Beam 1.0 與 Kolibri：兩個 Apache 2.0 發行版並非相同版本

Beam 1.0與Kolibri是上個月最值得相互比較的兩個開放權重發布，而比較它們，比把它們任一個拿來與前沿 API 模型相比更有用，因為這兩者實際上都能下載。Aleph Alpha 的 Kolibri 於 2026 年 10 月 3 日推出——總參數量 78,103,074,560，每個 token 啟用 3,457,573,120 個參數，經驗證的上下文視窗為 1,048,576 個 token，德語與英語，Apache 2.0。Reflection 的 Beam 1.0 於 2026 年 10 月 16 日推出，總參數量 5,013 億，啟用 234 億，上下文為 1M 個 token，英語，以及相同授權條款。相同授權、相似的稀疏性理念，除此之外幾乎沒有共同點——這正是為什麼把這兩者配對，會比單純比大小的對照告訴你更多。其中一個是由有司法管轄權論點要提出的實驗室打造；另一個則是由有能力論點要提出的實驗室打造。

這兩者還有一點不同，而這一點在讀到任何一項基準測試數據之前，就決定了大多數實際部署：供應商在權重之外還公布了什麼。Aleph Alpha 發布了一份異常完整的模型訓練說明——資料溯源、能耗、失敗的前代模型、確切的 GPU 時數。Reflection 則提供了一個驗證器，你可以將它指向自己的端點。這是兩種不同類型的信任，而你的採購流程接受哪一種，是第一個要回答的問題。

相同授權，不同產品

先從真正完全相同之處開始，因為它比看起來的還要少。

• 授權條款 — 兩者皆為 Apache 2.0，且都將授權條款放在儲存庫中，而不是寫在部落格的一句話裡。Beam 的說明卡補充指出，蒸餾、微調、量化與合併不受限制。Kolibri 沒有可接受使用附加條款，沒有月活躍使用者門檻，也沒有另訂的商業條款。

• 稀疏策略 —— 兩者都是採用激進啟用比例的混合專家模型。Kolibri 在 78.1B 中喚醒 3.46B，約 4.4%；Beam 在 501.3B 中喚醒 23.4B，約 4.7%。兩間實驗室賣給你的都不是稠密模型。

• 長上下文 — Kolibri 標示原生視窗為 262,144 個詞元，並驗證其品質與服務效率可達 1,048,576；Beam 則標示卡上為 1M，而 API 上最大輸出為 131,072 個詞元。

• 沒有獨立的基準測試重現——兩家廠商的表格都未經第三方查核。Artificial Analysis 完全沒有 Kolibri 的模型頁面，但它確實列出 Beam 1.0 的 Intelligence Index 為 30，在索引版本 v4.3.2 的 120 個模型中排名第十九。

最後一行是第一個真正的不對稱，而且很容易被忽略。Beam 有一個外部數字；Kolibri 則一個也沒有。在一個涵蓋 120 個模型的指數上拿到 30 分，並不是個好看的數字，但這是 Reflection 沒有產出的數字；而對一個正在判斷某家廠商表格是否可信的買家來說，任何獨立量測的存在，都比它的數值本身更有價值。

每個供應商選擇發佈的內容

Aleph Alpha 的發布文件是較為罕見的人工產物。除了權重之外，它還發布了取自過濾後雙語語料庫的 20 兆個預訓練 token——約 62.5% 英文、23.9% 德文、13.6% 程式碼——再加上 3.44 兆個中期訓練 token，以及 2,010 億個用於長上下文擴展的 token。算力記載為 768 顆 NVIDIA B200，分布於 96 個 HGX 節點，預訓練為期 21 天、共 511 小時與 392,000 GPU 小時，據稱達 6.4×10²³ FLOPs；中期訓練增加五天與 90,000 GPU 小時，長上下文擴展則增加 13 小時與 10,000 GPU 小時。能耗估計為 9.5×10² MWh，包含資料中心間接開銷，涵蓋預訓練、中期訓練與長上下文訓練，且不含監督式微調與強化學習。

公布那件事會帶來兩個結果。第一，一個組織若其採購規則以「訓練資料從何而來、依哪條法律」為開頭，就能得到答案，而不是陷入一場對話。第二，而且比較令人不安的是，同一份文件顯示，該模型在 Aleph Alpha 自家的測試框架上輸給 Qwen3.8 27B——英文平均為 75.5 對 80.2，德文平均為 70.8 對 79.9，而 Qwen 在 GPQA Diamond、LiveCodeBench v6、SWE-Bench Verified 以及兩項長上下文基準測試上都領先。Gemma 4 26B-A4B IT 在兩項平均值上分別為 71.9 和 66.3。Kolibri 的立論不在於它是同尺寸中最強的模型；而在於它是同尺寸中最強、且其訓練過程可供稽核的模型。那份文件正是這次發布讀起來像研究、而非行銷的原因：Aleph Alpha 描述模型是如何製作的，因為它要讓產品是管線，而不是模型；而一家販售訓練管線的實驗室，會公布能證明管線奏效的數字。

Reflection 發布了不同類型的東西。Beam 1.0 的發布內容包含參考推論服務配置、Helm chart、Transformers、vLLM、SGLang、Unsloth、Axolotl、TokenSpeed 與 NVIDIA Dynamo 的 day-zero 支援，以及 beam-verifier CLI，它會對運行中的端點執行一致性測試套件，接著在主要基準測試上進行評估，讓部署能對照 Reflection 的參考分數進行檢查。它不包含的是價目表：文件中有一整頁說明速率限制，卻沒有每百萬 token 的價格，而公告只說 API 一開始可免費使用。

運行每一個需要多少成本

兩者都不在我們的目錄中提供，我們也不會暗示並非如此。兩者都是自行架設的購買項目，而硬體門檻才是真正的價格。

• Beam 1.0 — NVFP4 組建為 273 GiB，參考配置是四張 NVIDIA B300 SXM GPU 透過 NVLink 連接的單機。FP8 為 468.72 GiB，可運行於八張 H200 上；BF16 為 933.81 GiB，可部署於八張 B200 或 B300 上。隨附一個 1.93B 的 DFlash2 草稿模型用於推測式解碼，在 NVFP4 檢查點上可帶來 1.7× 至 3.0× 的解碼加速。推論服務配置將 KV 快取維持在 FP8 E4M3，頁面大小為 64 個 token。

• Kolibri — FP8 檢查點是文件中記載的服務精度，採用 128×128 區塊權重與動態量化的激活值，並以 FP8 KV 快取進行評估，而嵌入、LM 頭、歸一化層與 MoE 路由器則維持在 bfloat16。vLLM 工具呼叫解析器與權重一同發布於同一個儲存庫，且該儲存庫未設限——是 Apache 2.0 授權的直接下載，而非需提出申請。

買家真正該做的比較，不是基準測試表上的那一列列數字。而是拿一個以兩張 GPU 自行託管、能用德語和英語回答，而且其訓練過程你可以留下文件紀錄的端點，去對上一個以四張 GPU 自行託管、在程式編寫與代理式工作上更強，但就我們所能找到的資料，其訓練文件並未涵蓋 GPU 時數或能耗的端點。

如果你的工作負載是無法離開這棟大樓的受監管文件，第一個就是唯一能終結爭論的選項。如果你的工作負載是工程代理，第二個就是唯一具備驗證器的選項。

如果你想要這項功能，而不需要機架

這兩個模型描述的其實是同一類東西——活躍參數量小的 MoE、採用寬鬆授權——而這類模型早已在你今天就能呼叫的路由上提供服務；要判斷自己持有硬體是否划算，最快的辦法就是為替代方案估價。

• Gemma 4 26B-A4B IT — 每百萬個輸入 token 為 $0.06，每百萬個輸出 token 為 $0.33，並具有 262,144 個 token 的視窗。這是路由端點上最接近 Kolibri 等級的選擇，而且是在 Aleph Alpha 自家英文與德文平均表現上，真正勝過 Kolibri 的模型。

• Qwen3.8-27B — 輸入 $0.33、輸出 $2.40，262,144 token 上下文，若你比較想自行執行而非租用，還有 Apache 授權的開放權重。

• GLM-5.2 — 具備 1,000,000 token 視窗，價格為 $1.40 與 $4.40，專為 Beam 1.0 所瞄準的長脈絡與程式編寫工作而設。

• Kimi K3 —— 每 1,048,576 個 token 輸入 $3.00、快取 $0.30、輸出 $15.00，這是 Reflection 自家發布貼文也坦承在原始能力上更勝一籌的模型。

OrcaRouter 將那組路由置於單一 OpenAI 相容金鑰之後，並以供應商定價原樣傳遞、不額外加價，因此供應商降價當天就會反映在你的帳單上，而不是等到下一次合約續約；自動容錯移轉則涵蓋了某家供應商在負載下效能劣化的情況。對於任何正在權衡主權部署的人來說，一個實用的模式是：將受監管的流量跑在自架的 Kolibri 端點上，而一般工作則跑在路由層上，並由路由規則決定哪個是哪個——一把金鑰、一份設定，以及只需為真正需要它的文件證明其合理性的硬體決策。

你實際上要找的是哪個版本？

如果你搜尋開放權重，是因為你需要回答有關來源、管轄權或可稽核性的問題，那麼 Kolibri 就是能給出答案的發布版本。它並不是同尺寸中最強的模型——Aleph Alpha 自家的表格也這麼說——而且它涵蓋兩種語言，建議的服務配置是兩張 H100 SXM5 或兩張 H200——或單張 B200 或 B300，硬體表將它們並列列出。這項取捨是明確的，而且對受監管的部署而言，很可能是正確的。

如果你搜尋開放權重，是因為想要一個能自己執行的工程代理，那麼 Beam 1.0 就是具備這項能力、服務堆疊與驗證工具的發行版，而它要求四張 B300，以及一份尚未寫定的價目表。這裡的交換條件，是用資本與不確定性，換取一個能在你自己的硬體上執行接近前沿程式開發工作的模型。

這個配對所顯示的是，「開放權重」早在一段時間前就不再是區分因素了。兩個實驗室在兩週內推出的兩個 Apache 2.0 版本，可以共用同一份授權、同一套稀疏性理念和同一個上下文視窗，卻仍然是在回答完全不同的問題。按授權分類毫無用處；按這個版本是為了回答哪個問題而打造來分類，才能帶你找到正確的資料夾。

這些都不是假設：像這次發布這類版本背後那些有紀錄的 AI 失效與代理事件，全都收錄在OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。