usuários ativos mensais, nem termos comerciais separados.

• Estratégia de esparsidade — ambos são misturas de especialistas com taxas de ativação agressivas. O Kolibri ativa 3,46B de 78,1B, cerca de 4,4 por cento; o Beam ativa 23,4B de 501,3B, cerca de 4,7 por cento. Nenhum dos laboratórios está a vender-lhe um modelo denso.

• Contexto longo — O Kolibri afirma uma janela nativa de 262,144 tokens, com qualidade e eficiência de serving validadas até 1,048,576; o Beam informa 1M no card e 131,072 tokens de saída máxima na API.

• Nenhuma reprodução independente de benchmark — nenhuma das tabelas dos fornecedores foi verificada por terceiros. A Artificial Analysis não tem nenhuma página de modelo para o Kolibri, enquanto lista o Beam 1.0 com um Intelligence Index de 30, 19º de 120 na versão v4.3.2 do índice.

Essa última linha é a primeira assimetria real, e é fácil não percebê-la. A Beam tem um número externo; a Kolibri não tem nenhum. Uma nota 30 em um índice que abrange 120 modelos não é um número lisonjeiro, mas é um número que a Reflection não produziu, e, para um comprador decidindo se a tabela de um fornecedor é confiável, a existência de qualquer medição independente vale mais do que o valor dela.

O que cada fornecedor escolheu publicar

A documentação de lançamento da Aleph Alpha é o artefato mais incomum. Junto com os pesos, ela publicou 20 trilhões de tokens de pré-treinamento extraídos de um corpus bilíngue filtrado — aproximadamente 62,5 por cento em inglês, 23,9 por cento em alemão, 13,6 por cento em código — além de 3,44 trilhões de tokens de treinamento intermediário e 201 bilhões para extensão de contexto longo. A computação é declarada como 768 NVIDIA B200s em 96 nós HGX, 21 dias de pré-treinamento por 511 horas e 392.000 horas de GPU a um relatado 6,4×10²³ FLOPs, com o treinamento intermediário adicionando cinco dias e 90.000 horas de GPU e a extensão de contexto longo adicionando 13 horas e 10.000 horas de GPU. A energia é estimada em 9,5×10² MWh incluindo a sobrecarga do data center, cobrindo pré-treinamento, treinamento intermediário e treinamento de contexto longo, e exclui ajuste fino supervisionado e aprendizado por reforço.

Duas coisas decorrem da publicação disso. Primeiro, uma organização com uma regra de aquisição que começa com "de onde vieram os dados de treino e ao abrigo de que lei" tem uma resposta em vez de uma conversa. Segundo, e menos confortavelmente, a mesma documentação mostra o modelo a perder para o Qwen3.8 27B no próprio harness da Aleph Alpha — 75,5 contra 80,2 na média em inglês e 70,8 contra 79,9 na média em alemão, com o Qwen à frente em GPQA Diamond, LiveCodeBench v6, SWE-Bench Verified e em ambos os benchmarks de contexto longo. O Gemma 4 26B-A4B IT situa-se em 71,9 e 66,3 nas duas médias. O argumento da Kolibri não é que seja o modelo mais forte do seu tamanho; é que é o modelo mais forte do seu tamanho cujo treino se pode auditar. Essa documentação é a razão pela qual o lançamento é lido como investigação e não como marketing: a Aleph Alpha descreve como o modelo foi feito porque quer que o pipeline, e não o modelo, seja o produto, e um laboratório que vende um pipeline de treino publica os números que mostram que o pipeline funcionou.

A Reflection publicou um tipo diferente de coisa. O lançamento do Beam 1.0 inclui configurações de serving de referência, um Helm chart, suporte day-zero em Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed e N​VIDIA Dynamo, e a beam-verifier CLI, que executa uma suíte de conformidade contra um endpoint ativo e depois o avalia nos principais benchmarks, para que uma implantação possa ser verificada em relação às pontuações de referência da Reflection. O que ele não inclui é uma tabela de preços: a documentação traz uma página completa sobre limites de taxa e nenhum preço por milhão de tokens, e o anúncio diz apenas que a API é gratuita para começar.

Quanto custa executar cada um

Nenhum dos dois é oferecido no nosso catálogo, e não vamos dar a entender o contrário. Ambos são compras para auto-hospedagem, e os requisitos mínimos de hardware são o preço real.

• Beam 1.0 — o build NVFP4 tem 273 GiB e a configuração de referência é composta por quatro GPUs NVIDIA B300 SXM em NVLink, em uma única máquina. O FP8 tem 468,72 GiB e roda em oito H200s; o BF16 tem 933,81 GiB e roda em oito B200s ou B300s. Um drafter DFlash2 de 1,93B é fornecido em conjunto para decodificação especulativa, proporcionando um ganho de velocidade de decodificação de 1,7× a 3,0× no checkpoint NVFP4. As receitas de serving mantêm o cache KV em FP8 E4M3 com uma página de 64 tokens.

• Kolibri — o checkpoint FP8 é a precisão de serving documentada, com pesos em blocos 128×128 e ativações quantizadas dinamicamente, avaliado com um cache KV FP8, enquanto embeddings, a cabeça LM, as normalizações e o roteador MoE permanecem em bfloat16. Um parser de chamadas de ferramentas do vLLM é distribuído no mesmo repositório que os pesos, e o repositório é sem restrições de acesso — um download Apache 2.0, e não um pedido.

A comparação que um comprador deveria realmente fazer não é entre linhas de benchmark. É entre um endpoint auto-hospedado de duas GPUs, que responde em alemão e inglês e cujo treino é possível documentar, e um endpoint de quatro GPUs, mais forte em programação e trabalho agêntico e cuja documentação de treino, pelo que conseguimos apurar, não abrange horas de GPU nem energia.

Se sua carga de trabalho consiste em documentos regulamentados que não podem sair do edifício, o primeiro é o único que encerra o argumento. Se sua carga de trabalho é um agente de engenharia, o segundo é o único com um verificador.

Se você quiser a capacidade sem o rack

Ambos os modelos descrevem uma classe — MoE de pequenos parâmetros ativos com uma licença permissiva — que já é servida em rotas que pode chamar hoje, e calcular o preço da alternativa é a forma mais rápida de decidir se vale a pena ter o hardware.

• Gemma 4 26B-A4B IT — $0.06 por milhão de tokens de entrada e $0.33 por milhão de saída, com uma janela de 262.144 tokens. A coisa mais próxima, num endpoint roteado, do nível Kolibri, e o modelo que de fato supera o Kolibri nas próprias médias de inglês e alemão da Aleph Alpha.

• Qwen3.8-27B — $0,33 de entrada e $2,40 de saída, contexto de 262.144 tokens e pesos abertos licenciados sob Apache, caso você prefira executá-los em vez de alugá-los.

• GLM-5.2 — $1,40 e $4,40 com uma janela de 1.000.000 de tokens, para o trabalho de contexto longo e de programação a que o Beam 1.0 se destina.

• Kimi K3 — US$ 3,00 de entrada, US$ 0,30 em cache, US$ 15,00 de saída com 1.048.576 tokens, o modelo que o próprio post de lançamento da Reflection admite estar à frente em capacidade bruta.

O OrcaRouter encaminha esse conjunto atrás de uma única chave compatível com OpenAI, com o preço de tabela do fornecedor repassado e nada acrescentado, de modo que um corte de preço do fornecedor chega à sua fatura no mesmo dia, em vez de na próxima renovação de contrato, e o failover automático cobre o caso em que um fornecedor se degrada sob carga. Um padrão útil para quem está avaliando uma implantação soberana é direcionar o tráfego regulado para um endpoint Kolibri auto-hospedado e o trabalho geral para uma camada roteada, com uma regra de roteamento decidindo qual é qual — uma chave, uma configuração e uma decisão de hardware que só precisa ser justificada para os documentos que a exigem.

Qual versão você estava realmente procurando?

Se você procurou por pesos abertos porque precisa responder a uma pergunta sobre proveniência, jurisdição ou auditabilidade, o Kolibri é o lançamento com a resposta. Ele não é o modelo mais forte em seu tamanho — as próprias tabelas da Aleph Alpha dizem isso — e abrange dois idiomas, e sua configuração de serviço recomendada é duas H100 SXM5 ou duas H200 — ou uma única B200 ou B300, que a tabela de hardware lista ao lado delas. O trade-off é explícito e, para uma implantação regulamentada, provavelmente correto.

Se você procurou pesos abertos porque quer um agente de engenharia que você mesmo possa executar, o Beam 1.0 é o lançamento com a capacidade, a pilha de serving e as ferramentas de verificação, e ele exige quatro B300s e uma lista de preços que ainda não foi escrita. A troca aí é capital e ambiguidade por um modelo que faz trabalho de codificação adjacente à fronteira no seu próprio hardware.

O que o pareamento mostra é que “open weight” deixou de ser um diferencial há algum tempo. Dois lançamentos Apache 2.0 de dois laboratórios em duas semanas podem compartilhar uma licença, uma filosofia de esparsidade e uma janela de contexto, e ainda assim serem respostas a perguntas completamente diferentes. Classificar por licença não leva a lugar nenhum; classificar pela pergunta que o lançamento foi criado para responder leva você à pasta certa.

Nada disso é hipotético: as falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos no Arquivo de Incidentes de IA da OrcaRouter, onde cada entrada traz as suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.