Kolibri: O que realmente é o modelo de pesos abertos de 78B da Aleph Alpha

Kolibri é um modelo de linguagem de pesos abertos da Aleph Alpha, o laboratório de Heidelberg que passou anos argumentando que as instituições europeias precisam de modelos que possam executar em seu próprio hardware. É um sistema de mistura de especialistas com 78 bilhões de parâmetros que ativa cerca de 3,46 bilhões de parâmetros por token, lê e escreve alemão e inglês e nada mais, e possui uma janela de contexto validada de 1.048.576 tokens. Os pesos estão no Hugging Face em um repositório chamado Aleph-Alpha/Kolibri-1, sob Apache 2.0. Os mesmos materiais de lançamento também descrevem Kolibri Origin, um predecessor de 30,6 bilhões de parâmetros que foi treinado, validado internamente e nunca lançado. Se você pesquisou o nome simples e chegou aqui, essa é a resposta curta; o resto desta página é a especificação por trás disso, cada número atribuído à fonte que o publica.

O modelo foi lançado em 3 de outubro de 2026 — a própria publicação de notícias da Aleph Alpha, datada de Heidelberg, 5 de outubro, afirma que o Kolibri está disponível desde 3 de outubro, e a ficha do modelo traz a mesma data. Essa data está aqui para situar o modelo, não para anunciá-lo. O que segue é a versão permanente: o que o modelo é, o que não é, quais números vêm da Aleph Alpha e quais, até hoje, não vêm de ninguém.

Kolibri, Kolibri-1, Kolibri Origin: três nomes, um lançamento

A nomenclatura é a primeira coisa que um leitor precisa entender bem, porque o fornecedor usa dois destes de forma intercambiável e um terceiro pertence a algo completamente diferente.

• Kolibri — o nome do modelo em tudo o que a Aleph Alpha escreve: a página do produto, o anúncio, o relatório técnico. Uma palavra alemã, e o fornecedor escreve-a exatamente assim, K maiúsculo, sem sufixo.

• Kolibri-1 — o mesmo modelo no nível do repositório. O repositório no Hugging Face é Aleph-Alpha/Kolibri-1, e o comando de serviço publicado pelo fornecedor é vllm serve Aleph-Alpha/Kolibri-1. Este é um identificador de versão, não um segundo modelo, e as duas strings resultam em pesos idênticos.

• Kolibri Origin — um modelo diferente, e não um que você possa baixar. É o predecessor de 30,6 bilhões de parâmetros e 3,27 bilhões ativos que concluiu o pré-treinamento em junho de 2026, foi usado para validar o pipeline de treinamento e nunca foi publicado. A Aleph Alpha reporta a maioria das linhas de benchmark do Kolibri como uma coluna pareada em relação a ele, motivo pelo qual o nome aparece em quase todas as tabelas sobre o Kolibri. Se você está procurando pesos, este não é o modelo a procurar.

Não há um "Kolibri 2" separado, nem uma variante ajustada para chat publicada sob um nome diferente, nem uma distribuição oficial quantizada. Qualquer outra coisa que ostente o nome em um índice de downloads é uma conversão de terceiros, e o material do próprio fornecedor não documenta nenhuma.

Tamanho: o valor de 78B está certo, e é o segundo número que decide tudo.

Uma consulta sobre o "Kolibri 78B" tem circulado, e o fornecedor a confirma em vez de corrigi-la. Da ficha do modelo, publicada junto com os pesos: 78.103.074.560 parâmetros totais, dos quais 3.457.573.120 estão ativos por token. Essa é uma proporção de esparsidade de aproximadamente 22,6 para 1.

A distinção não é pedantismo. Os parâmetros totais determinam quanta memória o modelo precisa; os parâmetros ativos determinam quanto de computação cada token custa. Um modelo de 78B com 3,46B ativos é um artefato muito grande que se comporta, no momento da inferência, como um pequeno por token — e é exatamente por isso que a Aleph Alpha pode citar um piso de implantação de duas GPUs para algo desse tamanho. Qualquer resumo do Kolibri que apresente 78B sem a cifra de ativos deixou de fora a parte que determina a conta.

Para escala em relação à sua própria linhagem: o Kolibri Origin tinha 30,6B no total, com 3,27B ativos. O Kolibri aproximadamente dobra a contagem total de parâmetros, enquanto quase não altera a contagem de ativos, o que é uma afirmação sobre capacidade por unidade de custo de serving, e não sobre velocidade bruta.

Arquitetura e licença: o que são os pesos e o que a Apache 2.0 realmente abrange aqui

Kolibri é um transformer de mistura de especialistas de 50 camadas, sem nenhuma camada feed-forward densa. Cada camada roteia para 384 especialistas, seis deles ativos por token, além de um especialista compartilhado; a dimensão intermediária dos especialistas é 512 e a dimensão do modelo é 2.560. A atenção é híbrida: a maioria das camadas usa uma janela deslizante de 512 tokens, com atenção completa apenas a cada quinta camada. O texto sobre arquitetura da Aleph Alpha expõe a consequência de forma direta — a fração de trabalho de atenção pura cai de 51 por cento para 27 por cento em um contexto de 16K em comparação com o Kolibri Origin, e o número de camadas de atenção completa cai por um fator de aproximadamente cinco.

O tokenizador é uma versão bilíngue alemão-inglês com um vocabulário de 128.000 tokens, treinada com um método que o laboratório chama de UniBPE. Dois idiomas, deliberadamente: o fornecedor enquadra o escopo como profundidade em vez de amplitude e o diz com todas as letras, em vez de apresentar dois idiomas bem servidos como uma conquista multilíngue.

A licença é Apache 2.0, e o cartão de modelo é invulgarmente preciso quanto ao seu âmbito. A licença aplica-se, nas palavras do próprio cartão, «apenas aos pesos e aos ficheiros de configuração publicados neste repositório» — não se estende ao código subjacente, à definição da arquitetura, às configurações dos parâmetros nem ao método de treino. Assim, a posição prática para uma equipa de implementação é esta: os pesos são genuinamente abertos e utilizáveis comercialmente, sem qualquer cláusula de uso aceitável, sem limite de utilizadores ativos mensais e sem termos comerciais separados, mas a licença não constitui uma concessão sobre a receita de treino da Aleph Alpha nem sobre o seu código de inferência. Se a sua revisão jurídica perguntar se isto é open source no sentido da OSI, a resposta honesta é que são pesos abertos ao abrigo de uma licença aprovada pela OSI com um limite de âmbito declarado, e não são a mesma afirmação.

Janela de contexto e saída máxima

A Aleph Alpha publica a janela de contexto em dois níveis, e vale a pena manter essa distinção.

• Máximo validado — 1.048.576 tokens, indicado tanto na página do produto quanto no cartão do modelo.

• Nativo e recomendado — 262.144 tokens. O card recomenda permanecer neste valor ou abaixo dele para eficiência de serving e para tarefas complexas; a página do fornecedor chama 256K de valor prático.

• Progressão de treinamento — pré-treinado em 16.384 tokens, treinado em estágio intermediário com horizonte de 65.536 tokens, depois estendido para 262.144 como o comprimento de treinamento.

Alcançar o milhão completo não é uma configuração que você obtém por padrão. A receita de serving exige uma flag explícita de comprimento máximo do modelo e uma substituição do embedding de posição, que o fornecedor documenta. Entenda 1M como um teto validado com um procedimento documentado, e 262K como o número em torno do qual projetar uma carga de trabalho de produção.

O comprimento máximo de saída não é publicado. Nem a página do produto, nem a ficha do modelo, nem o anúncio indicam um limite de geração. Se uma implantação depende de um limite rígido de saída, isso é uma questão para a Aleph Alpha ou para a sua própria configuração de serviço — não algo que o material de lançamento responda.

Modalidades: apenas texto, e isso é um limite deliberado

Kolibri é um modelo de entrada de texto e saída de texto. A tag de pipeline do card é geração de texto, ela descreve o modelo como processando entrada de texto e produzindo saída de texto, e observa que o corpus de treinamento é somente de texto. Nenhum codificador de visão, nenhum caminho de áudio, nenhuma geração de imagens, nenhuma modalidade documentada de resultado de ferramenta além de chamadas de ferramentas em formato de texto.

Este é o ponto em que a linguagem do fornecedor e a expectativa do leitor mais frequentemente divergem, por isso vale a pena dizer de forma categórica: nada no nome do Kolibri, no seu tamanho ou nos seus modelos irmãos deve levar você a supor que ele aceita imagens. Não aceita. As suas duas línguas são alemão e inglês, e ele não foi construído para lidar com uma terceira — um pedido em francês ou espanhol está fora do alvo de projeto, independentemente do que uma demonstração faça com ele.

O que ele tem é chamada de ferramentas — no estilo Hermes, com um parser incluído no mesmo repositório dos pesos — e quatro níveis de esforço de raciocínio, nenhum, baixo, médio e alto, definidos por meio do template de chat. Ambos são comportamentos documentados, não descobertas da comunidade.

O que a Aleph Alpha afirma, e o que qualquer outra pessoa mediu

Duas categorias, e elas não têm o mesmo tamanho.

Relatado pelo fornecedor, a partir do próprio harness da Aleph Alpha, executado pela Aleph Alpha, publicado pela Aleph Alpha: o Kolibri situa-se na fronteira de Pareto de qualidade versus custo de serving para inglês e alemão; ele iguala modelos com até quatro vezes o seu número de parâmetros ativos, uma afirmação que o fornecedor ilustra com o Nemotron 3 Super, um modelo 120B-A12B; ele é especializado em alemão, raciocínio, matemática e trabalho agêntico, com fortes linhas de uso de ferramentas (Tau2-Bench telecom 94,7 por cento, retail 69,9 por cento, airline 76,7 por cento; BFCL v4 geral 61,4 por cento) e linhas de raciocínio (GPQA Diamond 84,3 por cento em inglês, AIME 2025 96,9 por cento em inglês). Os números em alemão nessa mesma tabela — GPQA Diamond 81,3 por cento, AIME 2025 87,5 por cento, AIME 2026 90 por cento — vêm de uma renderização em língua alemã dos mesmos benchmarks.

Medido de forma independente, em 13 de outubro de 2026: nada. Não há entrada da Artificial Analysis para o Kolibri nem linha da Aleph Alpha na lista de provedores dela; o próprio cartão do modelo afirma que o modelo não é implantado por nenhum provedor de inferência no Hugging Face; e nenhum terceiro publicou uma reprodução do arcabouço de avaliação do fornecedor, embora o código do harness esteja público no repositório do próprio laboratório. A avaliação é minuciosa e é a avaliação de um laboratório. Trate cada porcentagem acima como uma alegação do fornecedor até que alguém fora de Heidelberg a execute.

Um número no material do fornecedor merece cuidado especial em vez de repetição. A página de produto da Aleph Alpha mostra um índice AA-Omniscience de 33,6 por cento para o Kolibri. Esse índice é um constructo da Artificial Analysis, e a Artificial Analysis atualmente não publica nenhuma entrada para o Kolibri. O valor é uma execução da própria Aleph Alpha de um índice de terceiros, o que é uma coisa legítima de publicar e uma coisa ilegítima de ler como uma pontuação independente. É um número reportado pelo fornecedor até que o proprietário do índice publique um.

Como você realmente o executa

Não há um endpoint hospedado para o qual apontar. O Kolibri é distribuído como pesos mais um pacote de inferência, e chamá-lo significa executá-lo por conta própria.

• Instale — pip install "aleph-alpha-inference>=1.0", que fornece o plugin Kolibri vLLM e fixa a versão do vLLM que ele suporta; como alternativa, baixe a imagem de contêiner ghcr.io/aleph-alpha/aleph-alpha-inference.

• Servir — uma invocação padrão do vLLM contra Aleph-Alpha/Kolibri-1, com um cache KV FP8, o analisador de raciocínio Kolibri, o analisador de chamadas de ferramentas Kolibri e a escolha automática de ferramentas ativados.

• Memória — os pesos FP8 têm cerca de 78 GB. O mínimo publicado é de duas placas A100 de 80 GB, duas H100 SXM5, uma H200, uma B200 ou uma B300; a configuração recomendada é de duas H100 SXM5, duas H200, uma B200 ou uma B300.

• Amostragem — temperatura 1.0, top-p 0.97, top-k 128, conforme a recomendação do cartão.

Interface — compatível com OpenAI, servida localmente. O código existente de chat-completions pode apontar para ela; o esforço de raciocínio trafega pelo template de chat e as chamadas de ferramentas caem no campo padrão tools.

O próprio formulário de inscrição do fornecedor oferece "Modelltest API" como categoria de solicitação, portanto uma conversa sobre API é possível por meio da equipe de vendas. Nada publicado o descreve como disponível, com preço definido ou em autosserviço.

Nada no material de lançamento informa um preço, porque não há nada a precificar: os pesos são gratuitos para baixar e o custo de usar o Kolibri é o custo das GPUs que você coloca por baixo dele. A Aleph Alpha também não publica limites de taxa, nem créditos gratuitos, nem um nível de teste para o modelo — qualquer afirmação em contrário seria uma inferência a partir da palavra "available", não um fato das páginas do fornecedor.

Sem rota no OrcaRouter, e a alternativa honesta

Verificamos hoje nosso próprio catálogo: o OrcaRouter disponibiliza 207 modelos, e o Kolibri não está entre eles, em qualquer grafia do nome ou do prefixo Aleph Alpha. Isso importa para um leitor cuja pergunta real é “posso chamar isto sem comprar duas H100s”, porque a resposta é não — nem aqui, nem na própria infraestrutura do fornecedor como serviço publicado. A auto-hospedagem é a única forma de executar o Kolibri agora.

Se o que você precisa é de um modelo de mistura de especialistas com capacidade em alemão e inglês que você possa chamar ainda hoje à tarde, o mais próximo que temos é o Gemma 4 26B A4B IT, um MoE de pesos abertos a US$ 0,06 por milhão de tokens de entrada e US$ 0,33 por milhão de tokens de saída, com uma janela de 262.144 tokens — a mesma classe de contexto que o número de trabalho recomendado do Kolibri, cobrado por token em vez de 78 GB de VRAM e uma conversa de compras. O OrcaRouter roteia todos os modelos que oferece pelo preço de tabela do provedor, sem nada acrescentado, o que é a maneira barata de descobrir se uma carga de trabalho justifica ter o hardware. Duas ressalvas, ditas em vez de implícitas: este é um modelo diferente, com pesos diferentes, e não é um substituto para a profundidade de pré-treinamento em alemão do Kolibri. É a comparação honesta entre um modelo que você pode alugar e um modelo que você precisa possuir.

Para uma equipe avaliando uma implantação soberana, há um segundo motivo para rotear em vez de se comprometer. Se uma carga de trabalho atualmente é atendida por um modelo hospedado e você está considerando movê-la para o Kolibri auto-hospedado, o teste útil é executar ambos contra o seu próprio tráfego, em vez de ler duas tabelas de benchmark — e um endpoint roteado com failover automático é um local de menor risco para executar esse teste do que um caminho de produção que você já migrou.

Onde o Kolibri se posiciona

A Aleph Alpha publicou um relato invulgarmente completo de um modelo — o pipeline de treino, a proveniência dos dados, o método de tokenização, o valor energético e um antecessor que foi construído e descartado — e disponibilizou os pesos sob uma licença ao abrigo da qual uma empresa pode efetivamente fazer a implantação. Para um comprador alemão do setor público ou industrial cujas regras de contratação começam por onde os dados residem, essa combinação é o produto, e nenhuma linha de benchmark a substitui.

O que um comprador ainda não consegue fazer é verificar as alegações. Não há avaliação independente, nem endpoint hospedado, nem preço para comparar com qualquer outra coisa, o que significa que a decisão se baseia nos números do próprio fornecedor mais um teste auto-hospedado. Essa é uma limitação real, e não é motivo para descartar o modelo — é o motivo pelo qual vale a pena ler a especificação acima linha por linha, em vez de passar os olhos pelas porcentagens. Se você quer entender o que é o Kolibri, a resposta é um MoE alemão-inglês, somente texto, de pesos abertos, com 78B de parâmetros, teto de 1M tokens e exigência mínima de duas GPUs. Se ele é o modelo certo para a sua carga de trabalho é uma pergunta que só a sua própria avaliação pode responder.