Kolibri: cos'è davvero il modello open-weight da 78B di Aleph Alpha

Kolibri è un modello linguistico a pesi aperti di Aleph Alpha, il laboratorio di Heidelberg che da anni sostiene che le istituzioni europee necessitino di modelli che possano far girare sul proprio hardware. È un sistema mixture-of-experts da 78 miliardi di parametri che attiva circa 3,46 miliardi di parametri per token, legge e scrive tedesco e inglese e nient'altro, e presenta una finestra di contesto convalidata di 1.048.576 token. I pesi si trovano su Hugging Face in un repository chiamato Aleph-Alpha/Kolibri-1, con licenza Apache 2.0. Gli stessi materiali di rilascio descrivono anche Kolibri Origin, un predecessore da 30,6 miliardi di parametri che è stato addestrato, convalidato internamente e mai rilasciato. Se hai cercato il nome semplice e sei finito qui, questa è la risposta breve; il resto di questa pagina è la specifica che vi sta dietro, con ogni cifra attribuita alla fonte che la pubblica.

Il modello è stato rilasciato il 3 ottobre 2026 — il post di notizie della stessa Aleph Alpha, datato Heidelberg, 5 ottobre, afferma che Kolibri è disponibile dal 3 ottobre, e la scheda del modello reca la stessa data. Quella data serve a collocare il modello, non ad annunciarlo. Quello che segue è la versione stabile: cos'è il modello, cosa non è, quali numeri provengono da Aleph Alpha e quali, a oggi, non provengono da nessuno.

Kolibri, Kolibri-1, Kolibri Origin: tre nomi, un'unica release

La denominazione è la prima cosa che un lettore deve chiarire, perché il fornitore ne usa due in modo intercambiabile e un terzo appartiene a qualcosa di completamente diverso.

• Kolibri — il nome del modello in tutto ciò che Aleph Alpha scrive: la pagina del prodotto, l'annuncio, il rapporto tecnico. Una parola tedesca, e il fornitore la scrive esattamente così, K maiuscola, nessun suffisso.

• Kolibri-1 — lo stesso modello a livello di repository. Il repository Hugging Face è Aleph-Alpha/Kolibri-1, e il comando di serving pubblicato dal fornitore è vllm serve Aleph-Alpha/Kolibri-1. Si tratta di un identificatore di versione, non di un secondo modello, e le due stringhe corrispondono a pesi identici.

• Kolibri Origin — un modello diverso, e non uno che puoi scaricare. È il predecessore da 30,6 miliardi di parametri e 3,27 miliardi di parametri attivi che ha completato il pre-addestramento a giugno 2026, è stato usato per convalidare la pipeline di addestramento e non è mai stato pubblicato. Aleph Alpha riporta la maggior parte delle righe di benchmark di Kolibri come colonna abbinata rispetto ad esso, ed è per questo che il nome compare in quasi tutte le tabelle su Kolibri. Se stai cercando i pesi, questo non è quello da cercare.

Non esiste un "Kolibri 2" a sé stante, nessuna variante ottimizzata per la chat pubblicata con un nome, e nessuna distribuzione ufficiale quantizzata. Qualunque cosa rechi quel nome in un indice di download è una conversione di terze parti, e il materiale dello stesso fornitore non ne documenta alcuna.

Dimensione: la cifra di 78B è corretta, ed è il secondo numero che decide tutto.

Una query "Kolibri 78B" è in circolazione, e il fornitore la conferma invece di correggerla. Dalla model card, pubblicata insieme ai pesi: 78.103.074.560 parametri totali, di cui 3.457.573.120 attivi per token. Si tratta di un rapporto di sparsità di circa 22,6 a 1.

La distinzione non è pedanteria. I parametri totali determinano quanta memoria serve al modello; i parametri attivi determinano quanto calcolo costa ogni token. Un modello da 78B con 3,46B attivi è un artefatto molto grande che, in fase di inferenza, si comporta come uno piccolo su base per-token — ed è esattamente per questo che Aleph Alpha può indicare un requisito minimo di due GPU per qualcosa di queste dimensioni. Qualsiasi riassunto di Kolibri che ti dia 78B senza la cifra degli attivi ha omesso la parte che determina il costo.

Per dare un'idea della scala rispetto alla sua stessa discendenza: Kolibri Origin era 30,6B in totale con 3,27B attivi. Kolibri raddoppia all'incirca il conteggio totale dei parametri mentre muove appena il conteggio degli attivi, il che è un'affermazione sulla capacità per unità di costo di erogazione più che sulla velocità grezza.

Architettura e licenza: cosa sono i pesi e cosa copre effettivamente Apache 2.0 in questo caso

Kolibri è un transformer mixture-of-experts a 50 strati senza alcun strato feed-forward denso. Ogni strato instrada verso 384 esperti, sei dei quali attivi per token, più un esperto condiviso; la dimensione intermedia degli esperti è 512 e la dimensione del modello è 2.560. L'attenzione è ibrida: la maggior parte degli strati utilizza una finestra scorrevole di 512 token, con attenzione completa solo ogni quinto strato. La documentazione architetturale di Aleph Alpha espone chiaramente la conseguenza — la frazione di lavoro di pura attenzione scende dal 51 per cento al 27 per cento con un contesto di 16K rispetto a Kolibri Origin, e il numero di strati ad attenzione completa cala di circa un fattore cinque.

Il tokenizer è una build bilingue tedesco-inglese con un vocabolario di 128.000 token, addestrata con un metodo che il laboratorio chiama UniBPE. Due lingue, deliberatamente: il fornitore inquadra l'ambito come profondità anziché ampiezza e lo dice a chiare lettere, invece di presentare due lingue ben servite come un risultato multilingue.

La licenza è Apache 2.0, e la model card è insolitamente precisa riguardo al suo confine. La licenza si applica, secondo le parole della card stessa, «solo ai pesi e ai file di configurazione pubblicati in questo repository» — non si estende al codice sottostante, alla definizione dell'architettura, alle impostazioni dei parametri o al metodo di addestramento. Quindi la posizione pratica per un team di deployment è questa: i pesi sono realmente aperti e utilizzabili commercialmente, senza clausola di uso accettabile, senza soglia di utenti attivi mensili e senza termini commerciali separati, ma la licenza non è una concessione sulla ricetta di addestramento di Aleph Alpha o sul suo codice di inferenza. Se la vostra revisione legale chiede se questo è open source nel senso dell'OSI, la risposta onesta è che si tratta di pesi aperti sotto una licenza approvata dall'OSI con un limite di ambito dichiarato, e non sono la stessa affermazione.

Finestra di contesto e output massimo

Aleph Alpha pubblica la finestra di contesto su due livelli, e vale la pena mantenere questa distinzione.

• Massimo convalidato — 1.048.576 token, dichiarato sia sulla pagina del prodotto sia sulla scheda del modello.

• Nativo e consigliato — 262.144 token. La scheda consiglia di restare a questo valore o al di sotto per l'efficienza del serving e per le attività complesse; la pagina del fornitore indica 256K come valore operativo.

• Progressione dell'addestramento — pre-addestrato con 16.384 token, addestrato in fase intermedia con un orizzonte di 65.536 token, quindi esteso a 262.144 come lunghezza di addestramento.

Raggiungere il milione completo non è una configurazione che si ottiene per impostazione predefinita. La ricetta di serving richiede un flag esplicito maximum-model-length e un override dell'embedding posizionale, documentati dal fornitore. Interpreta 1M come un tetto convalidato con una procedura documentata, e 262K come il numero su cui progettare un carico di lavoro di produzione.

La lunghezza massima dell'output non è pubblicata. Né la pagina del prodotto, né la model card né l'annuncio indicano un limite di generazione. Se un deployment dipende da un limite massimo rigido dell'output, la domanda va rivolta ad Aleph Alpha o riguarda la vostra configurazione di serving — non è qualcosa a cui il materiale di rilascio risponde.

Modalità: solo testo, e questo è un limite deliberato.

Kolibri è un modello da testo a testo. Il tag pipeline della scheda è text generation, descrive il modello come elaborazione di input testuale e produzione di output testuale, e osserva che il corpus di addestramento è solo testuale. Nessun encoder visivo, nessun percorso audio, nessuna generazione di immagini, nessuna modalità documentata di risultati di strumenti oltre a chiamate a strumenti in forma testuale.

È qui che il linguaggio del fornitore e le aspettative del lettore divergono più spesso, quindi vale la pena dirlo chiaramente: nulla nel nome di Kolibri, nelle sue dimensioni o nei suoi modelli fratelli dovrebbe indurti a supporre che accetti immagini. Non è così. Le sue due lingue sono il tedesco e l'inglese, e non è progettato per gestirne una terza — una richiesta in francese o spagnolo è al di fuori dell'obiettivo di progettazione, indipendentemente da ciò che una demo ne fa.

Quello che ha è la chiamata di strumenti — in stile Hermes, con un parser distribuito nello stesso repository dei pesi — e quattro livelli di sforzo di ragionamento, nessuno, basso, medio e alto, impostati tramite il template di chat. Entrambi sono comportamenti documentati, non scoperte della community.

Quello che Aleph Alpha sostiene, e quello che chiunque altro ha misurato

Due categorie, e non sono della stessa dimensione.

Riportato dal fornitore, dall'harness della stessa Aleph Alpha, eseguito da Aleph Alpha, pubblicato da Aleph Alpha: Kolibri si colloca sulla frontiera di Pareto della qualità rispetto al costo di servizio per l'inglese e il tedesco; eguaglia modelli con un numero di parametri attivi fino a quattro volte il suo, un'affermazione che il fornitore illustra con Nemotron 3 Super, un modello 120B-A12B; è specializzato in tedesco, ragionamento, matematica e lavoro agentico, con solide righe dedicate all'uso degli strumenti (Tau2-Bench telecom 94,7 per cento, retail 69,9 per cento, airline 76,7 per cento; BFCL v4 complessivo 61,4 per cento) e righe dedicate al ragionamento (GPQA Diamond 84,3 per cento in inglese, AIME 2025 96,9 per cento in inglese). Le cifre tedesche in quella stessa tabella — GPQA Diamond 81,3 per cento, AIME 2025 87,5 per cento, AIME 2026 90 per cento — provengono da una resa in lingua tedesca degli stessi benchmark.

Misurato in modo indipendente, alla data del 13 ottobre 2026: nulla. Non esiste una voce di Artificial Analysis per Kolibri e nessuna riga di Aleph Alpha nel suo elenco di provider; la model card stessa dichiara che il modello non è distribuito da alcun provider di inferenza su Hugging Face; e nessuna terza parte ha pubblicato una riproduzione del framework di valutazione del fornitore, anche se il codice dell'harness è pubblico nel repository dello stesso laboratorio. La valutazione è approfondita ed è la valutazione di un solo laboratorio. Considera ogni percentuale sopra come un'affermazione del fornitore finché qualcuno al di fuori di Heidelberg non la esegue.

Un numero nel materiale del fornitore merita particolare cautela anziché ripetizione. La pagina prodotto di Aleph Alpha mostra un indice AA-Omniscience di 33,6 per cento per Kolibri. Quell'indice è un costrutto di Artificial Analysis, e Artificial Analysis attualmente non pubblica alcuna voce per Kolibri. Il dato è un'esecuzione di Aleph Alpha di un indice altrui, che è legittimo pubblicare e illegittimo leggere come punteggio indipendente. È un numero riportato dal fornitore finché il titolare dell'indice non ne pubblica uno.

Come lo esegui davvero

Non c'è alcun endpoint ospitato a cui puntare. Kolibri è distribuito come pesi più un pacchetto di inferenza, e chiamarlo significa eseguirlo tu stesso.

• Installa — pip install "aleph-alpha-inference>=1.0", che fornisce il plugin Kolibri vLLM e fissa la versione di vLLM supportata; in alternativa, esegui il pull dell'immagine container ghcr.io/aleph-alpha/aleph-alpha-inference.

• Serve — un'invocazione vLLM standard contro Aleph-Alpha/Kolibri-1, con una cache KV FP8, il parser di ragionamento Kolibri, il parser delle chiamate agli strumenti Kolibri e la selezione automatica degli strumenti abilitata.

• Memoria — i pesi FP8 sono circa 78 GB. Il minimo pubblicato è due schede A100 80 GB, due H100 SXM5, una H200, una B200 o una B300; la configurazione consigliata è due H100 SXM5, due H200, una B200 o una B300.

• Campionamento — temperatura 1.0, top-p 0.97, top-k 128, secondo la raccomandazione della scheda.

• Interfaccia — compatibile con OpenAI, servita localmente. Il codice esistente per le chat completions può puntarvi; lo sforzo di ragionamento passa attraverso il template della chat e le chiamate agli strumenti finiscono nel campo standard tools.

Il modulo di iscrizione del fornitore stesso offre «Modelltest API» come categoria di richiesta, quindi è possibile un dialogo API tramite il reparto vendite. Nulla di pubblicato lo descrive come disponibile, con un prezzo o self-service.

Nulla nel materiale di rilascio indica un prezzo, perché non c'è nulla da prezzare: i pesi sono gratuiti da scaricare e il costo di utilizzo di Kolibri è il costo delle GPU che ci metti sotto. Aleph Alpha inoltre non pubblica limiti di frequenza, né crediti gratuiti, né un livello di prova per il modello — qualsiasi affermazione contraria sarebbe un'inferenza dalla parola "available", non un fatto ricavato dalle pagine del fornitore.

Nessuna rotta su OrcaRouter, e l'alternativa onesta

Oggi abbiamo controllato il nostro catalogo: OrcaRouter serve 207 modelli e Kolibri non è tra questi, in nessuna grafia del nome né con il prefisso Aleph Alpha. Questo è importante per un lettore la cui domanda effettiva è "posso chiamarlo senza comprare H100", perché la risposta è no — non qui, e nemmeno sull'infrastruttura propria del fornitore come servizio pubblicato. Il self-hosting è l'unico modo per eseguire Kolibri in questo momento.

Se quello che ti serve è un modello mixture-of-experts in grado di gestire tedesco e inglese e che puoi chiamare questo pomeriggio, la cosa più vicina che abbiamo in catalogo è Gemma 4 26B A4B IT, un MoE open-weight a 0,06 $ per milione di token in input e 0,33 $ per milione di token in output con una finestra di 262.144 token — la stessa classe di contesto della cifra di lavoro consigliata da Kolibri, a un costo per token invece di 78 GB di VRAM e di una conversazione con il reparto acquisti. OrcaRouter instrada ogni modello che offre al prezzo di listino del fornitore, senza alcun ricarico, che è il modo economico per scoprire se un carico di lavoro giustifica il possesso dell'hardware. Due avvertenze, dichiarate anziché sottintese: questo è un modello diverso, con pesi diversi, e non sostituisce la profondità del pre-addestramento in tedesco di Kolibri. È il confronto onesto tra un modello che puoi affittare e un modello che devi possedere.

Per un team che valuta una distribuzione sovrana, c'è una seconda ragione per instradare invece di impegnarsi. Se un carico di lavoro è attualmente servito da un modello ospitato e stai considerando di spostarlo su Kolibri self-hosted, il test utile è eseguirli entrambi sul tuo traffico, non leggere due tabelle di benchmark — e un endpoint instradato con il failover automatico è un contesto a rischio inferiore per eseguire quel test rispetto a un percorso di produzione che hai già migrato.

Dove si posiziona Kolibri

Aleph Alpha ha pubblicato un resoconto insolitamente completo di un modello — la pipeline di addestramento, la provenienza dei dati, il metodo del tokenizer, il dato energetico e un predecessore che è stato costruito e poi scartato — e ha distribuito i pesi con una licenza in base alla quale un'azienda può effettivamente fare il deployment. Per un acquirente tedesco del settore pubblico o industriale le cui regole di approvvigionamento iniziano da dove risiedono i dati, quella combinazione è il prodotto, e nessuna riga di benchmark può sostituirla.

Ciò che un acquirente non può ancora fare è verificare le affermazioni. Non esiste una valutazione indipendente, nessun endpoint ospitato e nessun prezzo da confrontare con qualcos'altro, il che significa che la decisione si basa sui numeri del fornitore stesso più una prova self-hosted. Questo è un limite reale e non è un motivo per scartare il modello — è il motivo per cui la specifica sopra vale la pena di essere letta riga per riga anziché scorrere rapidamente le percentuali. Se vuoi capire cos'è Kolibri, la risposta è un MoE tedesco-inglese, solo testo, open-weight da 78B, con un tetto di 1M token e un requisito minimo di due GPU. Se sia il modello giusto per il tuo carico di lavoro è una domanda a cui solo la tua valutazione può rispondere.