Glimpse против Kolibri: два способа купить больше вычислений за токен

E​lorian G​limpse и K​olibri — это два ответа на один и тот же экономический вопрос — как получить больше возможностей на единицу вычислений — и они находятся на противоположных его концах. G​limpse, выпущенный E​lorian 16 октября 2026 года, покупает свои возможности во время инференса: он выполняет первый проход по клипу примерно при 8 кадрах в секунду, затем тратит дополнительные вычисления на повторное сканирование выбранных девяти десятых секунды при примерно 14 кадрах в секунду, прежде чем ответить. K​olibri, выпущенный A​leph Alpha 3 октября 2026 года, покупает свои возможности на этапе архитектуры: 78,1 млрд общих параметров, из которых только около 3,46 млрд активны на токен, поэтому почти каждый параметр в модели — это тот, за вычисление которого вы никогда не платите.

Эти две модели не взаимозаменяемы, и причина не в качестве. Одна — это хостируемое превью: без весов, без опубликованного количества параметров и без опубликованного контекстного окна. Другая — скачиваемый вариант под Apache 2.0, в карточке модели которого указаны число экспертов, расписание внимания, числовые форматы, языковой охват его токенизатора и точный счёт за электроэнергию, потраченную на его обучение. Их сравнение — на самом деле сравнение двух стратегий, и интересный вопрос в том, какая стратегия выдержит столкновение с вашей рабочей нагрузкой.

Соотношение 22 к 1 против соотношения, которое никто не опубликовал

K​olibri — это разреженная модель смеси экспертов, и разреженность экстремальна даже по современным меркам. Пятьдесят слоёв, каждый из них — смесь экспертов, 384 эксперта на слой, из которых один общий, а шесть маршрутизируемых. Это даёт соотношение общего числа параметров к активным примерно 22,6 к 1 — модель, которая содержит 78 миллиардов параметров, но задействует около 3,5 миллиарда из них на любом данном токене. A​leph Alpha чередует это в соотношении 4 к 1 с блоками группового внимания с запросами, что и позволяет удерживать доступность нативного контекста в 262 144 токена: путь на миллион токенов проверен, а KV-кэш хранится в FP8, чтобы дальний конец этого окна помещался в память, а не в электронную таблицу.

Выбор числовых форматов раскрывается в необычно большой степени. Веса — FP8 блоками 128 на 128. KV-кэш — FP8. Эмбеддинги, голова языковой модели, слои нормализации и роутер остаются в bfloat16 — те части, где повреждение от квантизации проявилось бы в решениях маршрутизации, а не в потерях. Доступны четыре уровня усилий. Вызов инструментов следует формату Hermes с парсером vLLM, что означает, что он встраивается в существующий стек агентов, а не требует специализированной интеграции.

G{{1}}limpse не публикует ничего из этого. Ни количества параметров. Ни структуры экспертов, ни контекстного окна, ни схемы квантования, ни названия базовой модели — только фразу «дообучена на базовой модели с открытыми весами», которая не говорит, на какой именно. Вместо этого она публикует трейс: первый проход примерно на 8 кадрах в секунду, предварительное прочтение, возврат к 0,9 секунды клипа примерно на 14 кадрах в секунду, а во втором примере — отслеживание края окна примерно с 2,2 секунды клипа, пока оно почти не останавливается на 5,13 секунды.{{/1}}

Оба они — раскрытия информации о вычислениях. У K​olibri это утверждение о том, куда уходят вычисления при загрузке модели. У G​limpse — о том, куда уходят вычисления, пока модель думает. Только одно из них сопровождается числом.

Опубликованные листы, бок о бок

• Размер — K​olibri: 78 103 074 560 всего параметров, 3 457 573 120 активных. G​limpse: не опубликовано, причём единственное утверждение о размере, которое делает E​lorian, — это «существенно меньше и дешевле, чем передовые системы, с которыми он сравнивается в бенчмарках».

• Доступ — Веса K​olibri под Apache 2.0, доступны для скачивания и самостоятельного хостинга. Для G​limpse — нет: только API и чат с бесплатной регистрацией.

• Контекст — 262 144 токена нативно для K​olibri, при этом 1 048 576 подтверждено. Для G​limpse не опубликовано, что является более досадным пробелом, поскольку его ключевая возможность — чтение видео.

• Языки — немецкий и английский для K​olibri, что A​leph Alpha подаёт как проектное решение, а не как ограничение. G​limpse вообще не публикует данных о языковом покрытии.

• Цена — 0,60 $ за миллион входных токенов и 3,00 $ за миллион выходных для G​limpse — а механизм таков, что повторное сканирование проявляется именно на выходных токенах, поэтому трассировка и есть квитанция. У K​olibri нет тарифной сетки, потому что затраты — это оборудование.

• Независимая оценка — фактически отсутствует у обоих. Ни у одного из них нет стороннего стенда, воспроизводящего его показатели, а оба набора опубликованных цифр принадлежат самому поставщику.

Полностью опубликованный компанией A​leph Alpha запуск обучения

Именно здесь K​olibri отличается от почти каждого релиза этого года, и это стоит разобрать, потому что это говорит о том, во что обошлось создание разрежённости.

Корпус предварительного обучения составлял 20 триллионов токенов: примерно 62,5 % английского текста, 23,9 % немецкого и 13,6 % кода. Этап промежуточного обучения добавил ещё 3,44 триллиона, а этап длинного контекста — 201 миллиард. Запуск использовал 768 ускорителей NVIDIA B200 на 96 узлах HGX, занял 21 день и 511 часов реального времени и потребил около 392 000 GPU-часов — 6,4×10²³ операций с плавающей запятой при энергетическом бюджете примерно 9,5×10² мегаватт-часов.

Эти цифры — честная цена модели с 3,46 млрд активных параметров, которая ведёт себя как нечто гораздо более крупное. Их также не сможет повторить никто за пределами хорошо финансируемой лаборатории, и именно в этом заключается аргумент в пользу открытых весов: стоимость обучения один раз оплачивает компания, публикующая карточку, а все, кто идёт следом, получают артефакт по цене загрузки.

Предшественник показателен. K​olibri Origin — 30,6 млрд параметров при 3,27 млрд активных, контекст в 65 536 токенов и 7,51 трлн обучающих токенов, — и модель так и не выпустили. Опубликованная модель — не первая попытка, а вторая, и разрыв между ними примерно такой же, как между прототипом и продуктом.

Для Glimpse нет ничего сопоставимого. Elorian говорит лишь, что модель прошла пост-обучение силами небольшой команды с несколькими сотнями GPU. Не названа базовая модель, нет данных о количестве токенов, нет описания данных, нет раскрытия информации о вычислениях. Это оправданное различие между публикацией чекпоинта и выпуском эндпоинта — вы раскрываете то, что передаёте, — но это означает, что два релиза нельзя сравнивать по экономическим показателям помимо тарифной сетки, потому что только один из них опубликовал свои затраты.

Пустая ячейка с количеством параметров

Вот в чём подвох этого сравнения — и он играет в пользу G​limpse.

Легко прочитать, что у K​olibri 3,46 млрд активных параметров, и заключить, что G​limpse — хостируемая, дешёвая в расчёте на токен, нацеленная на узкую возможность — должна быть маленькой, или должна быть дешёвой в эксплуатации, или должна быть дообученной версией чего-то скромного. Ничего из этого не следует. Число параметров G​limpse никогда не публиковалось. Его контекстное окно никогда не публиковалось. Его базовая модель никогда не называлась. Единственное утверждение о размере в посте о запуске — сравнительное и без количественной оценки. Там, где поведение не раскрывает размер, а поведение этой модели — это расписание сэмплирования, а не архитектура, количество параметров может быть почти любым, и ничто из опубликованного не противоречило бы этому.

Итак, ячейка с количеством параметров остаётся пустой, а любая цифра, которую кто-либо приводит для размера Glimpse в этом месяце, — это оценка, выдаваемая за спецификацию. Кстати, верно и обратное: соотношение Kolibri 22,6 к 1 не говорит вам, во сколько обойдётся инференс на вашем оборудовании, потому что веса FP8 в блоках 128 на 128 требуют поддержки конкретных ускорителей, чтобы давать выигрыш, а не быть шагом конвертации.

В чём каждая стратегия терпит неудачу

Ограничение K​olibri — это языковое покрытие, и оно намеренно. Немецкий и английский, и ничего больше. Для европейского предприятия с немецкоязычным трафиком это преимущество — обучающая смесь смещена в сторону языка, который большинство открытых моделей воспринимают как незначительную погрешность. Для всех остальных это категорическое нет, и никакой размер контекстного окна этого не компенсирует.

Его второе ограничение — арифметика длинного контекста. Путь в миллион токенов валидирован, и это действительно много. Но валидированный путь — не то же самое, что путь без деградации; на таких длинах точность извлечения почти у любой модели падает задолго до конца окна, и ни одна опубликованная оценка не говорит, где изгибается кривая K​olibri. Относитесь к окну как к ёмкости, которую можно распределять, а не как к точности, которую можно принимать на веру.

Ограничение Glimpse имеет противоположную форму: узкая способность, вокруг которой нет ничего. Если вопрос в том, что произошло за долю секунды видеозаписи, Glimpse нацелен непосредственно на это. Если вопрос в том, что сцена подразумевает, а не в том, что она прямо сообщает, перемотка не помогает — в Humanity's Sixth Sense, бенчмарке, который Elorian опубликовал совместно с Scale AI за девять дней до выпуска модели, Glimpse набирает 46,36 против 53,6 у GPT-6 Astra, и собственный анализ ошибок этого бенчмарка относит 94% размеченных ошибок к восприятию и выводу, а не к рассуждению. Больше смотреть — не значит больше понимать, и собственная таблица вендора — тому доказательство.

Есть также класс задач, которые не решает ни один из них: тот, где ответ должен быть пороговым значением. G​limpse пишет прозу. K​olibri читает и пишет. Ни один из них не создан для того, чтобы возвращать калиброванное число для каждого варианта, и если именно это нужно пайплайну, то инструмент — это совершенно иная форма модели.

Где слой маршрутизации оправдывает себя — а где нет

Две модели располагаются по разные стороны от границы, которую маршрутизация может сдвинуть, и от той, которую не может.

Граница, которую он сдвигает, — это стоимость и отказоустойчивость смешивания каналов. Команда, которая запускает Kolibri на собственных ускорителях для немецкоязычного трафика, а для всего остального использует размещённую модель, имеет два пути в коде, два режима отказа и два набора учётных данных. OrcaRouter сводит это к одному ключу перед более чем 200 моделями, с DSL маршрутизации, который решает, какой запрос в какой канал идёт и автоматическим переключением при отказе, которое сохраняет запрос живым, когда собственный канал перегружен или недоступен. Списочные цены провайдеров передаются как есть, без каких-либо наценок за токен, поэтому размещённая половина этой смеси стоит столько, сколько берёт её поставщик, и следует цене этого поставщика в день её изменения.

Граница, которую он не сдвигает, — это опека, и здесь у K​olibri есть преимущество, которое не может создать ни один слой маршрутизации. Его веса можно скачать. Если корпус не может покинуть здание, контрольная точка Apache 2.0 — единственная из этих двух, которая работает там, где живут данные, и никакая оценка ни одной из моделей этого не меняет. И ни одна из моделей не входит в наш каталог — K​olibri — это загрузка, а G​limpse — это собственный API и чат-интерфейс E​lorian's, — так что это утверждение о том, как мы маршрутизируем, а не заявка на то, что мы их обслуживаем.

Как принимать решения без общего эталона

Нет таблицы лидеров, которая ранжирует эти две, и дело не в том, что одна из них новая. Таблица E​lorian измеряет восприятие видео и изображений по сравнению с GPT-6 Astra; карточка A​leph Alpha измеряет обычный академический набор плюс извлечение из длинного контекста. У них нет общих задач, поэтому единственное сравнение, которое имеет значение, — это сравнение с вашей собственной рабочей нагрузкой.

Три вопроса решают это быстрее любой таблицы.

Должны ли данные оставаться на оборудовании, которое вы контролируете? Если да, то K​olibri — единственный кандидат здесь, лицензия — Apache 2.0, а покрытие немецкого и английского либо подходит для вашего развёртывания, либо сразу исключает его.

Является ли режим отказа временным — идентичность объекта при перекрытии, панорамирование против склейки, событие внутри субсекундного окна? Если да, G​limpse — единственная из двух моделей, чей заявленный механизм его учитывает, бесплатная регистрация делает пробу дешёвой, а трассировка говорит больше, чем оценка: запустите свои собственные клипы и проверьте, возвращалась ли модель когда-либо к интервалу, который определил ответ.

Рабочая нагрузка связана с длинным контекстом, но не с длинным видео — это корпус документов, комплект поданных документов, аудиторский след? Если да, то релевантное число — это встроенное окно K​olibri на 262 144 токена с проверенным путём до миллиона токенов, и опубликованные оценки ни одной из моделей не позволяют установить, выдерживает ли она кривую деградации на таких длинах. Это нужно измерить на ваших данных, прежде чем любое из решений станет безопасным.

Задокументированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг оспаривания.