Beam 1.0 เทียบกับ Kolibri: รีลีส Apache 2.0 สองตัวไม่ใช่รีลีสเดียวกัน

Beam 1.0 และ Kolibri เป็นสองโมเดลโอเพนเวทที่เปรียบเทียบกันได้มากที่สุดที่เปิดตัวในเดือนที่ผ่านมา และการเปรียบเทียบทั้งสองมีประโยชน์มากกว่าการนำตัวใดตัวหนึ่งไปเทียบกับโมเดล API ระดับแนวหน้า เพราะทั้งคู่สามารถดาวน์โหลดได้จริง Kolibri ของ Aleph Alpha เปิดตัวเมื่อวันที่ 3 ตุลาคม 2026 — พารามิเตอร์รวม 78,103,074,560 ตัว, ใช้งานต่อโทเคน 3,457,573,120 ตัว, หน้าต่างบริบทที่ผ่านการตรวจสอบ 1,048,576 โทเคน, ภาษาเยอรมันและภาษาอังกฤษ, Apache 2.0 Beam 1.0 ของ Reflection เปิดตัวเมื่อวันที่ 16 ตุลาคม 2026 ด้วยพารามิเตอร์รวม 501.3 พันล้านตัว, ใช้งาน 23.4 พันล้านตัว, บริบท 1M โทเคน, ภาษาอังกฤษ และสัญญาอนุญาตเดียวกัน สัญญาอนุญาตเดียวกัน ปรัชญาความเบาบางคล้ายกัน และแทบไม่มีอย่างอื่นที่เหมือนกัน — ซึ่งนั่นคือเหตุผลว่าทำไมการจับคู่กันนี้จึงบอกอะไรได้มากกว่าการเปรียบเทียบขนาดต่อขนาด ตัวหนึ่งสร้างโดยแล็บที่มีข้อโต้แย้งด้านเขตอำนาจศาลที่ต้องนำเสนอ ส่วนอีกตัวสร้างโดยแล็บที่มีข้อโต้แย้งด้านขีดความสามารถที่ต้องนำเสนอ

ทั้งสองยังแตกต่างกันในจุดที่ตัดสินการนำไปใช้งานจริงส่วนใหญ่ก่อนจะได้อ่านแถวผลการวัดประสิทธิภาพแม้แต่แถวเดียว นั่นคือสิ่งที่ผู้ขายเผยแพร่ไว้ควบคู่กับเวตของโมเดล Aleph Alpha เผยแพร่รายละเอียดที่ครบถ้วนอย่างผิดปกติเกี่ยวกับวิธีที่โมเดลถูกฝึก — ที่มาของข้อมูล พลังงาน รุ่นก่อนที่ล้มเหลว จำนวนชั่วโมง GPU ที่แน่นอน Reflection เผยแพร่ตัวตรวจสอบที่คุณชี้ไปยัง endpoint ของคุณเองได้ สิ่งเหล่านี้เป็นความไว้วางใจคนละแบบ และคำถามแรกที่ต้องตอบคือแบบใดที่กระบวนการจัดซื้อจัดจ้างของคุณยอมรับ

ใบอนุญาตเดียวกัน แต่ผลิตภัณฑ์ต่างกัน

เริ่มจากสิ่งที่เหมือนกันอย่างแท้จริงก่อน เพราะมันมีน้อยกว่าที่ดูเหมือน

• สัญญาอนุญาต — ทั้งคู่ใช้ Apache 2.0 โดยทั้งคู่มีสัญญาอนุญาตอยู่ในที่เก็บโค้ด (repository) มากกว่าในประโยคบนบล็อก การ์ดของ Beam ระบุเพิ่มเติมว่า การกลั่น (distillation) การปรับแต่งละเอียด (fine-tuning) การควอนไทซ์ (quantisation) และการรวมโมเดล (merging) ไม่ถูกจำกัด Kolibri ไม่มีเงื่อนไขแนบท้ายเกี่ยวกับการใช้งานที่ยอมรับได้ ไม่มีเกณฑ์ขั้นต่ำผู้ใช้งานรายเดือน และไม่มีข้อกำหนดเชิงพาณิชย์แยกต่างหาก

• กลยุทธ์ความเบาบาง — ทั้งคู่เป็นโมเดลผสมผู้เชี่ยวชาญ (mixture of experts) ที่มีอัตราการเปิดใช้งานสูงมาก Kolibri ปลุก 3.46B จาก 78.1B หรือประมาณ 4.4 เปอร์เซ็นต์; Beam ปลุก 23.4B จาก 501.3B หรือประมาณ 4.7 เปอร์เซ็นต์ ไม่มีแล็บใดขายโมเดลแบบ dense ให้คุณ

• บริบทยาว — Kolibri ระบุหน้าต่างเนทีฟขนาด 262,144 โทเคน โดยคุณภาพและประสิทธิภาพในการให้บริการได้รับการตรวจสอบยืนยันถึง 1,048,576; Beam ระบุ 1M บนการ์ด และ 131,072 โทเคนเป็นเอาต์พุตสูงสุดบน API

• ไม่มีการทำซ้ำการทดสอบมาตรฐานอย่างอิสระ — ตารางของผู้จำหน่ายทั้งสองรายยังไม่ถูกตรวจสอบโดยบุคคลที่สามเลย Artificial Analysis ไม่มีหน้าโมเดลสำหรับ Kolibri เลย ขณะที่ระบบดังกล่าวจัดอันดับ Beam 1.0 ไว้ที่ Intelligence Index 30 เป็นอันดับที่ 19 จาก 120 ในเวอร์ชันดัชนี v4.3.2

บรรทัดสุดท้ายนั้นเป็นความไม่สมมาตรที่แท้จริงอันแรก และเป็นเรื่องที่มองข้ามได้ง่าย Beam มีตัวเลขจากภายนอกหนึ่งตัว ส่วน Kolibri ไม่มีเลย การได้ 30 คะแนนบนดัชนีที่ครอบคลุม 120 โมเดลไม่ใช่ตัวเลขที่สวยหรูนัก แต่มันเป็นตัวเลขที่ Reflection ไม่ได้สร้างขึ้นเอง และสำหรับผู้ซื้อที่กำลังตัดสินใจว่าตารางของผู้ขายเชื่อถือได้หรือไม่ การมีการวัดอิสระใด ๆ อยู่ มีค่ามากกว่ามูลค่าของตัวเลขนั้นเอง

สิ่งที่ผู้ขายแต่ละรายเลือกที่จะเผยแพร่

เอกสารการเปิดตัวของ Aleph Alpha เป็นอาร์ติแฟกต์ที่แปลกกว่าปกติ นอกเหนือจากน้ำหนักของโมเดลแล้ว ยังเผยแพร่โทเค็นสำหรับการฝึกก่อน (pre-training) จำนวน 20 ล้านล้านโทเค็น ซึ่งดึงมาจากคลังข้อความสองภาษาที่ผ่านการกรอง — โดยประมาณร้อยละ 62.5 เป็นภาษาอังกฤษ ร้อยละ 23.9 เป็นภาษาเยอรมัน และร้อยละ 13.6 เป็นโค้ด — พร้อมกับโทเค็นสำหรับการฝึกช่วงกลาง (mid-training) อีก 3.44 ล้านล้านโทเค็น และ 201 พันล้านโทเค็นสำหรับการขยายบริบทแบบยาว (long-context extension) การประมวลผลระบุว่าใช้ NVIDIA B200 จำนวน 768 ตัว กระจายอยู่บน 96 โหนด HGX โดยการฝึกก่อนใช้เวลา 21 วัน คิดเป็น 511 ชั่วโมง และ 392,000 GPU-ชั่วโมง ที่รายงานว่าใช้ 6.4×10²³ FLOPs ส่วนการฝึกช่วงกลางเพิ่มอีกห้าวันและ 90,000 GPU-ชั่วโมง และการขยายบริบทแบบยาวเพิ่มอีก 13 ชั่วโมงและ 10,000 GPU-ชั่วโมง พลังงานประมาณไว้ที่ 9.5×10² MWh รวมค่าใช้จ่ายส่วนเพิ่มของศูนย์ข้อมูล ครอบคลุมการฝึกก่อน การฝึกช่วงกลาง และการฝึกบริบทแบบยาว และไม่รวมการปรับละเอียดแบบมีผู้สอน (supervised fine-tuning) และการเรียนรู้แบบเสริมกำลัง (reinforcement learning)

สองสิ่งตามมาจากการเผยแพร่ข้อมูลนั้น ประการแรก องค์กรที่มีกฎการจัดซื้อจัดจ้างซึ่งขึ้นต้นด้วยคำถามว่า "ข้อมูลการฝึกมาจากไหนและอยู่ภายใต้กฎหมายใด" ย่อมมีคำตอบแทนที่จะต้องมาถกกันเป็นบทสนทนา ประการที่สอง และเป็นเรื่องที่ชวนสบายใจน้อยกว่า เอกสารชุดเดียวกันแสดงให้เห็นว่าโมเดลแพ้ Qwen3.8 27B บนฮาร์เนสของ Aleph Alpha เอง — 75.5 เทียบกับ 80.2 ในค่าเฉลี่ยภาษาอังกฤษ และ 70.8 เทียบกับ 79.9 ในค่าเฉลี่ยภาษาเยอรมัน โดย Q​wen นำใน GPQA Diamond, LiveCodeBench v6, SWE-Bench Verified และเบนช์มาร์กบริบทแบบยาวทั้งสองรายการ Gemma 4 26B-A4B IT อยู่ที่ 71.9 และ 66.3 ในสองค่าเฉลี่ยดังกล่าว ประเด็นของ Kolibri ไม่ใช่ว่ามันเป็นโมเดลที่แข็งแกร่งที่สุดในขนาดของมัน หากคือมันเป็นโมเดลที่แข็งแกร่งที่สุดในขนาดของมันที่คุณตรวจสอบการฝึกได้ เอกสารนั้นคือเหตุผลที่การเปิดตัวครั้งนี้อ่านเป็นงานวิจัยมากกว่าการตลาด: Aleph Alpha กำลังอธิบายว่าโมเดลถูกสร้างขึ้นมาอย่างไร เพราะบริษัทต้องการให้ไปป์ไลน์ ไม่ใช่ตัวโมเดล เป็นผลิตภัณฑ์ และห้องแล็บที่ขายไปป์ไลน์การฝึกย่อมเผยแพร่ตัวเลขที่แสดงว่าไปป์ไลน์ได้ผล

Reflection เผยแพร่สิ่งที่แตกต่างออกไป การเปิดตัวของ Beam 1.0 ประกอบด้วยคอนฟิกูเรชันการให้บริการอ้างอิง, Helm chart, การรองรับแบบ day-zero ใน Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed และ NVIDIA Dynamo และ beam-verifier CLI ซึ่งรันชุดทดสอบความสอดคล้องกับเอนด์พอยต์ที่ทำงานอยู่จริง แล้วประเมินผลบนเบนช์มาร์กหลัก เพื่อให้สามารถตรวจสอบการดีพลอยเทียบกับคะแนนอ้างอิงของ Reflection ได้ สิ่งที่มันไม่มีก็คือตารางราคา: เอกสารมีหน้าทั้งหน้าเกี่ยวกับขีดจำกัดอัตรา แต่ไม่มีราคาต่อล้านโทเคน และประกาศระบุเพียงว่า API เริ่มต้นใช้ฟรี

ค่าใช้จ่ายในการรันแต่ละรายการ

ทั้งสองรายการไม่มีให้บริการในแคตตาล็อกของเรา และเราจะไม่ทำให้เข้าใจเป็นอย่างอื่น ทั้งคู่เป็นการซื้อแบบโฮสต์เอง และต้นทุนฮาร์ดแวร์ขั้นต่ำต่างหากคือราคาจริง

• Beam 1.0 — บิลด์ NVFP4 มีขนาด 273 GiB และการกำหนดค่าอ้างอิงคือ GPU NVIDIA B300 SXM จำนวนสี่ตัวบน NVLink ในเครื่องเดียว FP8 มีขนาด 468.72 GiB และรันบน H200 จำนวนแปดตัว; BF16 มีขนาด 933.81 GiB และลงตัวบน B200 หรือ B300 จำนวนแปดตัว ดราฟเตอร์ DFlash2 ขนาด 1.93B มาพร้อมกันสำหรับการถอดรหัสแบบสเปกูเลทีฟ ซึ่งให้ความเร็วในการถอดรหัสเพิ่มขึ้น 1.7× ถึง 3.0× บนเช็กพอยต์ NVFP4 สูตรการให้บริการเก็บ KV cache ไว้ใน FP8 E4M3 ด้วยเพจขนาด 64 โทเคน

• Kolibri — เช็กพอยต์ FP8 เป็นความแม่นยำในการให้บริการที่ระบุไว้ในเอกสาร โดยมีน้ำหนักแบบบล็อก 128×128 และแอ็กติเวชันที่ควอนไทซ์แบบไดนามิก ประเมินด้วยแคช KV แบบ FP8 ขณะที่ embeddings, LM head, norms และเราเตอร์ MoE ยังคงอยู่ใน bfloat16 ตัวแยกวิเคราะห์การเรียกใช้เครื่องมือของ vLLM มาพร้อมในรีโพซิทอรีเดียวกับน้ำหนัก และรีโพซิทอรีไม่มีการกั้นการเข้าถึง — เป็นการดาวน์โหลดแบบ Apache 2.0 มากกว่าการต้องส่งคำขอ

การเปรียบเทียบที่ผู้ซื้อควรลงมือทำจริงไม่ใช่แถวของ benchmark หากแต่คือ endpoint แบบ self-hosted ที่ใช้ GPU สองตัวซึ่งตอบเป็นภาษาเยอรมันและอังกฤษ และคุณสามารถจัดทำเอกสารการฝึกได้ เทียบกับ endpoint ที่ใช้ GPU สี่ตัวซึ่งแข็งแกร่งกว่าในด้านการเขียนโค้ดและงานแบบ agentic และเอกสารการฝึกของมัน เท่าที่เราหาได้ ไม่ครอบคลุมถึง GPU-hours หรือพลังงาน

หากภาระงานของคุณคือเอกสารที่อยู่ภายใต้กฎระเบียบซึ่งไม่สามารถนำออกนอกอาคารได้ ตัวเลือกแรกเท่านั้นที่ทำให้ข้อโต้แย้งยุติลงได้ หากภาระงานของคุณคือเอเจนต์ด้านวิศวกรรม ตัวเลือกที่สองเท่านั้นที่มีตัวตรวจสอบยืนยัน

ถ้าคุณต้องการความสามารถนั้นโดยไม่ต้องมีแร็ค

โมเดลทั้งสองอธิบายถึงคลาสหนึ่ง — MoE แบบที่มีพารามิเตอร์ทำงานจริงจำนวนน้อย พร้อมสัญญาอนุญาตแบบผ่อนปรน — ซึ่งให้บริการอยู่แล้วบนเส้นทางที่คุณเรียกใช้ได้ในวันนี้ และการเทียบราคาทางเลือกคือวิธีที่เร็วที่สุดในการตัดสินใจว่าการเป็นเจ้าของฮาร์ดแวร์นั้นคุ้มค่าหรือไม่

• Gemma 4 26B-A4B IT — $0.06 ต่ออินพุต 1 ล้านโทเคน และ $0.33 ต่อเอาต์พุต 1 ล้านโทเคน พร้อมหน้าต่าง 262,144 โทเคนสิ่งที่ใกล้เคียงที่สุดกับระดับ Kolibri บนเอนด์พอยต์แบบ routed และเป็นโมเดลที่เอาชนะ Kolibri ได้จริงในค่าเฉลี่ยภาษาอังกฤษและเยอรมันของ Aleph Alpha เอง

• Qwen3.8-27B — อินพุต $0.33 และเอาต์พุต $2.40, บริบท 262,144 โทเคน และเวทแบบเปิดที่ได้รับอนุญาตภายใต้ Apache หากคุณอยากรันเองมากกว่าเช่าใช้

• GLM-5.2 — $1.40 และ $4.40 พร้อมหน้าต่างบริบท 1,000,000 โทเคน สำหรับงานด้านบริบทความยาวและการเขียนโค้ดซึ่งเป็นสิ่งที่ Beam 1.0 มุ่งเน้น.

• Kimi K3 — $3.00 อินพุต, $0.30 แคช, $15.00 เอาต์พุต ที่ 1,048,576 โทเค็น, โมเดลที่โพสต์เปิดตัวของ Reflection เองยอมรับว่าล้ำหน้าด้านความสามารถดิบ

OrcaRouter รวมเส้นทางเหล่านั้นไว้หลังคีย์เดียวที่เข้ากันได้กับ OpenAI โดยส่งต่อราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่มใด ๆดังนั้นการลดราคาของผู้ขายจึงสะท้อนมาถึงบิลของคุณภายในวันเดียวกัน แทนที่จะต้องรอต่อสัญญารอบถัดไป และการสลับไปใช้ระบบสำรองอัตโนมัติก็ครอบคลุมกรณีที่ผู้ให้บริการรายใดรายหนึ่งมีประสิทธิภาพลดลงภายใต้โหลด รูปแบบที่มีประโยชน์สำหรับใครก็ตามที่กำลังพิจารณาการติดตั้งใช้งานแบบอธิปไตย คือการรันทราฟฟิกที่มีการกำกับดูแลกับปลายทาง Kolibri ที่โฮสต์เอง และรันงานทั่วไปกับระดับที่ผ่านการจัดเส้นทาง โดยมีกฎการจัดเส้นทางเป็นตัวตัดสินว่าส่วนใดเป็นส่วนใด — คีย์เดียว คอนฟิกเดียว และการตัดสินใจเรื่องฮาร์ดแวร์ที่ต้องมีเหตุผลรองรับเฉพาะเอกสารที่จำเป็นเท่านั้น

คุณกำลังมองหาการเปิดตัวไหนจริงๆ

หากคุณค้นหา open weights เพราะคุณต้องตอบคำถามเกี่ยวกับที่มา เขตอำนาจศาล หรือความสามารถในการตรวจสอบย้อนหลัง Kolibri คือรีลีสที่มีคำตอบให้ มันไม่ใช่โมเดลที่แข็งแกร่งที่สุดในขนาดของมัน — ตารางของ Aleph Alpha เองก็ระบุเช่นนั้น — และมันครอบคลุมเพียงสองภาษา และการกำหนดค่าการให้บริการที่แนะนำคือ H100 SXM5 สองตัว หรือ H200 สองตัว — หรือ B200 หรือ B300 หนึ่งตัว ซึ่งตารางฮาร์ดแวร์ระบุไว้เคียงข้างกัน การแลกเปลี่ยนนี้ชัดเจน และสำหรับการติดตั้งใช้งานในสภาพแวดล้อมที่มีการกำกับดูแล อาจถือว่าถูกต้อง

หากคุณค้นหา open weights เพราะคุณต้องการ engineering agent ที่รันได้เอง Beam 1.0 คือรีลีสที่มีความสามารถ ทั้ง serving stack และเครื่องมือตรวจสอบ และมันต้องใช้ B300s สี่ตัวกับรายการราคาที่ยังไม่ได้เขียนขึ้น ข้อแลกเปลี่ยนตรงนั้นคือทุนและความคลุมเครือ เพื่อให้ได้โมเดลที่ทำงานเขียนโค้ดใกล้เคียง frontier บนฮาร์ดแวร์ของคุณเอง

สิ่งที่การจับคู่นี้แสดงให้เห็นก็คือ “open weight” หยุดเป็นตัวสร้างความแตกต่างมาระยะหนึ่งแล้ว การเปิดตัวสองครั้งภายใต้ Apache 2.0 จากสองแล็บภายในสองสัปดาห์อาจมีสัญญาอนุญาต ปรัชญาความเบาบาง และหน้าต่างบริบทเดียวกันได้ แต่มันก็ยังเป็นคำตอบสำหรับคำถามที่ต่างกันโดยสิ้นเชิง การจัดเรียงตามสัญญาอนุญาตไม่พาคุณไปไหน ส่วนการจัดเรียงตามคำถามที่การเปิดตัวนั้นถูกสร้างขึ้นมาเพื่อตอบจะพาคุณไปยังโฟลเดอร์ที่ถูกต้อง

ไม่มีสิ่งใดในนั้นที่เป็นเพียงข้อสันนิษฐาน: ความล้มเหลวของ AI และเหตุการณ์ที่เกี่ยวข้องกับเอเจนต์ซึ่งได้รับการบันทึกไว้ ที่อยู่เบื้องหลังการเปิดตัวแบบนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และสถานะข้อโต้แย้งของตนเอง