Kolibri: Was das 78B-Open-Weight-Modell von Aleph Alpha tatsächlich ist

Kolibri ist ein Sprachmodell mit offenen Gewichten von Aleph Alpha, dem Heidelberger Labor, das seit Jahren argumentiert, dass europäische Institutionen Modelle brauchen, die sie auf ihrer eigenen Hardware betreiben können. Es ist ein Mixture-of-Experts-System mit 78 Milliarden Parametern, das pro Token etwa 3,46 Milliarden Parameter aktiviert, Deutsch und Englisch liest und schreibt und nichts anderes, und das ein validiertes Kontextfenster von 1.048.576 Token bietet. Die Gewichte liegen auf Hugging Face in einem Repository namens Aleph-Alpha/Kolibri-1, unter Apache 2.0. Die Veröffentlichungsunterlagen erwähnen außerdem Kolibri Origin, ein Vorgängermodell mit 30,6 Milliarden Parametern, das trainiert, intern validiert und nie veröffentlicht wurde. Wenn Sie den bloßen Namen gesucht haben und hier gelandet sind, ist das die kurze Antwort; der Rest dieser Seite ist der Hintergrund, wobei jede Angabe der Quelle zugeschrieben wird, die sie veröffentlicht.

Das Modell wurde am 3. Oktober 2026 veröffentlicht – Aleph Alphas eigener News-Beitrag, datiert auf Heidelberg, den 5. Oktober, gibt an, dass Kolibri seit dem 3. Oktober verfügbar ist, und die Modellkarte trägt dasselbe Datum. Dieses Datum steht hier, um das Modell einzuordnen, nicht um es anzukündigen. Was folgt, ist die dauerhafte Fassung: was das Modell ist, was es nicht ist, welche Zahlen von Aleph Alpha stammen und welche, Stand heute, von überhaupt niemandem stammen.

Kolibri, Kolibri-1, Kolibri Origin: drei Namen, ein Release

Die Benennung ist das Erste, was ein Leser verstehen muss, denn der Anbieter verwendet zwei davon austauschbar, und ein dritter gehört zu etwas völlig anderem.

• Kolibri — der Name des Modells in allem, was Aleph Alpha schreibt: die Produktseite, die Ankündigung, den technischen Bericht. Ein deutsches Wort, und der Anbieter schreibt es genau so, mit großem K, ohne Suffix.

• Kolibri-1 — dasselbe Modell auf Repository-Ebene. Das Hugging-Face-Repo ist Aleph-Alpha/Kolibri-1, und der vom Anbieter veröffentlichte Serving-Befehl lautet vllm serve Aleph-Alpha/Kolibri-1. Dies ist eine Versionskennung, kein zweites Modell, und die beiden Zeichenfolgen verweisen auf identische Gewichte.

• Kolibri Origin – ein anderes Modell, und keines, das Sie herunterladen können. Es ist der Vorgänger mit 30,6 Milliarden Parametern und 3,27 Milliarden aktiven Parametern, der im Juni 2026 das Vortraining abschloss, zur Validierung der Trainingspipeline verwendet wurde und nie veröffentlicht wurde. Aleph Alpha führt die meisten Benchmark-Zeilen von Kolibri als gepaarte Spalte im Vergleich dazu an, weshalb der Name in nahezu jeder Tabelle über Kolibri auftaucht. Wenn Sie nach Gewichten suchen, ist dies nicht das Modell, nach dem Sie suchen sollten.

Es gibt kein separates „Kolibri 2“, keine unter einem anderen Namen veröffentlichte chat-abgestimmte Variante und keine offizielle quantisierte Distribution. Alles andere, was in einem Download-Index diesen Namen trägt, ist eine Konvertierung von Drittanbietern, und das eigene Material des Anbieters dokumentiert nichts dergleichen.

Größe: Die 78B-Zahl ist richtig, und es ist die zweite Zahl, die alles entscheidet.

Eine Anfrage zu „Kolibri 78B“ kursiert, und der Anbieter bestätigt sie, statt sie zu korrigieren. Aus der Modellkarte, die zusammen mit den Gewichten veröffentlicht wurde: 78.103.074.560 Parameter insgesamt, von denen 3.457.573.120 pro Token aktiv sind. Das ist ein Sparsity-Verhältnis von ungefähr 22,6 zu 1.

Der Unterschied ist keine Haarspalterei. Die Gesamtzahl der Parameter bestimmt, wie viel Speicher das Modell benötigt; die aktiven Parameter bestimmen, wie viel Rechenleistung jedes Token kostet. Ein 78B-Modell mit 3,46B aktiven Parametern ist ein sehr großes Artefakt, das sich zur Inferenzzeit pro Token wie ein kleines verhält – und genau deshalb kann Aleph Alpha für etwas dieser Größe eine Untergrenze von zwei GPUs für den Einsatz nennen. Jede Zusammenfassung von Kolibri, die Ihnen 78B ohne die Angabe der aktiven Parameter nennt, hat den Teil ausgelassen, der über die Kosten entscheidet.

Zum Größenvergleich mit seiner eigenen Modelllinie: Kolibri Origin hatte insgesamt 30,6B Parameter, davon 3,27B aktive. Kolibri verdoppelt in etwa die Gesamtparameterzahl, während sich die Zahl der aktiven Parameter kaum ändert – was eher eine Aussage über die Kapazität pro Einheit Serving-Kosten als über rohe Geschwindigkeit ist.

Architektur und Lizenz: Was die Gewichte sind und was Apache 2.0 hier tatsächlich abdeckt

Kolibri ist ein 50-schichtiger Mixture-of-Experts-Transformer ganz ohne dichte Feed-Forward-Schichten. Jede Schicht routet zu 384 Experten, von denen sechs pro Token aktiv sind, plus einen gemeinsam genutzten Experten; die intermediäre Dimension der Experten beträgt 512 und die Modelldimension 2.560. Die Attention ist hybrid: Die meisten Schichten verwenden ein gleitendes Fenster von 512 Token, wobei nur jede fünfte Schicht volle Attention nutzt. Aleph Alphas Architektur-Darstellung stellt die Konsequenz unmissverständlich dar – der Anteil reiner Attention-Arbeit sinkt bei einem 16K-Kontext im Vergleich zu Kolibri Origin von 51 Prozent auf 27 Prozent, und die Zahl der Full-Attention-Schichten fällt um etwa den Faktor fünf.

Der Tokenizer ist ein bilingualer deutsch-englischer Build mit einem Vokabular von 128.000 Tokens, trainiert mit einer Methode, die das Labor UniBPE nennt. Zwei Sprachen, bewusst: Der Anbieter beschreibt den Umfang als Tiefe statt Breite und sagt das auch genau so, statt zwei gut bediente Sprachen als mehrsprachige Errungenschaft zu präsentieren.

Die Lizenz ist Apache 2.0, und die Modellkarte ist ungewöhnlich präzise, was ihre Grenze angeht. Die Lizenz gilt, in der Formulierung der Karte selbst, „nur für die in diesem Repository veröffentlichten Gewichte und Konfigurationsdateien“ — sie erstreckt sich nicht auf den zugrunde liegenden Code, die Architekturdefinition, die Parametereinstellungen oder die Trainingsmethode. Die praktische Situation für ein Deployment-Team ist also folgende: Die Gewichte sind wirklich offen und kommerziell nutzbar, ohne Zusatzklausel zur akzeptablen Nutzung, ohne Schwellenwert für monatlich aktive Nutzer und ohne separate kommerzielle Bedingungen, aber die Lizenz gewährt keine Rechte an Aleph Alphas Trainingsrezept oder dessen Inferenzcode. Wenn Ihre Rechtsprüfung fragt, ob dies Open Source im Sinne der OSI ist, dann ist die ehrliche Antwort, dass es sich um offene Gewichte unter einer von der OSI anerkannten Lizenz mit einer angegebenen Umfangsbeschränkung handelt, und das sind nicht dieselben Aussagen.

Kontextfenster und maximale Ausgabe

Aleph Alpha veröffentlicht das Kontextfenster in zwei Stufen, und die Unterscheidung ist es wert, beibehalten zu werden.

• Validiertes Maximum — 1.048.576 Token, angegeben sowohl auf der Produktseite als auch auf der Modellkarte.

• Nativ und empfohlen — 262.144 Tokens. Die Karte empfiehlt, für Serving-Effizienz und für komplexe Aufgaben bei oder unter diesem Wert zu bleiben; die Herstellerseite nennt 256K als Arbeitswert.

• Trainingsverlauf — vortrainiert bei 16.384 Tokens, mittrainiert bei einem Horizont von 65.536 Tokens, dann auf 262.144 als trainierte Länge erweitert.

Die volle Million zu erreichen, ist keine Konfiguration, die man standardmäßig erhält. Das Serving-Rezept erfordert ein explizites Flag für die maximale Modelllänge und ein Positions-Embedding-Override, was der Anbieter dokumentiert. Betrachten Sie 1M als validierte Obergrenze mit einem dokumentierten Verfahren und 262K als die Zahl, um die herum Sie eine Produktions-Workload dimensionieren sollten.

Die maximale Ausgabelänge wird nicht veröffentlicht. Weder auf der Produktseite noch in der Modellkarte noch in der Ankündigung wird eine Obergrenze für die Generierung genannt. Wenn ein Deployment auf ein hartes Ausgabelimit angewiesen ist, ist das eine Frage für Aleph Alpha oder für Ihre eigene Serving-Konfiguration — nicht etwas, das das Release-Material beantwortet.

Modalitäten: nur Text, und das ist eine bewusste Grenze

Kolibri ist ein Text-in-, Text-out-Modell. Das Pipeline-Tag der Karte ist Textgenerierung; es beschreibt das Modell so, dass es Texteingaben verarbeitet und Textausgaben erzeugt, und es merkt an, dass der Trainingskorpus ausschließlich Text umfasst. Kein Vision-Encoder, kein Audio-Pfad, keine Bilderzeugung, keine dokumentierte Tool-Ergebnis-Modalität über textförmige Tool-Aufrufe hinaus.

Dies ist der Punkt, an dem die Sprache des Anbieters und die Erwartung des Lesers am häufigsten auseinandergehen, deshalb lohnt es sich, es unumwunden zu sagen: Nichts am Namen von Kolibri, an seiner Größe oder an seinen Schwestermodellen sollte Sie zu der Annahme verleiten, dass es Bilder akzeptiert. Das tut es nicht. Seine beiden Sprachen sind Deutsch und Englisch, und es ist nicht dafür gebaut, eine dritte zu verarbeiten – eine Anfrage auf Französisch oder Spanisch liegt außerhalb des Designziels, unabhängig davon, was eine Demo damit macht.

Was es jedoch hat, ist Tool-Calling – im Hermes-Stil, mit einem Parser, der im selben Repository wie die Gewichte mitgeliefert wird – und vier Stufen für den Reasoning-Aufwand: keine, niedrig, mittel und hoch – die über das Chat-Template festgelegt werden. Beides ist dokumentiertes Verhalten, keine Erkenntnisse aus der Community.

Was Aleph Alpha behauptet und was alle anderen gemessen haben

Zwei Kategorien, und sie sind nicht gleich groß.

Vom Anbieter berichtet, aus Aleph Alphas eigenem Harness, ausgeführt von Aleph Alpha, veröffentlicht von Aleph Alpha: Kolibri liegt an der Pareto-Front für Qualität gegenüber Serving-Kosten für Englisch und Deutsch; es erreicht die Leistung von Modellen mit bis zu viermal so vielen aktiven Parametern, eine Behauptung, die der Anbieter mit Nemotron 3 Super veranschaulicht, einem 120B-A12B-Modell; es ist auf Deutsch, Reasoning, Mathematik und agentische Arbeit spezialisiert, mit starken Tool-Use-Zeilen (Tau2-Bench Telekommunikation 94,7 Prozent, Einzelhandel 69,9 Prozent, Fluggesellschaft 76,7 Prozent; BFCL v4 insgesamt 61,4 Prozent) und Reasoning-Zeilen (GPQA Diamond 84,3 Prozent Englisch, AIME 2025 96,9 Prozent Englisch). Die deutschen Werte in derselben Tabelle — GPQA Diamond 81,3 Prozent, AIME 2025 87,5 Prozent, AIME 2026 90 Prozent — stammen aus einer deutschsprachigen Umsetzung derselben Benchmarks.

Unabhängig gemessen, Stand 13. Oktober 2026: nichts. Es gibt keinen Artificial Analysis-Eintrag für Kolibri und keine Aleph Alpha-Zeile auf dessen Anbieterliste; die Modellkarte selbst gibt an, dass das Modell von keinem Inferenzanbieter auf Hugging Face bereitgestellt wird; und kein Dritter hat eine Reproduktion des Evaluierungsframeworks des Anbieters veröffentlicht, obwohl der Harness-Code im eigenen Repository des Labors öffentlich ist. Die Evaluierung ist gründlich, und sie ist die Evaluierung eines Labors. Behandeln Sie jeden oben genannten Prozentsatz als Herstellerangabe, bis jemand außerhalb Heidelbergs sie ausführt.

Eine Zahl im Material des Anbieters verdient besondere Aufmerksamkeit statt bloßer Wiederholung. Aleph Alphas Produktseite zeigt einen AA-Omniscience-Index von 33,6 Prozent für Kolibri. Dieser Index ist ein Konstrukt von Artificial Analysis, und Artificial Analysis veröffentlicht derzeit keinen Kolibri-Eintrag. Die Zahl ist Aleph Alphas eigener Lauf eines fremden Index, was eine legitime Sache zum Veröffentlichen und eine illegitime Sache ist, sie als unabhängige Bewertung zu lesen. Es ist eine vom Anbieter gemeldete Zahl, bis der Eigentümer des Index eine eigene veröffentlicht.

Wie Sie es tatsächlich ausführen

Es gibt keinen gehosteten Endpunkt, auf den man verweisen kann. Kolibri wird als Gewichte plus ein Inferenzpaket verteilt, und es aufzurufen bedeutet, es selbst auszuführen.

• Installation — pip install "aleph-alpha-inference>=1.0", was das Kolibri-vLLM-Plugin bereitstellt und die unterstützte vLLM-Version festschreibt; alternativ können Sie das Container-Image ghcr.io/aleph-alpha/aleph-alpha-inference ziehen.

• Bereitstellen — ein standardmäßiger vLLM-Aufruf gegen Aleph-Alpha/Kolibri-1, mit einem FP8-KV-Cache, dem Kolibri-Reasoning-Parser, dem Kolibri-Tool-Call-Parser und aktivierter automatischer Tool-Auswahl.

• Speicher — Die FP8-Gewichte umfassen etwa 78 GB. Als veröffentlichtes Minimum gelten zwei A100 80-GB-Karten, zwei H100 SXM5, eine H200, eine B200 oder eine B300; die empfohlene Konfiguration umfasst zwei H100 SXM5, zwei H200, eine B200 oder eine B300.

• Sampling — Temperatur 1,0, Top-p 0,97, Top-k 128, gemäß der Empfehlung auf der Karte.

• Schnittstelle — OpenAI-kompatibel, lokal bereitgestellt. Vorhandener Chat-Completions-Code kann darauf ausgerichtet werden; der Reasoning-Aufwand wird durch das Chat-Template weitergegeben und Tool-Aufrufe landen im standardmäßigen tools-Feld.

Das Anmeldeformular des Anbieters selbst bietet „Modelltest API“ als Anfragekategorie an, sodass ein API-Gespräch über den Vertrieb möglich ist. Nichts Veröffentlichtes beschreibt sie als verfügbar, bepreist oder als Self-Service.

Im Release-Material wird kein Preis genannt, denn es gibt nichts zu bepreisen: Die Gewichte sind kostenlos herunterladbar, und die Kosten für die Nutzung von Kolibri entsprechen den Kosten der GPUs, die man darunter betreibt. Aleph Alpha veröffentlicht außerdem keine Rate Limits, keine kostenlosen Credits und keine Teststufe für das Modell – jede gegenteilige Behauptung wäre eine Schlussfolgerung aus dem Wort „available“, kein Fakt von den Seiten des Anbieters.

Keine Route auf OrcaRouter, und die ehrliche Alternative

Wir haben heute unseren eigenen Katalog überprüft: OrcaRouter bedient 207 Modelle, und Kolibri ist nicht darunter – weder unter irgendeiner Schreibweise des Namens noch unter dem Aleph Alpha-Präfix. Das ist wichtig für einen Leser, dessen eigentliche Frage lautet: „Kann ich das aufrufen, ohne zwei H100 zu kaufen?“, denn die Antwort ist nein – nicht hier und nicht auf der Infrastruktur des Anbieters als veröffentlichter Dienst. Self-Hosting ist derzeit die einzige Möglichkeit, Kolibri auszuführen.

Wenn Sie ein Mixture-of-Experts-Modell brauchen, das Deutsch und Englisch beherrscht und das Sie noch heute Nachmittag aufrufen können, dann ist das Nächste, was wir führen, Gemma 4 26B A4B IT – ein Open-Weight-MoE für 0,06 $ pro Million Eingabe-Tokens und 0,33 $ pro Million Ausgabe-Tokens mit einem Fenster von 262.144 Tokens – dieselbe Kontextklasse wie Kolibris empfohlener Arbeitswert, als Posten pro Token statt 78 GB VRAM und einem Beschaffungsgespräch. OrcaRouter leitet jedes Modell, das es führt, zum Listenpreis des Anbieters weiter, ohne etwas aufzuschlagen, was der günstige Weg ist, herauszufinden, ob eine Arbeitslast die Anschaffung der Hardware rechtfertigt. Zwei Einschränkungen, ausdrücklich genannt statt impliziert: Dies ist ein anderes Modell mit anderen Gewichten, und es ist kein Ersatz für Kolibris deutsche Pretraining-Tiefe. Es ist der ehrliche Vergleich zwischen einem Modell, das man mieten kann, und einem Modell, das man besitzen muss.

Für ein Team, das eine souveräne Bereitstellung abwägt, gibt es einen zweiten Grund zu routen, statt sich festzulegen. Wenn eine Workload derzeit von einem gehosteten Modell bedient wird und Sie erwägen, sie auf ein selbstgehostetes Kolibri zu verschieben, besteht der nützliche Test darin, beide mit Ihrem eigenen Traffic laufen zu lassen, statt Benchmark-Tabellen zu lesen – und ein gerouteter Endpunkt mit automatischem Failover ist ein risikoärmerer Ort, um diesen Test auszuführen als ein Produktionspfad, den Sie bereits migriert haben.

Wo Kolibri steht

Aleph Alpha hat eine ungewöhnlich vollständige Darstellung eines Modells veröffentlicht – die Trainingspipeline, die Datenherkunft, die Tokenizer-Methode, die Energieangabe und ein Vorgängermodell, das gebaut und verworfen wurde – und die Gewichte unter einer Lizenz bereitgestellt, unter der ein Unternehmen sie tatsächlich einsetzen kann. Für einen deutschen Käufer aus dem öffentlichen Sektor oder der Industrie, dessen Beschaffungsregeln mit der Frage beginnen, wo die Daten liegen, ist genau diese Kombination das Produkt, und keine Benchmark-Zeile kann sie ersetzen.

Was ein Käufer nicht tun kann, ist, die Behauptungen zu überprüfen. Es gibt keinen gehosteten Endpunkt und keinen Preis, mit dem man etwas anderes vergleichen könnte, was bedeutet, dass die Entscheidung auf den eigenen Zahlen des Anbieters plus einem selbst gehosteten Testlauf beruht. Das ist eine echte Einschränkung, und sie ist kein Grund, das Modell abzutun — sie ist der Grund, warum sich die obige Spezifikation Zeile für Zeile zu lesen lohnt, statt die Prozentzahlen nur zu überfliegen. Wenn Sie verstehen wollen, was Kolibri ist, lautet die Antwort: ein 78B großes Open-Weight-MoE, rein textbasiert, deutsch-englisch, mit einer Obergrenze von 1 Mio. Token und einer Mindestanforderung von zwei GPUs. Ob es das richtige Modell für Ihre Arbeitslast ist, kann nur Ihre eigene Evaluierung abschließend beantworten.