Glimpse vs Kolibri: Hai cách để mua nhiều năng lực tính toán hơn cho mỗi token

E​lorian G​limpse và K​olibri là hai câu trả lời cho cùng một câu hỏi kinh tế — làm sao để có nhiều năng lực hơn trên mỗi đơn vị tính toán — và chúng nằm ở hai thái cực đối lập của câu hỏi đó. G​limpse, được E​lorian phát hành ngày 16 tháng 10 năm 2026, mua năng lực của mình ở thời điểm suy luận: nó chạy một lượt đầu tiên qua một clip ở tốc độ khoảng 8 khung hình mỗi giây, rồi dành thêm phần tính toán để quét lại một đoạn chín phần mười giây được chọn ở tốc độ khoảng 14 khung hình mỗi giây trước khi đưa ra câu trả lời. K​olibri, được A​leph Alpha phát hành ngày 3 tháng 10 năm 2026, mua năng lực của mình ở thời điểm kiến trúc: tổng cộng 78,1 tỷ tham số, trong đó chỉ khoảng 3,46 tỷ là tham số hoạt động cho mỗi token, nên gần như mọi tham số trong mô hình đều là thứ bạn không bao giờ phải trả chi phí để tính toán.

Hai mô hình này không thể thay thế cho nhau, và lý do không phải là chất lượng. Một bên là bản xem trước được lưu trữ, không có trọng số, không công bố số lượng tham số và không công bố cửa sổ ngữ cảnh. Bên kia là bản tải xuống theo Apache 2.0, với model card ghi rõ số lượng chuyên gia, lịch trình attention, các định dạng số, độ phủ ngôn ngữ của tokenizer và cả hóa đơn tiền điện chính xác của lần chạy huấn luyện. So sánh chúng thực chất là so sánh hai chiến lược, và câu hỏi thú vị là chiến lược nào trụ được khi tiếp xúc với khối lượng công việc của bạn.

Tỷ lệ 22 trên 1 so với một tỷ lệ mà không ai công bố

Kolibri là một mô hình mixture-of-experts thưa, và độ thưa ở đây cực đoan ngay cả theo tiêu chuẩn hiện nay. Năm mươi lớp, mỗi lớp đều là một hỗn hợp chuyên gia, 384 chuyên gia mỗi lớp, trong đó một chuyên gia được chia sẻ và sáu được định tuyến. Điều đó dẫn đến tỷ lệ tổng trên hoạt động vào khoảng 22,6:1 — một mô hình mang 78 tỷ tham số nhưng chỉ đánh giá khoảng 3,5 tỷ tham số trong số đó trên mỗi token. Aleph Alpha xen kẽ điều đó theo mô hình 4:1 với các khối group-query attention, và chính điều này giúp ngữ cảnh gốc 262.144 token có chi phí hợp lý: một đường dẫn một triệu token đã được xác thực, và KV cache được giữ ở FP8 để phần cuối dài của cửa sổ đó vừa trong bộ nhớ thay vì nằm trên bảng tính.

Các lựa chọn định dạng số được tiết lộ ở mức độ khác thường. Trọng số là FP8 theo khối 128x128. Bộ nhớ đệm KV là FP8. Các embedding, đầu mô hình ngôn ngữ, các lớp chuẩn hóa và bộ định tuyến vẫn ở bfloat16 — những phần mà tổn hại do lượng tử hóa sẽ thể hiện trong các quyết định định tuyến thay vì trong mất mát. Bốn mức độ nỗ lực được đưa ra. Gọi công cụ tuân theo định dạng Hermes với bộ phân tích cú pháp vLLM, nghĩa là nó khớp vào một ngăn xếp agent hiện có thay vì đòi hỏi tích hợp riêng.

Glimpse không công bố bất kỳ điều nào trong số đó. Không có số lượng tham số. Không có cấu trúc chuyên gia đáng kể, không có cửa sổ ngữ cảnh, không có sơ đồ lượng tử hóa, không có mô hình nền tảng được nêu tên — chỉ có cụm "được huấn luyện hậu kỳ trên một mô hình nền tảng trọng số mở", mà không nói rõ là mô hình nào. Thay vào đó, nó công bố dấu vết: một lượt chạy đầu tiên ở khoảng 8 khung hình mỗi giây, một phép đọc tạm thời, quay lại 0,9 giây của clip ở khoảng 14 khung hình mỗi giây, và trong ví dụ thứ hai, một cạnh cửa sổ được theo dõi từ khoảng 2,2 giây trong clip cho đến khi nó gần như dừng lại ở 5,13 giây.

Cả hai đều là những công bố về năng lực tính toán. Của K​olibri là một tuyên bố về việc năng lực tính toán được dùng vào đâu khi mô hình được nạp. Của G​limpse là một tuyên bố về việc năng lực tính toán được dùng vào đâu trong khi mô hình suy nghĩ. Chỉ một trong hai đi kèm với một con số.

Các trang tính đã xuất bản, cạnh nhau

• Kích thước — K​olibri: tổng cộng 78,103,074,560 tham số, 3,457,573,120 tham số hoạt động. G​limpse: không công bố, với "nhỏ hơn và rẻ hơn đáng kể so với các hệ thống tiên tiến nhất mà nó lấy làm chuẩn so sánh" là tuyên bố duy nhất về kích thước mà E​lorian đưa ra.

• Truy cập — Trọng số Apache 2.0 dành cho K​olibri, có thể tải xuống và tự lưu trữ. Không có cho G​limpse, vốn chỉ hỗ trợ API và trò chuyện với đăng ký miễn phí.

• Ngữ cảnh — 262.144 token native dành cho K​olibri, với 1.048.576 token đã được xác thực. Không được công bố cho G​limpse, đây là khoảng trống khó xử hơn vì khả năng nổi bật nhất của nó là đọc video.

• Ngôn ngữ — tiếng Đức và tiếng Anh cho K​olibri, thứ mà A​leph Alpha giới thiệu như một quyết định thiết kế chứ không phải một hạn chế. G​limpse không công bố bất kỳ độ phủ ngôn ngữ nào cả.

• Giá — 0,60 đô la cho mỗi triệu token đầu vào và 3,00 đô la cho mỗi triệu token đầu ra đối với G​limpse — và cơ chế này có nghĩa là token đầu ra chính là nơi việc quét lại xuất hiện, nên dấu vết chính là biên lai. K​olibri không có bảng giá, vì chi phí nằm ở phần cứng.

• Đánh giá độc lập — thực tế là không có cho cả hai bên. Không bên nào có bộ công cụ kiểm thử của bên thứ ba để tái tạo các con số của mình, và cả hai bộ số liệu đã công bố đều là của chính nhà cung cấp.

Quá trình huấn luyện mà A​le Alpha công bố đầy đủ.

Đây là chỗ Kolibri khác biệt so với gần như mọi bản phát hành trong năm, và thật đáng để xem xét kỹ vì nó cho bạn biết độ thưa đã tốn bao nhiêu công sức để xây dựng.

Kho ngữ liệu tiền huấn luyện gồm 20 nghìn tỷ token, được chia đại khái thành 62,5% tiếng Anh, 23,9% tiếng Đức và 13,6% mã nguồn. Giai đoạn huấn luyện trung gian bổ sung thêm 3,44 nghìn tỷ token, và một giai đoạn ngữ cảnh dài đóng góp 201 tỷ token. Lần chạy này đã sử dụng 768 bộ tăng tốc NVIDIA B200 trên 96 nút HGX, mất 21 ngày và 511 giờ thời gian thực, đồng thời tiêu thụ khoảng 392.000 giờ GPU — 6,4×10²³ phép toán dấu phẩy động, với ngân sách năng lượng khoảng 9,5×10² megawatt-giờ.

Những con số đó là cái giá trung thực của một mô hình có 3,46 tỷ tham số hoạt động nhưng lại hành xử như thể lớn hơn nhiều. Chúng cũng không thể lặp lại đối với bất kỳ ai ngoài một phòng thí nghiệm được tài trợ dồi dào, và đó chính xác là lập luận cho trọng số mở: chi phí huấn luyện được công ty phát hành thẻ trả một lần, còn mọi người ở hạ nguồn nhận được sản phẩm với cái giá của một lần tải xuống.

Mô hình tiền nhiệm thật đáng để học hỏi. Kolibri Origin có 30,6 tỷ tham số với 3,27 tỷ tham số hoạt động, ngữ cảnh 65.536 token và 7,51 nghìn tỷ token huấn luyện — và nó chưa từng được phát hành. Mô hình được công bố không phải là nỗ lực đầu tiên; đó là nỗ lực thứ hai, và khoảng cách giữa chúng xấp xỉ khoảng cách giữa một nguyên mẫu và một sản phẩm.

Không có gì tương đương tồn tại cho G​limpse. E​lorian chỉ nói rằng mô hình đã được hậu huấn luyện bởi một nhóm nhỏ với vài trăm GPU. Không có mô hình nền nào được nêu tên, không có số lượng token, không có mô tả dữ liệu, không có công bố về compute. Đó là một khác biệt hợp lý giữa việc công bố một checkpoint và việc vận hành một endpoint — bạn công bố những gì mình bàn giao — nhưng điều đó có nghĩa là hai bản phát hành không thể so sánh về mặt kinh tế ngoài bảng giá, bởi vì chỉ một trong hai công bố chi phí của nó.

Ô đếm số tham số trống

Đây chính là cái bẫy trong sự so sánh này, và nó nghiêng về phía Glimpse.

Thật dễ để đọc 3,46 tỷ tham số hoạt động của K​olibri và kết luận rằng G​limpse — được host, rẻ trên mỗi token, hướng đến một năng lực hẹp — phải nhỏ, hoặc phải rẻ khi chạy, hoặc phải là bản tinh chỉnh của một thứ gì đó khiêm tốn. Không có điều nào trong số đó là hệ quả tất yếu. Số lượng tham số của G​limpse chưa bao giờ được công bố. Cửa sổ ngữ cảnh của nó chưa bao giờ được công bố. Mô hình cơ sở của nó chưa bao giờ được nêu tên. Tuyên bố duy nhất về kích thước trong bài đăng ra mắt là mang tính so sánh và không được định lượng. Khi hành vi không tiết lộ kích thước, và hành vi của mô hình này là một lịch lấy mẫu chứ không phải một kiến trúc, thì số lượng tham số có thể gần như là bất cứ con số nào và không có gì được công bố có thể mâu thuẫn với điều đó.

Vậy nên ô số lượng tham số vẫn để trống, và bất kỳ con số nào được ai đó trích dẫn cho kích cỡ của G​limpse trong tháng này đều là một ước lượng khoác áo đặc tả. Nhân tiện, điều tương tự cũng đúng ở chiều ngược lại: tỷ lệ 22,6:1 của K​olibri không cho bạn biết chi phí suy luận của nó trên phần cứng của bạn, vì trọng số FP8 trong các khối 128x128 cần sự hỗ trợ của bộ tăng tốc cụ thể để mang lại lợi thế thay vì chỉ là một bước chuyển đổi.

Mỗi chiến lược thất bại ở điểm nào

Hạn chế của Kolibri là phạm vi ngôn ngữ, và điều đó là có chủ đích. Tiếng Đức và tiếng Anh, không gì khác. Đối với một doanh nghiệp châu Âu có lưu lượng bằng tiếng Đức thì đó là một điểm cộng — hỗn hợp huấn luyện được đặt trọng số nghiêng về một ngôn ngữ mà hầu hết mô hình mở coi như một sai số làm tròn. Với bất kỳ ai khác, đó là một lời từ chối dứt khoát, và không lượng cửa sổ ngữ cảnh nào bù đắp được.

Hạn chế thứ hai của nó là phép toán ngữ cảnh dài. Một đường dẫn triệu token đã được kiểm chứng, và điều đó thực sự là lớn. Nhưng một đường dẫn được kiểm chứng không giống với một đường dẫn không bị suy giảm; ở những độ dài này, độ chính xác truy xuất của gần như mọi mô hình đều giảm sút từ rất lâu trước khi cửa sổ kết thúc, và không có đánh giá nào được công bố cho biết đường cong của K​olibri bẻ hướng ở đâu. Hãy coi cửa sổ như dung lượng bạn có thể phân bổ, chứ không phải độ chính xác bạn có thể mặc nhiên giả định.

Hạn chế của G​limpse mang hình dạng ngược lại: một năng lực hẹp, chẳng có gì xung quanh. Nếu câu hỏi là điều gì đã xảy ra trong một phần nhỏ của một giây cảnh quay, G​limpse nhắm thẳng vào đó. Nếu câu hỏi là một cảnh ngụ ý điều gì thay vì điều nó nói rõ, việc tua lại không giúp gì — trên Humanity's Sixth Sense, benchmark mà E​lorian công bố với Scale AI chín ngày trước khi mô hình phát hành, G​limpse đạt 46,36 so với 53,6 của GPT-6 Astra, và phân tích thất bại của chính benchmark này quy 94% lỗi được gán nhãn cho việc nhìn và suy diễn thay vì cho lập luận. Nhìn nhiều hơn không phải là hiểu nhiều hơn, và chính bảng của nhà cung cấp là bằng chứng.

Ngoài ra còn có một lớp vấn đề mà cả hai đều không giải quyết: đó là loại mà câu trả lời phải là một ngưỡng. G​limpse viết văn xuôi. K​olibri đọc và viết. Cả hai đều không được xây dựng để trả về một con số đã hiệu chỉnh cho mỗi phương án, và nếu đó là thứ mà pipeline cần, thì công cụ ấy là một dạng mô hình hoàn toàn khác.

Nơi một lớp định tuyến thực sự xứng đáng — và nơi thì không

Hai mô hình nằm ở hai phía của một ranh giới mà định tuyến có thể dịch chuyển và một ranh giới mà nó không thể.

Ranh giới mà nó dịch chuyển là chi phí và khả năng phục hồi của việc kết hợp các làn. Một nhóm vận hành K​olibri trên các bộ tăng tốc riêng cho lưu lượng tiếng Đức và một mô hình được lưu trữ cho mọi thứ còn lại thì có hai đường mã, hai chế độ lỗi và hai bộ thông tin xác thực. OrcaRouter thu gọn điều đó thành một khóa duy nhất đặt trước hơn 200 mô hình, với một DSL định tuyến quyết định yêu cầu nào đi đến làn nào và tự động chuyển đổi dự phòng giúp yêu cầu vẫn hoạt động khi làn tự lưu trữ bị bão hòa hoặc ngừng hoạt động. Giá niêm yết của nhà cung cấp được chuyển nguyên qua, không cộng thêm gì trên mỗi token, nên nửa được lưu trữ trong hỗn hợp đó tốn đúng mức mà nhà cung cấp thu và bám theo giá của nhà cung cấp đó ngay vào ngày giá thay đổi.

Ranh giới mà nó không vượt qua là quyền giám hộ dữ liệu, và ở đây Kolibri có một lợi thế mà không lớp định tuyến nào có thể tạo ra. Trọng số của nó có thể tải về được. Nếu tập dữ liệu không thể rời khỏi tòa nhà, một checkpoint Apache 2.0 là thứ duy nhất trong hai thứ này chạy được ngay tại nơi dữ liệu tồn tại, và không có đánh giá nào về một trong hai mô hình thay đổi được điều đó. Cả hai mô hình cũng đều không nằm trong danh mục của chúng tôi — Kolibri là một bản tải về còn Glimpse là API và giao diện trò chuyện của chính Elorian — nên đây là một tuyên bố về cách chúng tôi định tuyến, không phải một tuyên bố rằng chúng tôi phục vụ chúng.

Làm thế nào để quyết định khi không có tiêu chuẩn đánh giá chung

Không có bảng điểm nào xếp hạng hai cái này, và không phải vì một trong hai mới ra. Bảng của Elorian đo khả năng nhận thức video và hình ảnh so với GPT-6 Astra; thẻ của Aleph Alpha đo dải học thuật thông thường cộng với truy hồi ngữ cảnh dài. Chúng không chia sẻ tác vụ nào, nên phép so sánh duy nhất đáng kể là với khối lượng công việc của chính bạn.

Ba câu hỏi giải quyết nó nhanh hơn bất kỳ bảng nào.

Dữ liệu có phải ở lại trên phần cứng do bạn kiểm soát không? Nếu có, K​olibri là ứng viên duy nhất ở đây, giấy phép là Apache 2.0, và phạm vi hỗ trợ tiếng Đức–tiếng Anh hoặc phù hợp với triển khai của bạn, hoặc loại bỏ nó ngay lập tức.

Có phải dạng lỗi này mang tính thời gian — danh tính đối tượng xuyên qua một lần bị che khuất, một cú lia máy so với một cú cắt cảnh, một sự kiện trong cửa sổ dưới một giây? Nếu có, G​limpse là mô hình duy nhất trong hai mô hình có cơ chế được nêu rõ giải quyết được điều đó, việc đăng ký miễn phí khiến việc dùng thử trở nên ít tốn kém, và dấu vết cho bạn biết nhiều hơn điểm số: hãy chạy các clip của riêng bạn và kiểm tra xem liệu mô hình có bao giờ quay lại khoảng thời gian đã quyết định câu trả lời hay không.

Khối lượng công việc có phải là ngữ cảnh dài nhưng không phải video dài — một kho tài liệu, một bộ hồ sơ, một dấu vết kiểm toán? Nếu đúng, cửa sổ gốc 262.144 token của K​olibri với đường xử lý một triệu token đã được xác thực là con số liên quan, và đánh giá đã công bố của cả hai mô hình đều không giải quyết được liệu nó có trụ được qua đường cong suy giảm ở những độ dài đó hay không. Điều đó phải được đo, trên dữ liệu của bạn, trước khi một trong hai quyết định là an toàn.

Các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive, trong đó mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.