Kolibri：Aleph Alphaの78Bオープンウェイトモデルの実態とは

Kolibriは、Aleph Alphaによるオープンウェイトの言語モデルです。Aleph Alphaはハイデルベルクの研究所で、欧州の機関が自前のハードウェア上で実行できるモデルを必要としていると長年主張してきました。これは780億パラメータのMixture-of-Expertsシステムで、トークンあたり約34.6億パラメータを活性化し、読み書きできるのはドイツ語と英語のみで、検証済みのコンテキストウィンドウは1,048,576トークンです。重みはHugging Face上のAleph-Alpha/Kolibri-1というリポジトリに、Apache 2.0の下で公開されています。同じリリース資料ではKolibri Originについても説明されています。これは306億パラメータの前身モデルで、訓練され、内部で検証されましたが、公開されたことはありません。素の名前で検索してここにたどり着いたなら、それが短い答えです。このページの残りはその背後にある仕様であり、各数値はそれを公表している情報源に帰属します。

モデルは2026年10月3日にリリースされた——Aleph Alpha自身のニュース投稿（ハイデルベルク、10月5日）は、Kolibriが10月3日から利用可能であると述べており、モデルカードにも同じ日付が記載されている。この日付はモデルを位置づけるためにここに記したもので、発表するためではない。以下は定例版である：モデルが何であり、何ではないか、どの数値がAleph Alphaに由来し、どの数値が今日時点ではどこからも出ていないのか。

Kolibri、Kolibri-1、Kolibri Origin：3つの名前、1つのリリース

名称の整理が、読者にとって最初に押さえるべきことだ。というのも、ベンダーはそのうち2つを同じ意味で使っており、3つ目はまったく別のものに属しているからである。

• Kolibri — Aleph Alpha が書くあらゆるものにおけるモデル名：製品ページ、発表、技術レポート。ドイツ語の単語であり、ベンダーはまさにそのとおりに綴る。K は大文字、接尾辞なし。

• Kolibri-1 — リポジトリレベルでは同じモデルです。Hugging Face のリポジトリは Aleph-Alpha/Kolibri-1 で、ベンダーが公開しているサービングコマンドは vllm serve Aleph-Alpha/Kolibri-1 です。これはバージョン識別子であり、2つ目のモデルではなく、両方の文字列は同一の重みに解決されます。

• Kolibri Origin — 別のモデルであり、ダウンロードできるものではありません。2026年6月に事前学習を完了した306億パラメータ、アクティブ32.7億パラメータの前身モデルで、学習パイプラインの検証に使用され、公開されることはありませんでした。Aleph Alphaは、Kolibriのベンチマーク行の大半をこれとの対比列として報告しており、そのためKolibriに関するほぼすべての表でこの名前が登場します。重みを探しているなら、これが探すべきものではありません。

別個の「Kolibri 2」は存在せず、異なる名前で公開されたチャット向け調整版もなく、量子化された公式配布物も存在しない。ダウンロードインデックス上でその名前を名乗っているその他のものはすべてサードパーティによる変換であり、ベンダー自身の資料にはそのようなものは記載されていない。

サイズ：78Bという数字は正しく、すべてを決めるのは2番目の数字です。

「Kolibri 78B」に関する問い合わせが広まっており、ベンダーはそれを訂正するどころか認めている。重みとともに公開されたモデルカードによると、総パラメータ数は78,103,074,560で、そのうち3,457,573,120がトークンごとにアクティブになる。これはおよそ22.6対1のスパース率だ。

この区別は揚げ足取りではない。総パラメータ数はモデルに必要なメモリ量を決め、アクティブパラメータ数はトークンごとの計算コストを決める。アクティブが3.46Bの78Bモデルは、非常に大きな成果物でありながら、推論時にはトークン単位で見れば小さいモデルのように振る舞う——そしてまさにその理由で、Aleph Alphaはこれほどの規模のものに対して2基のGPUという展開の下限を提示できる。Kolibriについて、アクティブの数値を伴わずに78Bだけを伝える要約は、請求額を左右する部分を落としている。

自系列と比べた規模感では、Kolibri Originは合計30.6Bで、アクティブは3.27Bだった。Kolibriは総パラメータ数をほぼ2倍にしながら、アクティブ数はほとんど変えていない。これは生の速度についてというより、サービングコストあたりのキャパシティについての主張だ。

アーキテクチャとライセンス：重み（ウェイト）とは何か、そしてApache 2.0がここで実際にカバーしている範囲

Kolibriは、密なフィードフォワード層を一切持たない、50層のMixture-of-Expertsトランスフォーマーである。各層は384のエキスパートへルーティングし、トークンごとにそのうち6つがアクティブになり、さらに1つの共有エキスパートが加わる。エキスパートの中間次元は512、モデル次元は2,560である。アテンションはハイブリッドである。ほとんどの層は512トークンのスライディングウィンドウを使い、フルアテンションは5層ごとにのみ用いられる。Aleph Alphaのアーキテクチャ解説は、その結果を率直に述べている。Kolibri Originと比較して、16Kコンテキストでは純粋なアテンション作業の割合が51パーセントから27パーセントに低下し、フルアテンション層の数は約5分の1に減少する。

このトークナイザーは、12万8000トークンの語彙を持つドイツ語・英語のバイリンガルビルドで、ラボがUniBPEと呼ぶ手法で学習されている。2言語、あえてそうしている。ベンダーは、2つの十分にサポートされた言語を多言語の成果として提示するのではなく、その範囲を広さより深さと位置づけ、そう明言している。

ライセンスはApache 2.0であり、モデルカードはその境界について異例なほど正確に述べています。カード自身の表現では、ライセンスは「このリポジトリで公開されている重みと設定ファイルのみ」に適用され、基盤となるコード、アーキテクチャ定義、パラメータ設定、学習手法には及びません。したがって、導入チームにとっての実際上の立場はこうです。重みは真にオープンで、許容利用に関する付帯条項も、月間アクティブユーザー数の閾値も、別途の商用条件もなく商業利用できますが、ライセンスはAleph Alphaの学習レシピや推論コードに対する許諾ではありません。法務レビューで、これがOSIの意味でのオープンソースかと問われた場合、正直な答えは、明示された適用範囲の制限を伴う、OSI承認ライセンス下のオープンウェイトであり、それらは同じ主張ではない、ということです。

コンテキストウィンドウと最大出力

Aleph Alphaはコンテキストウィンドウを2つの階層で公開しており、その区別は維持する価値がある。

• 検証済みの最大値 — 1,048,576トークン。製品ページとモデルカードの両方に記載されています。

• ネイティブかつ推奨 — 262,144トークン。カードは、サービング効率および複雑なタスクのためにこの値以下に留まることを推奨しており、ベンダーのページでは256Kが実用的な数値とされています。

• トレーニングの進行 — 16,384トークンで事前学習し、65,536トークンのコンテキスト幅で中間学習を行い、その後、学習長として262,144まで拡張されました。

100万フルに到達することは、デフォルトで得られる設定ではありません。サービングレシピでは、明示的な maximum-model-length フラグと position-embedding のオーバーライドが必要であり、これらはベンダーが文書化しています。1M は文書化された手順を伴う検証済みの上限として、262K は本番ワークロードを設計する際の基準となる数値として受け止めてください。

最大出力長は公開されていません。製品ページにもモデルカードにも発表にも、生成上限は記載されていません。デプロイがハードな出力上限に依存する場合、それは Aleph Alpha あるいはご自身のサービング構成に関する問いであり、リリース資料が答えるものではありません。

モダリティ：テキストのみ、そしてそれは意図的な境界です

Kolibriはテキスト入力・テキスト出力のモデルです。このカードのパイプラインタグはテキスト生成で、モデルがテキスト入力処理してテキスト出力を生成すると説明し、学習コーパスはテキストのみであると記しています。視覚エンコーダーも、音声経路も、画像生成も、テキスト形式のツール呼び出し以外に文書化されたツール結果モダリティもありません。

ここは、ベンダー側の言葉と読み手の期待が最も頻繁に食い違う点なので、はっきり言っておく価値がある。Kolibri の名称、そのサイズ、あるいは同系列モデルのどれも、画像を受け付けると想定させるものではない。実際、受け付けない。Kolibri の対応言語はドイツ語と英語の2つであり、3つ目を扱えるようには作られていない — フランス語やスペイン語でのリクエストは、デモでそれがどう扱われていようと、設計対象外である。

それが備えているのは、ツール呼び出し——重みと同じリポジトリに同梱されたパーサーを伴う Hermes 流のもの——と推論努力レベル、none、low、medium、highの4段階であり、チャットテンプレートを通じて設定される。どちらも文書化された動作であり、コミュニティの発見ではない。

Aleph Alphaが主張していることと、他の誰かが測定したこと

2つのカテゴリーがあり、それらは同じ大きさではありません。

ベンダー報告。Aleph Alpha自身のハーネスによるもので、Aleph Alphaが実行し、Aleph Alphaが公開。Kolibriは、英語とドイツ語の提供における品質のパレートフロンティア上に位置する。アクティブパラメータ数の最大4倍のモデルと互角であり、ベンダーはKolibriでそれを示している。ドイツ語、推論、エージェント作業に特化しており、ツール使用の行が強力（Tau2-Bench telecom 94.7パーセント、retail 69.9パーセント、airline 76.7パーセント、BFCL v4 overall 61.4パーセント）で、推論の行も強い（GPQA Diamond 84.3パーセント英語、AIME 2025 96.9パーセント英語）。同じ表のドイツ語の数値 — GPQA Diamond 81.3パーセント、AIME 2025 87.5パーセント、AIME 2026 90パーセント — は、同じベンチマークのドイツ語版から来ている。

独立に測定されたものは、2026年10月13日時点では、何もない。Artificial AnalysisにはKolibriの項目がなく、そのプロバイダー一覧にAleph Alphaの行もない。モデルカード自体には、このモデルがHugging Face上のいかなる推論プロバイダーによってもデプロイされていないと記されている。また、ハーネスコードが研究所自身のリポジトリで公開されているにもかかわらず、ベンダーの評価フレームワークを再現したものを公開した第三者は存在しない。評価は徹底しているが、それは一つの研究所による評価にすぎない。ハイデルベルクの外にいる誰かがそれを実行するまでは、上記のあらゆるパーセンテージをベンダーの主張として扱え。

ベンダーの資料に含まれるある数値は、繰り返し引用するのではなく、特に慎重に扱うに値する。Aleph Alphaの製品ページには、KolibriのAA-Omniscience指数が33.6パーセントと示されている。この指数はArtificial Analysisが構築した指標であり、Artificial Analysisは現在Kolibriのエントリを公表していない。この数値は、Aleph Alphaが他社の指数を独自に実行したものであり、公表すること自体は正当だが、独立したスコアとして読むのは正当ではない。指数の所有者が数値を公表するまでは、これはベンダー報告の数値である。

実際にそれをどのように実行するか

指し示せるホスト型エンドポイントはありません。Kolibri は重みと推論パッケージとして配布されており、呼び出すということは自分で実行することを意味します。

• インストール — pip install "aleph-alpha-inference>=1.0"。これは Kolibri vLLM プラグインを提供し、対応する vLLM のバージョンを固定します。あるいはコンテナイメージghcr.io/aleph-alpha/aleph-alpha-inferenceをプルしてください。

• 提供 — Aleph-Alpha/Kolibri-1に対する標準的な vLLM 呼び出しで、FP8 KV キャッシュ、Kolibri 推論パーサー、Kolibri ツール呼び出しパーサー、および自動ツール選択を有効にしたものです。

メモリ — FP8 の重みは約 78 GB です。公表されている最小構成は A100 80 GB カード 2 枚、H100 SXM5 2 枚、H200 1 枚、B200 または B300 1 枚です。推奨構成は H100 SXM5 2 枚、H200 2 枚、B200 または B300 1 枚です。

• サンプリング — カードの推奨どおり、temperature 1.0、top-p 0.97、top-k 128。

• インターフェース — OpenAI 互換で、ローカルで提供。既存の chat-completions コードからそのまま接続先に指定でき、reasoning effort はチャットテンプレートを通じて伝達され、ツール呼び出しは標準の tools フィールドに入ります。

ベンダー自身のサインアップフォームでは、「Modelltest API」がリクエストカテゴリとして用意されているため、営業を通じてAPIについてやり取りすることは可能です。ただし、それが利用可能であるとか、価格が設定されているとか、セルフサービスであると説明した公開情報はありません。

リリース資料には価格について何も書かれていない。価格を付けるものなど何もないからだ。重みは無料でダウンロードでき、Kolibri を使うコストは、その下に置く GPU のコストである。Aleph Alpha も、このモデルについてレート制限や無料クレジット、試用枠を公表していない。それに反する主張は「available」という言葉からの推測であり、ベンダーのページに書かれた事実ではない。

OrcaRouterにはルートがなく、そして正直な代替案

本日、当社自身のカタログを確認しました。OrcaRouterは207モデルを提供していますが、Kolibriは、その名前のどの綴りであっても、またAleph Alphaの接頭辞が付いた形であっても、そこには含まれていません。これは、実際の疑問が「H100を2枚買わずにこれを呼び出せるのか」である読者にとって重要です。なぜなら、答えはノーだからです — ここでも、ベンダー自身のインフラ上でも、公開サービスとしては提供されていません。現時点でKolibriを実行する唯一の方法は、セルフホスティングです。

ドイツ語と英語に対応したMixture-of-Expertsモデルを今日の午後すぐに呼び出したいのであれば、当社が扱っている中で最も近いものはGemma 4 26B A4B ITです。オープンウェイトのMoEで、入力100万トークンあたり$0.06、出力100万トークンあたり$0.33、コンテキストウィンドウは262,144トークン——Kolibriが推奨する実用値と同じコンテキストクラスであり、78 GBのVRAMと調達の相談の代わりに、トークン単位の明細で済みます。 OrcaRouterは、扱うすべてのモデルをプロバイダーの定価で、一切の上乗せなくルーティングします。これは、あるワークロードがハードウェアを所有するだけの価値があるかどうかを安価に確かめる方法です。ただし、暗にではなく明示しておくべき注意点が二つあります。これは異なる重みを持つ別のモデルであり、Kolibriのドイツ語事前学習の深さの代わりにはなりません。これは、レンタルできるモデルと所有しなければならないモデルの間の、正直な比較です。

主権的展開を検討しているチームにとって、コミットするのではなくルーティングする2つ目の理由があります。ワークロードが現在ホスト型モデルによって提供されており、それをセルフホストのKolibriに移行することを検討しているなら、有用なテストは、2つのベンチマーク表を読むことではなく、両方を自社のトラフィックに対して実行することです。そして、ルーティングされたエンドポイントで自動フェイルオーバーは、そのテストを実行するのにリスクの低い場所ですすでに移行した本番パスよりも

コロリビの現在地

Aleph Alphaは、モデルに関する異例なほど完全な説明——トレーニングパイプライン、データの来歴、トークナイザー手法、エネルギー数値、そして構築された後に破棄された前身モデル——を公開し、企業が実際に導入できるライセンスの下で重みを提供した。データがどこに存在するかから調達規則が出発するドイツの公共部門または産業界の購入者にとって、その組み合わせこそが製品であり、いかなるベンチマークの行もそれに代わるものではない。

買い手がまだできないのは、その主張を検証することだ。独立した評価も、ホスト型エンドポイントも、他と比較できる価格も存在しない。つまり判断は、ベンダー自身の数値とセルフホストでの試用だけに委ねられる。これは現実的な制約であり、このモデルを切り捨てる理由にはならない——むしろ、上記の仕様をパーセンテージだけざっと流し読みするのではなく、一行ずつ読む価値がある理由である。Kolibriとは何かを理解したいなら、答えは、1Mトークンの上限と2GPUという最低要件を備えた、78Bのオープンウェイト、テキスト専用、ドイツ語・英語のMoEだ。それが自分のワークロードに適したモデルかどうかは、自分自身の評価でしか決着できない問いである。