Kolibri: Qué es realmente el modelo de pesos abiertos de 78B de Aleph Alpha

Kolibri es un modelo de lenguaje de pesos abiertos de Aleph Alpha, el laboratorio de Heidelberg que ha pasado años argumentando que las instituciones europeas necesitan modelos que puedan ejecutar en su propio hardware. Es un sistema de mezcla de expertos de 78.000 millones de parámetros que activa aproximadamente 3.460 millones de parámetros por token, lee y escribe alemán e inglés y nada más, y tiene una ventana de contexto validada de 1.048.576 tokens. Los pesos están en Hugging Face en un repositorio llamado Aleph-Alpha/Kolibri-1, bajo Apache 2.0. Los mismos materiales de lanzamiento también describen Kolibri Origin, un predecesor de 30.600 millones de parámetros que fue entrenado, validado internamente y nunca publicado. Si buscó el nombre sin más y llegó aquí, esa es la respuesta corta; el resto de esta página es la especificación que hay detrás, cada cifra atribuida a la fuente que la publica.

El modelo se lanzó el 3 de octubre de 2026 —la propia publicación de noticias de Aleph Alpha, fechada en Heidelberg el 5 de octubre, afirma que Kolibri está disponible desde el 3 de octubre, y la tarjeta del modelo lleva la misma fecha. Esa fecha está aquí para situar el modelo, no para anunciarlo. Lo que sigue es la versión permanente: qué es el modelo, qué no es, qué cifras proceden de Aleph Alpha y cuáles, a día de hoy, no proceden de nadie en absoluto.

Kolibri, Kolibri-1, Kolibri Origin: tres nombres, un lanzamiento

La nomenclatura es lo primero que un lector debe tener claro, porque el proveedor usa dos de ellos indistintamente y un tercero pertenece a algo completamente distinto.

• Kolibri — el nombre del modelo en todo lo que escribe Aleph Alpha: la página del producto, el anuncio, el informe técnico. Una palabra alemana, y el proveedor la escribe exactamente así, con K mayúscula, sin sufijo.

• Kolibri-1 — el mismo modelo a nivel de repositorio. El repositorio de Hugging Face es Aleph-Alpha/Kolibri-1, y el comando de servicio que publica el proveedor es vllm serve Aleph-Alpha/Kolibri-1. Esto es un identificador de versión, no un segundo modelo, y ambas cadenas corresponden a pesos idénticos.

• Kolibri Origin — un modelo diferente, y no uno que puedas descargar. Es el predecesor de 30,6 mil millones de parámetros y 3,27 mil millones activos que finalizó el preentrenamiento en junio de 2026, se usó para validar el pipeline de entrenamiento y nunca se publicó. Aleph Alpha incluye la mayoría de las filas de benchmark de Kolibri como una columna emparejada frente a él, por lo que el nombre aparece en todas las tablas sobre Kolibri. Si buscas los pesos, este no es el que debes buscar.

No existe un "Kolibri 2" aparte, ni una variante ajustada para chat publicada bajo otro nombre, ni una distribución oficial cuantizada. Cualquier otra cosa que aparezca con ese nombre en un índice de descargas es una conversión de terceros, y el material del propio proveedor no documenta ninguna.

Tamaño: la cifra de 78B es correcta, y es el segundo número el que lo decide todo.

Una consulta sobre "Kolibri 78B" ha estado circulando, y el proveedor la confirma en lugar de corregirla. Según la ficha del modelo, publicada junto con los pesos: 78.103.074.560 parámetros totales, de los cuales 3.457.573.120 están activos por token. Es una proporción de dispersión de aproximadamente 22,6 a 1.

La distinción no es pedantería. Los parámetros totales determinan cuánta memoria necesita el modelo; los parámetros activos determinan cuánto cómputo cuesta cada token. Un modelo de 78B con 3,46B activos es un artefacto muy grande que, en el momento de la inferencia, se comporta como uno pequeño por token — y esa es exactamente la razón por la que Aleph Alpha puede presupuestar un mínimo de despliegue de dos GPU para algo de este tamaño. Cualquier resumen de Kolibri que te dé 78B sin la cifra de activos ha omitido la parte que determina la factura.

Para ponerlo en escala frente a su propio linaje: Kolibri Origin tenía 30,6B en total con 3,27B activos. Kolibri aproximadamente duplica el recuento total de parámetros mientras apenas mueve el recuento de activos, lo cual es una afirmación sobre la capacidad por unidad de coste de servicio más que sobre la velocidad bruta.

Arquitectura y licencia: qué son los pesos y qué cubre realmente Apache 2.0 aquí

Kolibri es un transformer de mezcla de expertos de 50 capas sin ninguna capa densa feed-forward. Cada capa enruta hacia 384 expertos, seis de ellos activos por token, más un experto compartido; la dimensión intermedia de los expertos es 512 y la dimensión del modelo es 2.560. La atención es híbrida: la mayoría de las capas usan una ventana deslizante de 512 tokens, con atención completa solo cada quinta capa. El análisis de la arquitectura de Aleph Alpha expone la consecuencia con claridad: la fracción de trabajo de atención pura cae del 51 % al 27 % en un contexto de 16K en comparación con Kolibri Origin, y el número de capas de atención completa se reduce aproximadamente por un factor de cinco.

El tokenizador es una compilación bilingüe alemán-inglés con un vocabulario de 128.000 tokens, entrenado con un método que el laboratorio llama UniBPE. Dos idiomas, deliberadamente: el proveedor enmarca el alcance como profundidad sobre amplitud y lo dice con todas las letras, en lugar de presentar dos idiomas bien atendidos como un logro multilingüe.

La licencia es Apache 2.0, y la ficha del modelo es inusualmente precisa sobre su límite. La licencia se aplica, en palabras de la propia ficha, «solo a los pesos y archivos de configuración publicados en este repositorio»; no se extiende al código subyacente, la definición de la arquitectura, los ajustes de parámetros ni el método de entrenamiento. Así pues, la situación práctica para un equipo de despliegue es esta: los pesos son genuinamente abiertos y utilizables comercialmente, sin cláusula de uso aceptable, sin umbral de usuarios activos mensuales y sin términos comerciales separados, pero la licencia no es una concesión sobre la receta de entrenamiento de Aleph Alpha ni sobre su código de inferencia. Si tu revisión legal pregunta si esto es código abierto en el sentido de la OSI, la respuesta honesta es que son pesos abiertos bajo una licencia aprobada por la OSI con un límite de alcance declarado, y esas no son la misma afirmación.

Ventana de contexto y salida

Aleph Alpha publica la ventana de contexto en dos niveles, y la distinción merece conservarse.

• Máximo validado — 1,048,576 tokens, indicado tanto en la página del producto como en la ficha del modelo.

• Nativo y recomendado — 262,144 tokens. La ficha recomienda mantenerse en este valor o por debajo para la eficiencia de servicio y para tareas complejas; la página del proveedor denomina 256K la cifra de trabajo.

• Progresión del entrenamiento — preentrenado con 16.384 tokens, entrenado de forma intermedia con un horizonte de 65.216 tokens, luego extendido a 262.144 como longitud de entrenamiento.

Alcanzar el millón completo no es una configuración que se obtenga de forma predeterminada. La receta de servicio requiere un flag explícito de longitud máxima del modelo y una anulación del embedding de posición, que el proveedor documenta. Interpreta 1M como un techo validado con un procedimiento documentado, y 262K como el número en torno al cual diseñar una carga de trabajo de producción.

La longitud máxima de salida no está publicada. Ni la página del producto, ni la ficha del modelo ni el anuncio indican un límite de generación. Si un despliegue depende de un límite de salida estricto, eso es una pregunta para Aleph Alpha o para tu propia configuración de servicio, no algo que responda el material de lanzamiento.

Modalidades: solo texto, y ese es un límite deliberado

Kolibri es un modelo de texto a texto. La etiqueta de pipeline de la tarjeta es generación de texto, lo describe como un modelo que procesa entrada de texto y produce salida de texto, y señala que el corpus de entrenamiento es solo de texto. No tiene codificador de visión, ni ruta de audio, ni generación de imágenes, ni una modalidad documentada de resultados de herramientas más allá de llamadas de herramientas con formato de texto.

Este es el punto en el que el lenguaje del proveedor y las expectativas del lector divergen con más frecuencia, así que vale la pena decirlo sin rodeos: nada en el nombre de Kolibri, su tamaño o sus modelos hermanos debería llevarte a asumir que acepta imágenes. No lo hace. Sus dos idiomas son el alemán y el inglés, y no está diseñado para manejar un tercero; una solicitud en francés o español queda fuera del objetivo de diseño, sin importar lo que haga una demostración con él.

Lo que sí tiene es llamada a herramientas —al estilo de Hermes, con un parser que se distribuye en el mismo repositorio que los pesos— y cuatro niveles de esfuerzo de razonamiento, ninguno, bajo, medio y alto, configurados a través de la plantilla de chat. Ambos son comportamientos documentados, no hallazgos de la comunidad.

Lo que Aleph Alpha afirma, y lo que cualquier otra persona ha medido

Dos categorías, y no son del mismo tamaño.

Reportado por el proveedor, a partir del propio harness de Aleph Alpha, ejecutado por Aleph Alpha, publicado por Aleph Alpha: Kolibri se sitúa en la frontera de Pareto de calidad frente al coste de servicio para inglés y alemán; iguala a modelos con hasta cuatro veces su cantidad de parámetros activos, una afirmación que el proveedor ilustra con Nemotron 3 Super, un modelo 120B-A12B; está especializado en alemán, razonamiento, matemáticas y trabajo agéntico, con sólidas filas de uso de herramientas (Tau2-Bench telecom 94,7 por ciento, retail 69,9 por ciento, airline 76,7 por ciento; BFCL v4 en total 61,4 por ciento) y filas de razonamiento (GPQA Diamond 84,3 por ciento en inglés, AIME 2025 96,9 por ciento en inglés). Las cifras en alemán de esa misma tabla —GPQA Diamond 81,3 por ciento, AIME 2025 87,5 por ciento, AIME 2026 90 por ciento— proceden de una versión en alemán de los mismos benchmarks.

Medido de forma independiente, a fecha de 13 de octubre de 2026: nada. No hay ninguna entrada de Artificial Analysis para Kolibri ni ninguna fila de Aleph Alpha en su lista de proveedores; la propia tarjeta del modelo indica que ningún proveedor de inferencia de Hugging Face ha desplegado el modelo; y ningún tercero ha publicado una reproducción del marco de evaluación del proveedor, aunque el código del arnés es público en el repositorio del propio laboratorio. La evaluación es exhaustiva y es la evaluación de un solo laboratorio. Considera cada porcentaje anterior como una afirmación del proveedor hasta que alguien fuera de Heidelberg la ejecute.

Un número en el material del proveedor merece especial atención en lugar de repetición. La página de producto de Aleph Alpha muestra un índice AA-Omniscience de 33,6 por ciento para Kolibri. Ese índice es una construcción de Artificial Analysis, y Artificial Analysis actualmente no publica ninguna entrada de Kolibri. La cifra es una ejecución propia de Aleph Alpha de un índice ajeno, algo legítimo de publicar y ilegítimo de leer como una puntuación independiente. Es un número reportado por el proveedor hasta que el propietario del índice publique uno.

Cómo ejecutarlo realmente

No hay ningún endpoint alojado al que apuntar. Kolibri se distribuye como pesos más un paquete de inferencia, y llamarlo significa ejecutarlo tú mismo.

• Instalar — pip install "aleph-alpha-inference>=1.0", que proporciona el complemento de vLLM de Kolibri y fija la versión de vLLM que admite; como alternativa, descargar la imagen de contenedor ghcr.io/aleph-alpha/aleph-alpha-inference.

• Servir — una invocación estándar de vLLM contra Aleph-Alpha/Kolibri-1, con una caché KV FP8, el analizador de razonamiento de Kolibri, el analizador de llamadas a herramientas de Kolibri y la selección automática de herramientas habilitada.

• Memoria — los pesos FP8 son de aproximadamente 78 GB. El mínimo publicado es de dos tarjetas A100 de 80 GB, dos H100 SXM5, una H200, una B200 o una B300; la configuración recomendada es dos H100 SXM5, dos H200, una B200 o una B300.

• Muestreo — temperatura 1.0, top-p 1.0, top-k 128, según la recomendación de la tarjeta.

• Interfaz — compatible con OpenAI, servida localmente. El código existente de chat-completions puede apuntar a ella; el esfuerzo de razonamiento se transmite a través de la plantilla de chat y las llamadas a herramientas llegan al campo estándar tools.

El propio formulario de registro del proveedor ofrece «Modelltest API» como categoría de solicitud, por lo que es posible una conversación sobre la API a través del equipo de ventas. Nada de lo publicado lo describe como disponible, con precio o de autoservicio.

Nada en el material de lanzamiento indica un precio, porque no hay nada a lo que ponerle precio: los pesos son gratuitos para descargar y el coste de usar Kolibri es el coste de las GPU que pongas debajo. Aleph Alpha tampoco publica límites de velocidad, ni créditos gratuitos, ni un nivel de prueba para el modelo — cualquier afirmación en sentido contrario sería una inferencia a partir de la palabra «available», no un hecho de las páginas del proveedor.

Sin ruta en OrcaRouter, y la alternativa honesta

Hoy revisamos nuestro propio catálogo: OrcaRouter ofrece 207 modelos y Kolibri no está entre ellos, bajo ninguna grafía del nombre ni con el prefijo Aleph Alpha. Eso importa para un lector cuya pregunta real es «¿puedo llamar a esto sin comprar dos H100?», porque la respuesta es no: ni aquí, ni en la infraestructura del propio proveedor como servicio publicado. El autoalojamiento es la única forma de ejecutar Kolibri ahora mismo.

Si lo que necesita es un modelo de mezcla de expertos capaz de funcionar en alemán e inglés al que pueda recurrir esta misma tarde, lo más parecido que ofrecemos es Gemma 4 26B A4B IT, un MoE de pesos abiertos a $0.06 por millón de tokens de entrada y $0.33 por millón de tokens de salida con una ventana de 262.144 tokens —la misma clase de contexto que la cifra de trabajo recomendada por Kolibri, con un coste por token en lugar de 78 GB de VRAM y una conversación con el departamento de compras. OrcaRouter enruta cada modelo que ofrece al precio de lista del proveedor sin añadir nada, que es la forma barata de averiguar si una carga de trabajo justifica poseer el hardware. Dos advertencias, dichas en lugar de sobrentendidas: este es un modelo diferente con pesos diferentes, y no es un sustituto de la profundidad de preentrenamiento en alemán de Kolibri. Es la comparación honesta entre un modelo que se puede alquilar y un modelo que hay que poseer.

Para un equipo que está evaluando un despliegue soberano, hay una segunda razón para enrutar en lugar de comprometerse. Si actualmente una carga de trabajo se atiende con un modelo alojado y estás considerando trasladarla a Kolibri autoalojado, la prueba útil es ejecutar ambos con tu propio tráfico, no leer dos tablas comparativas — y un endpoint enrutado con conmutación por error automática es un lugar de menor riesgo para ejecutar esa prueba que una ruta de producción que ya has migrado.

Dónde se posiciona Kolibri

Aleph Alpha ha publicado una descripción inusualmente completa de un modelo —el pipeline de entrenamiento, la procedencia de los datos, el método de tokenización, la cifra de energía y un predecesor que se construyó y se descartó— y ha lanzado los pesos bajo una licencia que permite a una empresa desplegarlos realmente. Para un comprador alemán del sector público o industrial cuyas reglas de adquisición comienzan por dónde residen los datos, esa combinación es el producto, y ninguna fila de benchmark lo sustituye.

Lo que un comprador aún no puede hacer es verificar las afirmaciones. No hay una evaluación independiente, ni un endpoint alojado, ni un precio con el que comparar con cualquier otra cosa, lo que significa que la decisión recae en las propias cifras del proveedor más una prueba autoalojada. Esa es una limitación real y no es razón para descartar el modelo — es la razón por la que vale la pena leer la especificación anterior línea por línea en lugar de hojear los porcentajes. Si quieres entender qué es Kolibri, la respuesta es un MoE de 78B de pesos abiertos, solo texto, alemán-inglés, con un límite de 1M de tokens y un mínimo de dos GPU. Si es el modelo adecuado para tu carga de trabajo es una pregunta que solo tu propia evaluación puede cerrar.