Kolibri : ce qu'est réellement le modèle à poids ouverts de 78B d'Aleph Alpha

Kolibri est un modèle de langage à poids ouverts d’Aleph Alpha, le laboratoire de Heidelberg qui a passé des années à soutenir que les institutions européennes ont besoin de modèles qu’elles peuvent exécuter sur leur propre matériel. Il s’agit d’un système de mélange d’experts de 78 milliards de paramètres qui active environ 3,46 milliards de paramètres par token, lit et écrit l’allemand et l’anglais, et rien d’autre, et dispose d’une fenêtre de contexte validée de 1 048 576 tokens. Les poids se trouvent sur Hugging Face dans un dépôt appelé Aleph-Alpha/Kolibri-1, sous licence Apache 2.0. Les mêmes documents de publication décrivent également Kolibri Origin, un prédécesseur de 30,6 milliards de paramètres qui a été entraîné, validé en interne et jamais publié. Si vous avez recherché le nom seul et êtes arrivé ici, voilà la réponse courte ; le reste de cette page est la spécification qui la sous-tend, chaque chiffre étant attribué à la source qui le publie.

Le modèle est sorti le 3 octobre 2026 — l'article d'actualité d'Aleph Alpha lui-même, daté de Heidelberg, le 5 octobre, indique que Kolibri est disponible depuis le 3 octobre, et la fiche du modèle porte la même date. Cette date sert ici à situer le modèle, non à l'annoncer. Ce qui suit est la version en vigueur : ce qu'est le modèle, ce qu'il n'est pas, quels chiffres proviennent d'Aleph Alpha et lesquels, à ce jour, ne proviennent d'absolument personne.

Kolibri, Kolibri-1, Kolibri Origin : trois noms, une seule version

Le nommage est la première chose qu’un lecteur doit bien assimiler, car le fournisseur en emploie deux de manière interchangeable et un troisième relève d’une tout autre chose.

• Kolibri — le nom du modèle dans tout ce qu’Aleph Alpha écrit : la page produit, l’annonce, le rapport technique. Un mot allemand, et le fournisseur l’orthographie exactement ainsi, avec un K majuscule, sans suffixe.

• Kolibri-1 — le même modèle au niveau du dépôt. Le dépôt Hugging Face est Aleph-Alpha/Kolibri-1, et la commande de service publiée par le fournisseur est vllm serve Aleph-Alpha/Kolibri-1. Il s'agit d'un identifiant de version, et non d'un second modèle, et les deux chaînes correspondent à des poids identiques.

• Kolibri Origin — un modèle différent, et qui ne se télécharge pas. Il s'agit du prédécesseur de 30,6 milliards de paramètres et de 3,27 milliards de paramètres actifs qui a terminé son pré-entraînement en juin 2026, a servi à valider le pipeline d'entraînement, et n'a jamais été publié. Aleph Alpha indique la plupart des lignes de benchmarks de Kolibri dans une colonne appariée en regard de celui-ci, ce qui explique pourquoi le nom revient dans presque tous les tableaux sur Kolibri. Si vous cherchez des poids, ce n'est pas celui-ci qu'il faut rechercher.

Il n'existe pas de « Kolibri 2 » distinct, aucune variante optimisée pour le chat publiée sous un autre nom, et aucune distribution officielle quantifiée. Tout autre élément portant ce nom dans un index de téléchargement est une conversion réalisée par un tiers, et la documentation propre du fournisseur n'en documente aucune.

Taille : le chiffre de 78B est correct, et c’est le deuxième nombre qui décide de tout.

Une requête « Kolibri 78B » circule, et le fournisseur la confirme plutôt que de la corriger. D’après la fiche du modèle, publiée avec les poids : 78 103 074 560 paramètres au total, dont 3 457 573 120 actifs par token. Cela représente un ratio de parcimonie d’environ 22,6 pour 1.

La distinction n'est pas du pédantisme. Le nombre total de paramètres détermine la quantité de mémoire dont le modèle a besoin ; les paramètres actifs déterminent le coût de calcul de chaque token. Un modèle de 78B avec 3,46B d'actifs est un artefact très volumineux qui se comporte, au moment de l'inférence, comme un petit modèle par token — et c'est précisément pourquoi Aleph Alpha peut annoncer un plancher de déploiement à deux GPU pour une taille pareille. Tout résumé de Kolibri qui vous donne 78B sans le chiffre des paramètres actifs a omis l'élément qui régit la facture.

Pour mettre en perspective à l’échelle de sa propre lignée : Kolibri Origin totalisait 30,6 B de paramètres au total, dont 3,27 B actifs. Kolibri double à peu près le nombre total de paramètres tout en ne faisant pratiquement pas bouger le nombre de paramètres actifs, ce qui en dit plus sur la capacité par unité de coût de service que sur la vitesse brute.

Architecture et licence : ce que sont les poids, et ce que Apache 2.0 couvre réellement ici

Kolibri est un transformeur à mélange d'experts de 50 couches, sans aucune couche feed-forward dense. Chaque couche achemine vers 384 experts, dont six sont actifs par token, plus un expert partagé ; la dimension intermédiaire des experts est de 512 et la dimension du modèle est de 2 560. L'attention est hybride : la plupart des couches utilisent une fenêtre glissante de 512 tokens, l'attention complète n'apparaissant que toutes les cinq couches. La note d'architecture d'Aleph Alpha expose clairement la conséquence : la fraction de travail d'attention pure passe de 51 % à 27 % dans un contexte de 16 K par rapport à Kolibri Origin, et le nombre de couches à attention complète chute d'un facteur d'environ cinq.

Le tokeniseur est une version bilingue allemand-anglais dotée d’un vocabulaire de 128 000 tokens, entraînée avec une méthode que le laboratoire appelle UniBPE. Deux langues, délibérément : le fournisseur présente la portée comme une priorité donnée à la profondeur plutôt qu’à l’étendue et le dit en toutes lettres, plutôt que de présenter deux langues bien desservies comme une réussite multilingue.

La licence est Apache 2.0, et la fiche modèle est d'une précision inhabituelle quant à sa délimitation. La licence s'applique, selon les termes mêmes de la fiche, « uniquement aux pondérations et aux fichiers de configuration publiés dans ce dépôt » — elle ne s'étend pas au code sous-jacent, à la définition de l'architecture, aux réglages des paramètres ni à la méthode d'entraînement. Ainsi, la position pratique pour une équipe de déploiement est la suivante : les pondérations sont véritablement ouvertes et exploitables commercialement, sans clause d'usage acceptable, sans seuil d'utilisateurs actifs mensuels et sans conditions commerciales distinctes, mais la licence ne constitue pas une autorisation portant sur la recette d'entraînement d'Aleph Alpha ni sur son code d'inférence. Si votre service juridique demande s'il s'agit de logiciel libre au sens de l'OSI, la réponse honnête est qu'il s'agit de pondérations ouvertes sous une licence approuvée par l'OSI avec une limite de portée énoncée, et ce ne sont pas les mêmes affirmations.

Fenêtre de contexte et sortie maximale

Aleph Alpha publie la fenêtre de contexte en deux paliers, et cette distinction mérite d'être conservée.

• Maximum validé — 1 048 576 tokens, indiqué à la fois sur la page produit et sur la fiche du modèle.

• Natif et recommandé — 262 144 jetons. La fiche recommande de rester à ce niveau ou en dessous pour l'efficacité de service et pour les tâches complexes ; la page du fournisseur qualifie 256 K de chiffre de travail.

• Progression de l'entraînement — pré-entraîné avec 16 384 tokens, entraîné à mi-parcours avec un horizon de 65 536 tokens, puis étendu à 262 144 comme longueur d'entraînement.

Atteindre le million complet n’est pas une configuration que vous obtenez par défaut. La recette de service nécessite un flag explicite de longueur maximale du modèle et une surcharge de l’embedding de position, comme le documente le fournisseur. Considérez 1M comme un plafond validé avec une procédure documentée, et 262K comme le nombre autour duquel concevoir une production.

La longueur de sortie maximale n'est pas publiée. Ni la page produit, ni la fiche du modèle, ni l'annonce n'indiquent de plafond de génération. Si un déploiement dépend d'une limite de sortie stricte, c'est une question à poser à Aleph Alpha ou à votre propre configuration de service — et non une question à laquelle les documents de publication répondent.

Modalités : texte uniquement, et c'est une frontière délibérée.

Kolibri est un modèle texte en entrée, texte en sortie. L’étiquette de pipeline de la fiche est la génération de texte ; elle décrit le modèle comme traitant une entrée textuelle et produisant une sortie textuelle, et elle précise que le corpus d’entraînement est uniquement textuel. Pas d’encodeur visuel, pas de voie audio, pas de génération d’images, aucune modalité de résultat d’outil documentée au-delà des appels d’outils sous forme textuelle.

C’est le point où le discours du fournisseur et les attentes du lecteur divergent le plus souvent, alors il vaut la peine de le dire sans détour : rien dans le nom de Kolibri, sa taille ou ses modèles frères ne devrait vous inciter à supposer qu’il accepte des images. Ce n’est pas le cas. Ses deux langues sont l’allemand et l’anglais, et il n’est pas conçu pour en gérer une troisième — une requête en français ou en espagnol sort du périmètre de conception, peu importe ce qu’une démo en fait.

Ce qu'il a, en revanche, c'est l'appel d'outils — à la manière d'Hermes, avec un parseur livré dans le même dépôt que les poids — et quatre niveaux d'effort de raisonnement, aucun, faible, moyen et élevé, définis via le template de chat. Ces deux éléments sont des comportements documentés, et non des découvertes de la communauté.

Ce qu'Aleph Alpha affirme, et ce que n'importe qui d'autre a mesuré

Deux catégories, et elles ne sont pas de la même taille.

Rapporté par le fournisseur, à partir du propre harnais d'Aleph Alpha, exécuté par Aleph Alpha, publié par Aleph Alpha : Kolibri se situe sur la frontière de Pareto entre qualité et coût de service pour l'anglais et l'allemand ; il égale des modèles dont le nombre de paramètres actifs est jusqu'à quatre fois supérieur au sien, une affirmation que le fournisseur illustre avec Nemotron 3 Super, un modèle 120B-A12B ; il est spécialisé pour l'allemand, le raisonnement, les mathématiques et le travail agentique, avec de solides lignes d'utilisation d'outils (Tau2-Bench télécom 94,7 %, commerce de détail 69,9 %, compagnie aérienne 76,7 % ; BFCL v4 global 61,4 %) et des lignes de raisonnement (GPQA Diamond 84,3 % en anglais, AIME 2025 96,9 % en anglais). Les chiffres allemands de ce même tableau — GPQA Diamond 81,3 %, AIME 2025 87,5 %, AIME 2026 90 % — proviennent d'un rendu en langue allemande des mêmes benchmarks.

Mesures indépendantes, au 13 octobre 2026 : aucune. Il n’existe aucune fiche Artificial Analysis pour Kolibri et aucune ligne Aleph Alpha dans sa liste de fournisseurs ; la fiche du modèle elle-même indique que le modèle n’est déployé par aucun fournisseur d’inférence sur Hugging Face ; et aucun tiers n’a publié de reproduction du cadre d’évaluation du fournisseur, alors même que le code du harnais est public dans le dépôt du laboratoire lui-même. L’évaluation est minutieuse, mais elle reste l’évaluation d’un seul laboratoire. Considérez chaque pourcentage ci-dessus comme une affirmation du fournisseur tant que quelqu’un d’extérieur ne l’a pas exécutée.

Un chiffre dans les documents du fournisseur mérite d’être traité avec un soin particulier plutôt que d’être simplement répété. La page produit d’Aleph Alpha affiche un indice AA-Omniscience de 33,6 pour cent pour Kolibri. Cet indice est une construction d’Artificial Analysis, et Artificial Analysis ne publie actuellement aucune entrée Kolibri. Ce chiffre provient de l’exécution par Aleph Alpha de l’indice d’un tiers, ce qu’il est légitime de publier, mais illégitime d’interpréter comme un score indépendant. C’est un chiffre déclaré par le fournisseur tant que le propriétaire de l’indice n’en publie pas un.

Comment vous le lancez réellement

Il n'existe aucun point de terminaison hébergé vers lequel pointer. Kolibri est distribué sous forme de poids accompagnés d'un paquet d'inférence, et pour l'utiliser, il faut l'exécuter vous-même.

• Installer — pip install "aleph-alpha-inference>=1.0", qui fournit le plugin Kolibri vLLM et fixe la version de vLLM qu'il prend en charge ; vous pouvez également récupérer l'image de conteneur ghcr.io/aleph-alpha/aleph-alpha-inference.

• Servir — un appel vLLM standard sur Aleph-Alpha/Kolibri-1, avec un cache KV FP8, le parseur de raisonnement Kolibri, le parseur d'appels d'outils Kolibri et le choix automatique des outils activés.

• Mémoire — les poids FP8 font environ 78 Go. Le minimum publié est de deux cartes A100 80 Go, deux H100 SXM5, un H200, un B200 ou un B300 ; la configuration recommandée est de deux H100 SXM5, deux H200, un B200 ou un B300.

• Échantillonnage — température 1,0, top-p 0,97, top-k 128, selon la recommandation de la carte.

• Interface — compatible OpenAI, servie localement. Le code existant de chat-completions peut pointer vers elle ; l'effort de raisonnement passe par le template de chat et les appels d'outils arrivent dans le champ standard tools.

Le formulaire d’inscription du fournisseur lui-même propose « Modelltest API » comme catégorie de demande, donc un échange au sujet de l’API est possible via le service commercial. Rien de publié ne le décrit comme disponible, tarifé ou en libre-service.

Rien dans les documents de lancement n’indique de prix, car il n’y a rien à tarifer : les poids sont gratuits à télécharger et le coût d’utilisation de Kolibri est le coût des GPU que vous placez en dessous. Aleph Alpha ne publie pas non plus de limites de débit, de crédits gratuits ni de niveau d’essai pour le modèle — toute affirmation contraire relèverait d’une déduction à partir du mot « available », et non d’un fait figurant sur les pages du fournisseur.

Aucune route sur OrcaRouter, et l'alternative honnête

Nous avons vérifié notre propre catalogue aujourd'hui : OrcaRouter propose 207 modèles et Kolibri n'en fait pas partie, quelle que soit l'orthographe du nom ou du préfixe Aleph Alpha. Cela compte pour un lecteur dont la véritable question est « puis-je l'appeler sans acheter deux H100s », parce que la réponse est non — pas ici, et pas sur l'infrastructure du fournisseur lui-même en tant que service publié. L'auto-hébergement est le seul moyen d'exécuter Kolibri pour l'instant.

Si ce qu'il vous faut, c'est un modèle mixture-of-experts capable de traiter l'allemand et l'anglais que vous pouvez appeler dès cet après-midi, ce que nous proposons de plus proche est Gemma 4 26B A4B IT, un MoE à poids ouverts à 0,06 $ par million de tokens d'entrée et 0,33 $ par million de tokens de sortie, avec une fenêtre de 262 144 tokens — la même classe de contexte que le chiffre de travail recommandé par Kolibri, facturé au token plutôt que 78 Go de VRAM et une conversation avec le service achats. OrcaRouter achemine chaque modèle qu'il propose au prix catalogue du fournisseur, sans rien ajouter, ce qui est la façon économique de déterminer si une charge de travail justifie de posséder le matériel. Deux mises en garde, énoncées plutôt que sous-entendues : il s'agit d'un modèle différent, avec des poids différents, et il ne remplace pas la profondeur de préentraînement en allemand de Kolibri. C'est la comparaison honnête entre un modèle que vous pouvez louer et un modèle que vous devez posséder.

Pour une équipe qui envisage un déploiement souverain, il existe une deuxième raison de router plutôt que de s'engager. Si une charge de travail est actuellement servie par un modèle hébergé et que vous envisagez de la déplacer vers Kolibri auto-hébergé, le test utile consiste à exécuter les deux sur votre propre trafic, et non à lire deux tableaux de benchmarks — et un point de terminaison routé avec le basculement automatique est un endroit moins risqué pour effectuer ce test qu'un chemin de production que vous avez déjà migré.

La position de Kolibri

Aleph Alpha a publié un compte rendu d'une exhaustivité inhabituelle sur un modèle — le pipeline d'entraînement, la provenance des données, la méthode de tokenisation, le chiffre de consommation énergétique et un prédécesseur qui a été construit puis abandonné — et a livré les poids sous une licence sous laquelle une entreprise peut réellement déployer. Pour un acheteur allemand du secteur public ou industriel dont les règles d'achat commencent par l'endroit où résident les données, cette combinaison est le produit, et aucune ligne de benchmark ne peut la remplacer.

Ce qu'un acheteur ne peut pas encore faire, c'est vérifier les affirmations. Il n'existe pas d'évaluation indépendante, pas de point de terminaison hébergé et pas de prix à comparer à quoi que ce soit d'autre, ce qui signifie que la décision repose sur les propres chiffres du fournisseur, ainsi que sur un essai auto-hébergé. C'est une véritable limite, et ce n'est pas une raison pour écarter le modèle — c'est la raison pour laquelle la spécification ci-dessus mérite d'être lue ligne par ligne plutôt que de survoler les pourcentages. Si vous voulez comprendre ce qu'est Kolibri, la réponse est un MoE de 78B à poids ouverts, texte uniquement, allemand-anglais, avec un plafond de 1M de tokens et un minimum de deux GPU. Savoir s'il s'agit du bon modèle pour votre charge de travail est une question que seule votre propre évaluation peut trancher.