Gegenereerde hero-kaart voor Kolibri vs Qwen 3.8, met als kop 'Kolibri vs Qwen 3.8' en de subregel 'soevereine Duitse dienstverlening tegen een open Chinese familie', een kolibrie-icoon links en een wolkenomtrek rechts aan weerszijden van een dunne scheidingslijn. Het OrcaRouter-logo staat in de strook onder de artwork.
Guides & Insights

Kolibri vs Qwen 3.8: het Duitse model verliest op eigen terrein, en dat is nu juist het punt

Auteur

Alistair Wren

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Begin met de zin die de meeste verslaggeving over de lancering van Kolibri wegliet. Op de benchmarktabel die Aleph Alpha op 3 oktober 2026 samen met zijn eigen model publiceerde, is het model waarmee Kolibri het vaakst wordt vergeleken geen Europese rivaal en ook geen Amerikaanse. Het is Qwen3.8 27B, de open-weightvariant van de leverancier voor die generatie, uitgebracht op 13 augustus 2026 — en volgens de eigen cijfers van Aleph Alpha wint het. Qwen3.8 27B scoort 80,2 op het Engelse gemiddelde en 79,9 op het Duitse gemiddelde van dezelfde evaluatiesuite die Kolibri 75,5 en 70,8 geeft. Het leidt bij GPQA Diamond, 89,2 tegen 84,3. Het leidt bij LiveCodeBench v6, 93,8 tegen 85,9. Het leidt bij SWE-Bench Verified, 72,6 tegen 66,4, en op beide long-contextbenchmarks, 76,9 tegen 64,5 op LongBench Pro en 81,3 tegen 68,3 op AA-LCR. Een dense Chinees model met 27 miljard parameters, geëvalueerd door een Duits lab, verslaat het vlaggenschipmodel van dat lab met 78 miljard parameters op het grootste deel van zijn eigen tabel. Dat is geen schandaal. Het is het nuttigste feit in de release, omdat het de vraag afdwingt waarvoor Kolibri eigenlijk dient.

Eén verduidelijking voordat de vergelijking verdergaat, want "Qwen 3.8" is de naam van een familie en niet van een model, en die verschillen zijn hier van belang. Qwen3.8-Max is het gehoste vlaggenschip van Alibaba, live sinds 3 augustus 2026 met een contextvenster van 1M tokens voor $2,00 per miljoen inputtokens en $6,00 output. Qwen3.8-27B is de open-weights-tier, uitgebracht op 13 augustus 2026 met een venster van 262.144 tokens. Qwen3.8-Flash is de volumetier, uitgebracht op 26 augustus 2026 met het 1M-tokenvenster en veel lagere prijzen. En het gewone Qwen3.8 — aangekondigd op 19 juli 2026 als een open-weight vlaggenschip met 2,4 biljoen parameters — is niet uitgebracht; het bestaat als een catalogus-trackingpagina en een aankondiging. Alles hieronder gaat over degene met gewichten die je kunt downloaden en draaien, namelijk de 27B.

Waar Kolibri daadwerkelijk wint, lees je af uit dezelfde tabel.

De rijen waar Kolibri voorloopt op Qwen3.8 27B zijn niet willekeurig verspreid. Ze clusteren, en het cluster is het product.

• Onthouding — op RGB Negative scoort Kolibri 85,6 tegenover 70,6. Wanneer de context het antwoord niet bevat, geeft Kolibri dat veel vaker aan.

• Tool-aanroepen onder beperking — op τ²-bench telecom 94,7 tegen 82,5; op de verticale suite voor automotive-leveranciers 99,0 tegen 97,3.

• Zeer lange context — op SealQA zonder afleiders boven 24k tokens, 100,0 tegen 94,4.

Duitse serving-economie — een tweetalige tokenizer die op Duitse webtekst uitkomt op gemiddeld 4,90 bytes per token, tegenover 4,17 voor de Qwen3.5–3.8-familie volgens de eigen meting van Aleph Alpha. Minder tokens per Duits document is een directe verlaging van de inferentiekosten die op een factuur terug te zien is en in geen enkele benchmarkregel.

Drie van die vier gaan over gedrag in plaats van capaciteit. Onthouding, beperkte tool-calling en gegronde long-contextretrieval zijn wat je nodig hebt van een model dat het eigen materiaal van je organisatie leest en geacht wordt toe te geven wanneer het materiaal de vraag niet beantwoordt. Aleph Alpha bouwde de hele release rond die gok, en de tabel laat zien dat de gok slaagt.

Generated two-column scoreboard for Kolibri and Qwen3.8 27B. Left column Kolibri: English average 75.5, German average 70.8, abstention 85.6, GPQA Diamond 84.3, SWE-Bench Verified 66.4, licence Apache 2.0. Right column Qwen3.8 27B: English average 80.2, German average 79.9, abstention 70.6, GPQA Diamond 89.2, SWE-Bench Verified 72.6, licence Apache 2.0. The footer reads 'Both columns from Aleph Alpha's published table, vendor harness; no independent reproduction.'

De rijen waarin Qwen3.8 27B wint, gaan over breedte: kennis in beide talen, wetenschapsvragen op masterniveau, wedstrijdprogrammeren, software-engineering op repositoryniveau, het begrijpen van lange documenten. Als uw vereiste een sterk algemeen model tegen een lage prijs per token met open gewichten is, dan is Qwen3.8 27B het betere model, en de tabel zegt dat met de eigen inkt van de leverancier.

Die lezing wordt onderbouwd, terwijl die van Kolibri dat niet wordt. Artificial Analysis heeft Qwen3.8 27B onafhankelijk gemeten, in de Xhigh-redeneerconfiguratie, en meldt een Intelligence Index van 34 op #1 van de 142 modellen in die vergelijking, 45,4 outputtokens per seconde, een contextvenster van 256.000 tokens en een Apache 2.0-licentie. Hun noot is op een bekende manier onflatteus — zeer verbose met 200 miljoen gegenereerde tokens tijdens de indexevaluatie, tegenover een mediaan van 82 miljoen, en traag — maar de score zelf is een meting van de tegenstander door een derde partij. Kolibri heeft helemaal geen Artificial Analysis-pagina. Dus het sterkste model in deze vergelijking is onafhankelijk geverifieerd en het zwakkere is het woord van de leverancier, wat het omgekeerde is van hoe een Europees vlaggenschip van de eerste generatie gewoonlijk wordt gepresenteerd.

Twee soorten claims over de toeleveringsketen, in tegengestelde richtingen wijzend.

Beide releases zijn argumenten over waar een model vandaan komt, en de argumenten zijn elkaars spiegelbeeld.

De casus van Aleph Alpha is herkomst als kenmerk. Kolibri werd door Duitse teams getraind op infrastructuur in Duitsland en Finland, onder EU- en Duits recht. De kaart onthult de pre-trainingmix — 20 biljoen tokens met ruwweg 62,5 procent Engels, 23,9 procent Duits en 13,6 procent code — de budgetten voor mid-training en lange context, de exacte rekenkracht: 768 NVIDIA B200's verdeeld over 96 HGX-nodes gedurende 21 dagen, en naar schatting 9,5×10² MWh aan energie, inclusief datacenteroverhead. Het beschrijft de trainingsmethode tot op de laag: een 50-laags mixture-of-experts-transformer met een 4:1-verdeling van sliding-window- naar grouped-query-attention, Muon en Exact Quantile Balancing over 384 experts, met 1 gedeelde en 6 gerouteerde experts. Twaalfduizend woorden aan openbaarmakingen gevoegd bij een download van 78 GB, en een aangegeven positie als ondertekenaar ten aanzien van de EU-gedragscode voor algemene AI.

Alibaba's geval is van een andere aard: niet "we kunnen elke beslissing verantwoorden", maar "hier zijn de gewichten, neem ze maar". Open gewichten onder Apache-licentie, op een schaal en van een kwaliteit die Qwen wereldwijd tot de effectieve standaard maakten, een vocabulaire van 248.077 tokens dat ruim meer dan honderd talen bestrijkt, en een serveerecosysteem dat lang genoeg rond die checkpoints is afgestemd om door vrijwel elke inference-stack out of the box te worden ondersteund. Het soevereiniteitsargument gaat daar over beschikbaarheid: geen enkele leverancier kan het model terugtrekken, want je hebt het bestand al.

Beide beweringen zijn eerlijk en ze beantwoorden verschillende angsten. Een inkoper in de publieke sector in Baden-Württemberg maakt zich zorgen over jurisdictie en controleerbaarheid, en Kolibri is op die zorg gericht. Een onderzoeksgroep in Nairobi of São Paulo maakt zich zorgen dat een model achter een creditcard wordt afgeschermd in een valuta waarin ze niet kunnen betalen, en open Qwen-gewichten zijn op die zorg gericht. Wat niet eerlijk is, is doen alsof een van beide een capaciteitsvergelijking is, want de capaciteitstabel heeft zijn antwoord al gegeven.

Screenshot of the Artificial Analysis model page for Qwen3.8 27B (Xhigh), marked 'Open weights model, Released August 2026', showing an Intelligence Index of 34 against a median of 8, a #1/142 intelligence rank, a #55/142 speed rank at 45 tokens per second against a 91-token median, input pricing $0.50 per million tokens against a $0.03 median and output pricing $3.00 against a $0.15 median, an average cost of $1.01 per task on the Intelligence Index, a verbosity rank of #22/142 having generated 200M tokens during the index evaluation against a median of 82M, a 256k-token context window, and the Apache 2.0 licence badge.

De licentiekloof is reëel maar smaller dan het klinkt.

Kolibri is Apache 2.0. Qwen3.8 27B heeft open gewichten onder de Apache-licentie. Beide komen zonder addendum voor acceptabel gebruik, zonder drempel voor maandelijks actieve gebruikers en zonder afzonderlijke commerciële voorwaarden — wat hen in een kleine groep plaatst en betekent dat geen van beide een juridische toets vereist voordat ze commercieel worden gebruikt.

Wat hen onderscheidt, is alles wat na de licentie komt. Kolibri wordt geleverd met een vLLM-plugin en parserpakket van de leverancier, een containerimage, vier niveaus van redeneerinspanning die via de chatsjabloon kunnen worden geconfigureerd, een expliciet onthoudingsgedrag en een aanbevolen samplingconfiguratie. Qwen3.8 27B komt als gewichten die Transformers, vLLM en SGLang al weten te serveren, met een tool-calling-formaat waaraan het bredere ecosysteem zich al maanden heeft kunnen aanpassen.

De hardware voor deployment verschilt op dezelfde manier. De FP8-gewichten van Kolibri hebben een omvang van ~78 GB en vereisen minimaal twee A100 80GB-kaarten, twee H100 SXM5's, één H200, één B200 of één B300. Qwen3.8 27B in bfloat16 heeft ongeveer 54 GB aan gewichten, wat neerkomt op één 80GB-accelerator bij volledige precisie of een gekwantiseerde build op aanzienlijk minder. Het Duitse model kost meer hardware en levert daar minder benchmark voor terug. Dat is alleen een slechte ruil als je benchmark wilde kopen.

Wat de prijskaartjes je wel en niet vertellen

Kolibri heeft geen prijs, omdat Aleph Alpha er geen inferentie voor verkoopt. De release bestaat uit gewichten, een technisch rapport en een kaart; er is geen gehoste SKU. Elke kostenpost voor Kolibri is een hardware-amortisatieberekening die je zelf maakt.

Qwen3.8 heeft openbaar drie prijsklassen, en de middelste is degene die ertoe doet voor een team dat zelf hosten vergelijkt met huren.

• Qwen3.8-Max — $2,00 per miljoen inputtokens en $6,00 voor output, context van 1 mln. tokens, cache-leesbewerkingen voor $0,25, uitgebracht op 3 augustus 2026.

• Qwen3.8-27B — $0,33 invoer en $2,40 uitvoer, context van 262.144 tokens, uitgebracht op 13 augustus 2026. Dit zijn de open gewichten, dus deze prijs betaal je als je ze liever niet zelf draait.

• Qwen3.8-Flash — $0,15 input en $0,47 output met het 1M-tokenvenster, uitgebracht op 26 augustus 2026.

Dat zijn de lijstprijzen van de provider op OrcaRouter, doorgegeven zonder iets per token toe te voegen, wat de nuttige eigenschap is wanneer de vraag is of een self-hosted deployment zichzelf terugverdient: je kunt je werkelijke tokenvolume op de hosted tiers meten voordat je je aan hardware vastlegt. Wij rekenen geen marge, dus een prijsverlaging van een leverancier is dezelfde dag bij ons live. Alle drie de Qwen3.8-tiers zijn vandaag routeerbaar via één OpenAI-compatibele key met automatische failover tussen providers, en de aanstaande Qwen3.8 met 2,4 biljoen parameters heeft een cataloguspagina die op de weights wacht in plaats van een placeholder die doet alsof hij ze serveert.

Kolibri is niet routeerbaar. We hebben de catalogus onder elke leveranciers- en modelspelling onderzocht en het is afwezig — dus de enige manier om het aan te roepen is de download van 78 GB. Als u wilt weten wat het Duitse model uw workload zou kosten, is het antwoord een rack en iemand die vLLM kan draaien, en geen enkele derde partij kan u momenteel iets anders offreren.

Screenshot of the OrcaRouter model page for qwen/qwen3.8-max, showing the 1M-token context badge, text, image and video input with text output, the Vision, Tools, JSON and Reasoning capability tags, a p50 time-to-first-token of 2.35 seconds, the attribution 'Public benchmarks by Qwen - 2026-08-03', the description as Alibaba's newest flagship in the Qwen line positioned against GPT-5.5, Claude Opus 4.7 and Gemini 3.1 Pro, the pricing tiles $2.00 and $6.00, and the OpenAI-compatible and Anthropic-compatible base URLs at https://api.orcarouter.ai/v1 and https://api.orcarouter.ai.

Wie moet wat kopen?

De beslissing draait niet om kwaliteit, want die kwestie is door de eigen tabel van de leverancier in het voordeel van Alibaba beslecht. Ze draait om tegen welk risico je je verzekert.

• Kies Kolibri als de bindende beperking jurisdictie, herkomstdocumentatie of auditeerbaarheid is — als je moet kunnen beantwoorden waar de trainingsdata vandaan kwamen, waar de berekeningen werden uitgevoerd en onder welke wet, en als de workload bestaat uit Duitse en Engelse documenten die binnen je eigen perimeter worden verwerkt. Je betaalt daarvoor een premie voor de geboden capaciteiten, en die premie is zichtbaar in de tabel hierboven.

• Kies Qwen3.8 27B als de beperkende factor capaciteit per dollar, taalbreedte of ecosysteemondersteuning is. Het is het sterkere model volgens de eigen evaluatie van Aleph Alpha, het heeft een Apache-licentie, het draait op één accelerator, en de gehoste niveaus beginnen bij $0,33 per miljoen inputtokens als je het liever helemaal niet zelf wilt draaien.

• Overweeg beide in dezelfde architectuur als de workload een gereguleerde kern en een algemene periferie heeft. De documenten die het gebouw niet mogen verlaten, gaan naar een zelfgehost Kolibri-endpoint; het samenvattings-, vertaal- en codewerk gaat naar een gerouteerde Qwen3.8-tier voor een derde cent per duizend tokens. Één API-sleutel, één routeringsregel, de lijstprijzen van de provider doorgegeven, en de failover voor je geregeld — wat een aanzienlijk nuttigere opzet is dan een van deze twee te kiezen en te doen alsof de andere niet bestaat.