Kolibri: Vad Aleph Alphas 78B-modell med öppna vikter egentligen är

Kolibri är en open-weight-språkmodell från Aleph Alpha, laboratoriet i Heidelberg som i åratal har argumenterat för att europeiska institutioner behöver modeller som de kan köra på sin egen hårdvara. Det är ett mixture-of-experts-system med 78 miljarder parametrar som aktiverar cirka 3,46 miljarder parametrar per token, läser och skriver tyska och engelska och inget annat, och har ett validerat kontextfönster på 1 048 576 tokens. Vikterna finns på Hugging Face i ett arkiv som heter Aleph-Alpha/Kolibri-1, under Apache 2.0. Samma utgivningsmaterial beskriver också Kolibri Origin, en föregångare med 30,6 miljarder parametrar som tränades, validerades internt och aldrig släpptes. Om du sökte på det bara namnet och hamnade här, är det det korta svaret; resten av den här sidan är specifikationen bakom den, där varje siffra tillskrivs källan som publicerar den.

Modellen släpptes den 3 oktober 2026 — Aleph Alphas eget nyhetsinlägg, daterat Heidelberg den 5 oktober, uppger att Kolibri har varit tillgänglig sedan den 3 oktober, och modellkortet bär samma datum. Det datumet finns här för att placera modellen, inte för att tillkännage den. Det som följer är den stående versionen: vad modellen är, vad den inte är, vilka siffror som kommer från Aleph Alpha och vilka som i dag inte kommer från någon alls.

Kolibri, Kolibri-1, Kolibri Origin: tre namn, en release

Namngivningen är det första en läsare måste reda ut, eftersom leverantören använder två av dessa synonymt och en tredje hör till något helt annat.

• Kolibri – modellens namn i allt som Aleph Alpha skriver: produktsidan, tillkännagivandet, den tekniska rapporten. Ett tyskt ord, och leverantören stavar det exakt så, med stort K, inget suffix.

• Kolibri-1 — samma modell på reponivå. Hugging Face-repot är Aleph-Alpha/Kolibri-1, och serveringskommandot som leverantören publicerar är vllm serve Aleph-Alpha/Kolibri-1. Detta är en versionsidentifierare, inte en andra modell, och de två strängarna motsvarar identiska vikter.

• Kolibri Origin — en annan modell, och inte en du kan ladda ner. Det är föregångaren med 30,6 miljarder parametrar och 3,27 miljarder aktiva parametrar som avslutade förträningen i juni 2026, användes för att validera träningspipelinen och aldrig publicerades. Aleph Alpha rapporterar de flesta av Kolibris benchmarkrader som en parad kolumn mot den, vilket är anledningen till att namnet dyker upp i nästan varje tabell om Kolibri. Om du letar efter vikter är det inte den här du ska söka efter.

Det finns ingen separat "Kolibri 2", ingen chattjusterad variant som publicerats under ett annat namn, och ingen kvantiserad officiell distribution. Allt annat som bär namnet i ett nedladdningsindex är en tredjepartskonvertering, och leverantörens eget material dokumenterar inte någon sådan.

Storlek: 78B-siffran är rätt, och det är den andra siffran som avgör allt.

En "Kolibri 78B"-förfrågan har cirkulerat, och leverantören bekräftar den i stället för att korrigera den. Från modellkortet, som publicerats tillsammans med vikterna: 78 103 074 560 parametrar totalt, varav 3 457 573 120 är aktiva per token. Det är ett sparsitetsförhållande på ungefär 22,6 mot 1.

Skillnaden är inte pedanteri. Totala parametrar avgör hur mycket minne modellen behöver; aktiva parametrar avgör hur mycket beräkningskraft varje token kostar. En 78B-modell med 3,46B aktiva är en mycket stor artefakt som vid inferens beter sig som en liten per token — och det är just därför Aleph Alpha kan ange ett minimikrav på två GPU:er för driftsättning för något av den här storleken. Varje sammanfattning av Kolibri som anger 78B utan siffran för aktiva parametrar har utelämnat den del som styr notan.

För att sätta storleken i relation till dess egen härstamning: Kolibri Origin var 30,6 miljarder totalt med 3,27 miljarder aktiva. Kolibri fördubblar ungefär det totala antalet parametrar samtidigt som antalet aktiva knappt förändras, vilket säger något om kapacitet per enhet serveringskostnad snarare än om rå hastighet.

Arkitektur och licens: vad vikterna är, och vad Apache 2.0 faktiskt täcker här

Kolibri är en mixture-of-experts-transformer med 50 lager och helt utan dense feed-forward-lager. Varje lager dirigerar till 384 experter, varav sex är aktiva per token, plus en delad expert; expertens mellandimension är 512 och modelldimensionen är 2 560. Attention är hybrid: de flesta lager använder ett glidande fönster på 512 tokens, med full attention endast vart femte lager. Aleph Alphas arkitekturbeskrivning säger det rakt ut: andelen ren attention-beräkning sjunker från 51 procent till 27 procent vid en kontext på 16K jämfört med Kolibri Origin, och antalet full-attention-lager minskar med ungefär en faktor fem.

Tokenizern är en tvåspråkig tysk-engelsk version med ett ordförråd på 128 000 token, tränad med en metod som labbet kallar UniBPE. Två språk, avsiktligt: leverantören beskriver omfattningen som djup framför bredd och säger det rent ut, i stället för att presentera två välbetjänade språk som en flerspråkig bedrift.

Licensen är Apache 2.0, och modellkortet är ovanligt exakt när det gäller sin gräns. Licensen gäller, med modellkortets egna ord, "endast de vikter och konfigurationsfiler som publiceras i detta arkiv" – den omfattar inte den underliggande koden, arkitekturdefinitionen, parameterinställningarna eller träningsmetoden. Så den praktiska ståndpunkten för ett team som ska driftsätta är denna: vikterna är genuint öppna och kommersiellt användbara utan tilläggsvillkor om godtagbar användning, utan tröskel för månatligt aktiva användare och utan separata kommersiella villkor, men licensen utgör inte ett beviljande som omfattar Aleph Alphas träningsrecept eller deras inferenskod. Om er juridiska granskning frågar om detta är öppen källkod i OSI:s bemärkelse, är det ärliga svaret att det är öppna vikter under en OSI-godkänd licens med en angiven omfattningsbegränsning, och att dessa inte är samma påstående.

Kontextfönster och maximal utdata

Aleph Alpha publicerar kontextfönstret i två nivåer, och distinktionen är värd att behålla.

• Validerat maximum — 1 048 576 tokens, angivet både på produktsidan och på modellkortet.

• Inbyggt och rekommenderat — 262 144 tokens. Kortet rekommenderar att hålla sig vid eller under detta för serveringseffektivitet och för komplexa uppgifter; leverantörens sida kallar 256K för arbetssiffran.

• Träningsprogression – förtränad på 16 384 tokens, mellantränad vid en horisont på 65 536 tokens, sedan utökad till 262 144 som träningslängd.

Att nå upp till hela miljonen är inte en konfiguration du får som standard. Serveringsreceptet kräver en explicit flagga för maximal modellängd och en åsidosättning av positionsinbäddning, vilket leverantören dokumenterar. Betrakta 1M som ett validerat tak med ett dokumenterat förfarande, och 262K som det tal du bör dimensionera en produktionsarbetsbelastning kring.

Maximal utdatalängd är inte publicerad. Varken produktsidan, modellkortet eller tillkännagivandet anger någon genereringsgräns. Om en driftsättning är beroende av en hård utdatagräns är det en fråga för Aleph Alpha eller för din egen serveringskonfiguration — inte något som lanseringsmaterialet besvarar.

Modaliteter: endast text, och det är en medveten gräns.

Kolibri är en text-in-, text-ut-modell. Kortets pipeline-tagg är textgenerering, den beskriver modellen som att den bearbetar textinmatning och producerar textutdata, och den anger att träningskorpusen endast består av text. Ingen visionsencoder, ingen ljudväg, ingen bildgenerering, ingen dokumenterad modalitet för verktygsresultat utöver textformade verktygsanrop.

Det här är punkten där leverantörens språk och läsarens förväntan oftast går isär, så det är värt att säga rakt ut: inget i Kolibris namn, dess storlek eller dess syskonmodeller bör få dig att anta att den tar emot bilder. Det gör den inte. Dess två språk är tyska och engelska, och den är inte byggd för att hantera ett tredje – en förfrågan på franska eller spanska ligger utanför designmålet oavsett vad en demo gör med den.

Det den däremot har är verktygsanrop — i Hermes-stil, med en parser som levereras i samma repository som vikterna — och fyra nivåer för resonemangsansträngning: ingen, låg, medel och hög, inställda via chattmallen. Båda är dokumenterade beteenden, inte fynd från communityn.

Vad Aleph Alpha påstår, och vad alla andra har mätt

Två kategorier, och de är inte lika stora.

Leverantörsrapporterat, från Aleph Alphas egen harness, körd av Aleph Alpha, publicerad av Aleph Alpha: Kolibri ligger på Pareto-fronten för kvalitet kontra serveringskostnad för engelska och tyska; den matchar modeller med upp till fyra gånger sitt antal aktiva parametrar, ett påstående som leverantören illustrerar med Nemotron 3 Super, en 120B-A12B-modell; den är specialiserad för tyska, resonemang, matematik och agentiskt arbete, med starka rader för verktygsanvändning (Tau2-Bench telecom 94,7 procent, retail 69,9 procent, airline 76,7 procent; BFCL v4 totalt 61,4 procent) och resonemangsrader (GPQA Diamond 84,3 procent engelska, AIME 2025 96,9 procent engelska). De tyska siffrorna i samma tabell — GPQA Diamond 81,3 procent, AIME 2025 87,5 procent, AIME 2026 90 procent — kommer från en tyskspråkig återgivning av samma benchmarks.

Oberoende uppmätt, per den 13 oktober 2026: ingenting. Det finns ingen Artificial Analysis-post för Kolibri och ingen Aleph Alpha-rad i dess leverantörslista; modellkortet självt anger att modellen inte distribueras av någon inferensleverantör på Hugging Face; och ingen tredje part har publicerat en reproduktion av leverantörens utvärderingsramverk, trots att testkoden är offentlig i labbets eget kodförråd. Utvärderingen är grundlig och det är ett labs utvärdering. Betrakta varje procentandel ovan som ett leverantörspåstående tills någon utanför Heidelberg kör den.

Ett nummer i leverantörens material förtjänar särskild varsamhet snarare än upprepning. Aleph Alphas produktsida visar ett AA-Omniscience-index på 33,6 procent för Kolibri. Det indexet är en konstruktion av Artificial Analysis, och Artificial Analysis publicerar för närvarande ingen Kolibri-post. Siffran är Aleph Alphas egen körning av någon annans index, vilket är en legitim sak att publicera och en illegitim sak att läsa som en oberoende poäng. Det är ett leverantörsrapporterat nummer tills indexägaren publicerar ett.

Hur du faktiskt kör det

Det finns ingen hostad slutpunkt att peka på. Kolibri distribueras som vikter plus ett inferenspaket, och att anropa det innebär att köra det själv.

• Installera — pip install "aleph-alpha-inference>=1.0", som tillhandahåller Kolibri vLLM-plugin och låser den vLLM-version som stöds; alternativt kan du hämta containeravbildningen ghcr.io/aleph-alpha/aleph-alpha-inference.

• Servera — ett standardanrop med vLLM mot Aleph-Alpha/Kolibri-1, med en FP8 KV-cache, Kolibri-resonemangstolkaren, Kolibri-verktygsanropstolkaren och automatiskt verktygsval aktiverat.

• Minne – FP8-vikterna är cirka 78 GB. Publicerat minimum är två A100 80 GB-kort, två H100 SXM5, en H200, en B200 eller en B300; rekommenderad konfiguration är två H100 SXM5, två H200, en B200 eller en B300.

• Sampling – temperatur 1,0, top-p 0,97, top-k 128, enligt kortets rekommendation.

• Gränssnitt — OpenAI-kompatibelt, serverat lokalt. Befintlig chat-completions-kod kan peka mot det; reasoning effort färdas genom chattmallen och verktygsanrop landar i standardfältet tools.

Leverantörens eget registreringsformulär erbjuder "Modelltest API" som en förfrågningskategori, så en API-dialog är möjlig via säljavdelningen. Inget publicerat beskriver det som tillgängligt, prissatt eller självbetjäningsbart.

Ingenting i release-materialet anger ett pris, eftersom det inte finns något att prissätta: vikterna är gratis att ladda ner och kostnaden för att använda Kolibri är kostnaden för de GPU:er du sätter under den. Aleph Alpha publicerar inte heller några rate limits, inga gratiskrediter och ingen testnivå för modellen — varje påstående om motsatsen vore en slutledning utifrån ordet "available", inte ett faktum från leverantörens sidor.

Ingen rutt på OrcaRouter, och det ärliga alternativet

Vi kontrollerade vår egen katalog idag: OrcaRouter tillhandahåller 207 modeller och Kolibri finns inte bland dem, under någon stavning av namnet eller Aleph Alpha-prefixet. Det spelar roll för en läsare vars egentliga fråga är "kan jag anropa detta utan att köpa två H100s", eftersom svaret är nej — inte här, och inte på leverantörens egen infrastruktur som en publicerad tjänst. Self-hosting är det enda sättet att köra Kolibri just nu.

Om det du behöver är en mixture-of-experts-modell som klarar både tyska och engelska och som du kan använda redan i eftermiddag, är det närmaste vi faktiskt erbjuder Gemma 4 26B A4B IT, en MoE med öppna vikter för $0,06 per miljon indatatoken och $0,33 per miljon utdatatoken med ett fönster på 262 144 token – samma kontextklass som Kolibris rekommenderade arbetsvärde, till en kostnad per token i stället för 78 GB VRAM och ett inköppssamtal. OrcaRouter dirigerar varje modell den tillhandahåller till leverantörens listpris utan något påslag, vilket är det billiga sättet att ta reda på om en arbetsbelastning motiverar att äga hårdvaran. Två varningar, uttalade snarare än underförstådda: detta är en annan modell med andra vikter, och den är ingen ersättning för Kolibris tyska förträningsdjup. Det är den ärliga jämförelsen mellan en modell du kan hyra och en modell du måste äga.

För ett team som överväger en suverän distribution finns det en andra anledning att routa i stället för att binda sig. Om en arbetsbelastning för närvarande hanteras av en hostad modell och du överväger att flytta den till självhostad Kolibri, är det användbara testet att köra båda mot din egen trafik, inte att läsa två prestandatabeller — och en routad slutpunkt med automatisk failover är en plats med lägre risk att köra det testet än en produktionsväg som du redan har migrerat.

Var Kolibri står

Aleph Alpha har publicerat en ovanligt komplett redogörelse för en modell – träningspipen, datans härkomst, tokenizer-metoden, energisiffran och en föregångare som byggdes och sedan övergavs – och släppt vikterna under en licens som ett företag faktiskt kan driftsätta under. För en tysk offentlig eller industriell köpare vars upphandlingsregler börjar med var data finns, är just den kombinationen produkten, och ingen benchmark-rad kan ersätta den.

Det en köpare ännu inte kan göra är att kontrollera påståendena. Det finns ingen oberoende utvärdering, ingen hostad slutpunkt och inget pris att jämföra med något annat, vilket innebär att beslutet vilar på leverantörens egna siffror plus ett självhostat test. Det är en verklig begränsning, och det är inte ett skäl att avfärda modellen – det är skälet till att specifikationen ovan är värd att läsa rad för rad i stället för att bara skumma procenttalen. Om du vill förstå vad Kolibri är, är svaret en 78B öppen viktmodell, endast text, tysk-engelsk MoE med ett tak på 1M tokens och ett golv på två GPU:er. Huruvida det är rätt modell för din arbetsbelastning är en fråga som bara din egen utvärdering kan avgöra.