Kolibri 对决 Qwen 3.8：德国模型在自家榜单上落败，而这正是关键所在

从大多数关于Kolibri发布报道都略过的那句话说起。在 Aleph Alpha 于 2026 年 10 月 3 日随自家模型一同发布的基准测试表上，与之对比次数最多的模型，既不是欧洲的对手，也不是美国的。它就是Qwen3.8 27B，即该厂商那一代模型中的开放权重版本，于 2026 年 8 月 13 日发布——而按照 Aleph Alpha 自己给出的数据，它赢了。在同一套评测中，Qwen3.8 27B 的英文平均分为 80.2，德文平均分为 79.9；而 Kolibri 在这两项上分别是 75.5 和 70.8。它在 GPQA Diamond 上领先，89.2 对 84.3。它在 LiveCodeBench v6 上领先，93.8 对 85.9。它在 SWE-Bench Verified 上领先，72.6 对 66.4；在两个长上下文基准上也领先：LongBench Pro 上 76.9 对 64.5，AA-LCR 上 81.3 对 68.3。一个 270 亿参数的稠密中文模型，由一家德国实验室评测，却在该实验室自己那张表上的多数项目中击败了其 780 亿参数的旗舰模型。这算不上丑闻。这是此次发布中最有用的事实，因为它逼出了一个问题：Kolibri 究竟是做什么用的。

在继续比较之前需要先澄清一点，因为“Qwen 3.8”命名的是一个系列而非单个模型，而这里的区别很重要。Qwen3.8-Max是阿里巴巴的托管旗舰，自 2026 年 8 月 3 日起上线，提供 100 万 token 上下文窗口，每百万输入 token 2.00 美元，输出 6.00 美元。Qwen3.8-27B是开放权重层级，于 2026 年 8 月 13 日发布，上下文窗口为 262,144 token。Qwen3.8-Flash是走量层级，于 2026 年 8 月 26 日发布，具有 100 万 token 窗口和低得多的价格。而普通的 Qwen3.8——于 2026 年 7 月 19 日宣布，作为 2.4 万亿参数开放权重旗舰——尚未发布；它仅以目录跟踪页面和公告的形式存在。下面所有内容都是关于那个你可以下载并运行其权重的模型，也就是 27B。

Kolibri 真正胜出之处，从同一张表中读出

Kolibri 领先 Qwen3.8 27B 的那些行并非随机分散。它们会聚集起来，而这种聚集本身就是成果。

• 弃答——在 RGB Negative 上，Kolibri 得分为 85.6，而对照值为 70.6。当上下文不包含答案时，Kolibri 明确表示这一点的频率要高得多。

• 约束条件下的工具调用——在 τ²-bench telecom 上为 94.7，对比 82.5；在汽车供应商垂直套件上为 99.0，对比 97.3。

• 超长上下文——在无干扰项且超过 24k token 的 SealQA 上，100.0 对 94.4。

• 德语服务经济性——一个双语分词器在德语网页文本上平均每 token 4.90 字节，而根据 Aleph Alpha 自己的测量，Qwen3.5–3.8 系列为 4.17 字节。每份德语文档的 token 数更少，直接降低推理成本，这会体现在发票上，却不会出现在任何基准测试的行中。

这四项中有三项关乎行为而非能力。拒答、受约束的工具调用，以及有据可依的长上下文检索，正是你从一个需要读取本机构自有资料、并被期望在资料无法回答问题时如实承认的模型身上所需要的东西。Aleph Alpha 整个发布都围绕这一赌注展开，而表格显示这一赌注已然落地。

Qwen3.8 27B 胜出的那几行关乎的是广度：两种语言的知识、研究生水平的科学问题、竞技编程、仓库级软件工程、长文档理解。如果你需要的是一个每 token 价格低廉、权重开放的强大通用模型，那 Qwen3.8 27B 就是更好的模型，而这张表正是用厂商自己的笔墨写明了这一点。

那种解读得到了佐证，而 Kolibri 的解读则没有。Artificial Analysis 独立测量了 Qwen3.8 27B 的 Xhigh 推理配置，并报告其 Intelligence Index 为 34，在该对比的 142 个模型中位列第 1，每秒输出 45.4 个 token，上下文长度为 256,000 个 token，采用 Apache 2.0 许可证。他们的说明以一种熟悉的方式并不中听——在索引评估期间生成了 2 亿个 token，而中位数为 8200 万，显得非常啰嗦，而且速度慢——但这个分数本身是对对手的第三方测量。Kolibri 根本没有 Artificial Analysis 页面。因此，这场对比中最强的模型已得到独立验证，而较弱的那个则只是厂商的一面之词，这与第一代欧洲旗舰通常被描述的方式正好相反。

两种方向相反的供应链主张

这两个发布都在争论模型源自何处，而这些争论互为镜像。

Aleph Alpha 的案例在于把溯源作为一项特性。Kolibri 由德国团队在德国和芬兰的基础设施上训练，依据欧盟和德国法律。模型卡披露了预训练数据配比——20 万亿 token，其中约 62.5% 为英语、23.9% 为德语、13.6% 为代码——中期训练和长上下文预算，确切算力为 768 块 NVIDIA B200，分布于 96 个 HGX 节点、运行 21 天，以及估计为 9.5×10² 兆瓦时的能源消耗（包含数据中心开销）。它详细说明了训练方法，精确到层：一个 50 层的混合专家 Transformer，以 4:1 的比例在滑动窗口注意力与分组查询注意力之间分配，在 384 个专家上使用 Muon 与精确分位数平衡（Exact Quantile Balancing），其中 1 个共享、6 个路由。一份 78 GB 的下载文件附带一万二千词的披露信息，以及就欧盟《通用人工智能行为准则》所声明的签署方立场。

阿里巴巴的情况则性质不同：不是“我们能解释每一项决策”，而是“权重在此，拿去便是”。以 Apache 许可证发布的开源权重，其规模和质量使 Qwen 成为全球事实上的默认选择；一个包含 248,077 个词元、覆盖一百多种语言的词表；以及一个围绕这些检查点调优已久、以至于几乎所有推理栈都能开箱即用地支持它们的服务生态。这里的主权论点关乎可用性：没有哪个供应商能撤回该模型，因为文件已经在你自己手里了。

这两种说法都是诚实的，而且回应的是不同的担忧。巴登-符腾堡州的一位公共部门采购者担心的是管辖权和可审计性，而 Kolibri 正是为了回应这种担忧。内罗毕或圣保罗的一个研究团队担心的是，模型被信用卡门槛挡住，而且要用一种他们无法支付的货币付款，而开放的 Qwen 权重回应的正是这种担忧。不诚实的是，假装其中任何一个是能力对比，因为能力表已经给出了答案。

许可差距确实存在，但比听起来要小。

Kolibri 采用 Apache 2.0 许可。Qwen3.8 27B 是以 Apache 许可发布的开放权重模型。两者都不附带可接受使用附加条款，没有月活跃用户数门槛，也没有单独的商业条款——这使它们归入一个小众类别，也意味着二者在投入商业使用前都无需经过法律审查。

真正区分二者的是许可证之后的一切。Kolibri 随附厂商提供的 vLLM 插件和解析器包、一个容器镜像、可通过聊天模板配置的四档推理力度级别、明确的弃答行为，以及一套推荐的采样配置。Qwen3.8 27B 则以权重形式交付，Transformers、vLLM 和 SGLang 本就懂得如何服务它，其工具调用格式也让更广泛的生态系统有数月时间来适配。

部署硬件也呈现同样的分化。Kolibri 的 FP8 权重占用约 78 GB，最低门槛是两张 A100 80 GB 卡、两张 H100 SXM5、一张 H200、一张 B200 或一张 B300。Qwen3.8 27B 的 bfloat16 权重约为 54 GB，全精度下只需单块 80 GB 加速器，量化版本所需则少得多。这个德国模型需要更多硬件，换来的基准测试成绩却更低。只有当你买的是基准测试成绩时，这才算一笔糟糕的交易。

价格标签能告诉你什么，不能告诉你什么

Kolibri 没有价格，因为 Aleph Alpha 并不为其出售推理服务。此次发布的是权重、一份技术报告和一张模型卡；没有托管 SKU。任何关于 Kolibri 的成本数字，都是你自己做的硬件摊销计算。

Qwen3.8 公开发布了三个定价层级，而对于在自托管与租用之间做比较的团队来说，中间那个层级才是关键。

• Qwen3.8-Max — 每百万输入 token $2.00，输出 $6.00，100 万 token 上下文，缓存读取 $0.25，2026 年 8 月 3 日发布。

• Qwen3.8-27B — 输入 $0.33，输出 $2.40，262,144 token 上下文，发布于 2026 年 8 月 13 日。这些是开放权重，因此如果你不想自行运行它们，这就是你需要支付的价格。

• Qwen3.8-Flash — 输入 $0.15、输出 $0.47，支持 1M token 上下文窗口，发布于 2026 年 8 月 26 日。

那些是提供商在OrcaRouter 上的标价，按 token 原样透传、不额外加价，当问题在于自托管部署能否收回成本时，这正是它有用的特性：你可以先按托管档位的价格衡量自己的真实 token 用量，再决定是否投入硬件。我们不额外加价，所以供应商降价当天就会在我们这边生效。Qwen3.8 的全部三个档位今天都已可路由，只需一个兼容 OpenAI 的密钥，并能在各提供商之间自动故障转移，而即将推出的 2.4 万亿参数 Qwen3.8 已有一个目录页面静候权重上线，而不是放一个假装已在提供服务的占位符。

Kolibri 不可路由。我们以每一种供应商和模型拼写方式探查了目录，它都不在其中——所以唯一能调用它的方式就是那 78 GB 的下载。如果你想知道德国模型会让你的工作负载付出多少成本，答案就是一台机架，以及一个能运行 vLLM 的人，而目前没有任何第三方能给你报出别的报价。

谁该买哪款

这个决定并不取决于质量，因为那个问题已由供应商自己提供的表格裁定，结果对阿里巴巴有利。它取决于你要防范的是哪一种风险。

• 如果具有约束力的限制因素是司法管辖区、来源可追溯性文档或可审计性,请选择 Kolibri——如果你需要能够回答训练数据来自哪里、计算在哪里运行、依据哪一法律,并且如果你的工作负载是在你自己的边界内处理的德语和英语文档。你为此支付的是能力溢价,而这一溢价在上表中清晰可见。

• 如果关键制约因素是每美元的能力、语言覆盖面或生态系统支持，请选择 Qwen3.8 27B。在 Aleph Alpha 自己的评估中，它是更强的模型，它采用 Apache 许可，它可以在一个加速器上运行，而且如果你根本不想自己运行它，托管套餐的起价为每百万输入 token 0.33 美元。

• 如果工作负载既有受监管的核心，又有通用外围，就在同一架构中同时考虑两者。不能离开本地的文档发送到自托管的 Kolibri 端点；摘要、翻译和代码工作则交给经路由的 Qwen3.8 层级，每千个 token 三分之一美分。一个 API 密钥、一条路由规则、提供商标价原样透传，故障转移也为你处理妥当——这比从这两者中挑一个并假装另一个不存在，要实用得多。