Kolibri vs Qwen 3.8：德國模型在自己的主場落敗，而這正是重點

先從大多數關於Kolibri發布報導都略過的那句話說起。在 Aleph Alpha 於 2026 年 10 月 3 日隨自家模型發布的基準表中，最常被拿來與它對比的模型既不是歐洲對手，也不是美國對手。它是Qwen3.8 27B，該廠商那一世代的開放權重層級，於 2026 年 8 月 13 日發布——而根據 Aleph Alpha 自家的數字，它勝出。在同一套評估套件中，Qwen3.8 27B 的英語平均得分為 80.2，德語平均為 79.9；該套件給 Kolibri 的分數則是 75.5 與 70.8。它在 GPQA Diamond 上領先，89.2 對 84.3。它在 LiveCodeBench v6 上領先，93.8 對 85.9。它在 SWE-Bench Verified 上領先，72.6 對 66.4，並在兩項長上下文基準上都領先：LongBench Pro 上 76.9 對 64.5，AA-LCR 上 81.3 對 68.3。一個由德國實驗室評估、270 億參數的稠密中國模型，在該實驗室自家表格的大部分項目上，擊敗了該實驗室的 780 億參數旗艦。這不是醜聞。這是這次發布中最有用的事實，因為它迫使我們追問：Kolibri 究竟是要做什麼的。

在比較繼續深入之前，先釐清一件事，因為「Qwen 3.8」指的是一個模型家族，而非單一模型，而在這裡這些區別很重要。Qwen3.8-Max是阿里巴巴的託管旗艦模型，自 2026 年 8 月 3 日起上線，具備 100 萬個 token 的上下文視窗，每百萬輸入 token 收費 2.00 美元，輸出則為 6.00 美元。Qwen3.8-27B是開放權重層級，於 2026 年 8 月 13 日發布，上下文視窗為 262,144 個 token。Qwen3.8-Flash是大量用量層級，於 2026 年 8 月 26 日發布，同樣具備 100 萬 token 的上下文視窗，但價格低得多。而單純的 Qwen3.8——於 2026 年 7 月 19 日宣布，是擁有 2.4 兆參數的開放權重旗艦模型——尚未發布；它僅以目錄追蹤頁面和一篇發布公告的形式存在。以下所述全都關於那個你能下載並實際執行的權重版本，也就是 27B。

Kolibri 真正勝出之處，從同一張表即可讀出

Kolibri 領先 Qwen3.8 27B 的那些列並非隨機散落。它們會聚集成群，而這個群集本身就是產品。

• 棄答 — 在 RGB Negative 上，Kolibri 得分為 85.6，對手為 70.6。當上下文不包含答案時，Kolibri 更常表明這一點。

• 受約束的工具呼叫 —— 在 τ²-bench telecom 上，94.7 對比 82.5；在汽車供應商垂直套件上，99.0 對比 97.3。

• 極長上下文——在 SealQA 上，當超過 24k 個詞元且沒有干擾項時，100.0 對上 94.4。

• 德語推論服務成本效益 — 一款雙語分詞器在德語網頁文本上，{{1}}每個詞元平均為 4.90 位元組，相較於 Qwen3.5–3.8 系列依 Aleph Alpha 自家測量為 4.17{{/1}}。每份德語文件的詞元更少，可直接降低推論成本，這會反映在發票上，而不會出現在任何基準測試的列中。

那四項中有三項關乎行為，而非能力。當一個模型會閱讀你組織自身的資料，並被期待在資料無法回答問題時坦承以對，你需要的就是拒答、受約束的工具呼叫，以及有憑據的長脈絡檢索。Aleph Alpha 整場發布都圍繞著這個賭注打造，而表格顯示這個賭注成功落地。

Qwen3.8 27B 勝出的那些列關乎廣度：兩種語言的知識、研究所程度的科學問題、競技程式設計、儲存庫層級的軟體工程、長文件理解。如果你需要的是每詞元價格低廉、具備開放權重的強大通用模型，那麼 Qwen3.8 27B 是更好的模型，而這張表在廠商自己的筆墨中也這麼顯示。

那種解讀獲得了佐證，而 Kolibri 的解讀則沒有。Artificial Analysis 已獨立測量 Qwen3.8 27B，在其 Xhigh 推理配置下，並報告 Intelligence Index 為 34，在該比較的 142 個模型中排名第 1，每秒輸出 45.4 個 token，具備 256,000 token 的上下文，以及 Apache 2.0 授權。他們的評註以一種熟悉的方式並不客氣——在索引評估期間產生了 2 億個 token，相較中位數 8,200 萬個，顯得極為冗長，而且速度緩慢——但這個分數本身是第三方對對手的測量。Kolibri 完全沒有 Artificial Analysis 頁面。所以在這項比較中，最強的模型已獲得獨立驗證，而較弱的那個則只是廠商的一面之詞，這與第一代歐洲旗艦通常被描述的方式正好相反。

兩種供應鏈主張，指向相反的方向

這兩個發行版都是關於模型來源的論證，而這些論證互為鏡像。

Aleph Alpha 的案例，是把來源可追溯性化為一項特色。Kolibri 由德國團隊訓練，使用位於德國與芬蘭的基礎設施，並遵循歐盟與德國法律。這份模型卡揭露了預訓練資料組成——20 兆個 token，約 62.5% 為英文、23.9% 為德文、13.6% 為程式碼——以及中期訓練與長上下文預算、精確運算規模：768 張 NVIDIA B200，橫跨 96 個 HGX 節點，為期 21 天，以及估計 9.5×10² MWh 的能源，包含資料中心額外負擔。它把訓練方法說明到層級細節：一個 50 層的專家混合（mixture-of-experts）Transformer，以 4:1 的比例分配給滑動視窗注意力與分組查詢注意力，並在 384 個專家上使用 Muon 與 Exact Quantile Balancing，其中 1 個共享、6 個路由。一份 78 GB 的下載檔案隨附 12,000 字的揭露資訊，並就歐盟《通用人工智慧行為準則》表明簽署立場。

阿里巴巴的案例在本質上不同：不是「我們能解釋每一項決策」，而是「權重在此，拿去用」。以 Apache 授權的開放權重，其規模與品質讓 Qwen 成為全球實質上的預設選擇；一份涵蓋遠超過一百種語言、包含 248,077 個詞元的詞彙表；以及一個圍繞這些檢查點調校已久、久到幾乎每個推論堆疊都能開箱即用支援它們的服務生態系。在那裡，主權論點在於可用性：沒有廠商能收回模型，因為你已經擁有那個檔案。

這兩種說法都誠實，而且各自回應的是不同的擔憂。巴登-符騰堡邦的公部門採購者擔心的是司法管轄權與可稽核性，而 Kolibri 正是針對這項擔憂而來。奈洛比或聖保羅的研究團隊擔心的，是某個模型被一道信用卡付費牆擋住，而且還得用他們付不起的貨幣付款，而開放權重的 Qwen 正是針對這一點。不誠實的，是假裝這兩者之中任何一個是在做能力比較，因為能力對照表早已給出答案。

授權落差確實存在，但比聽起來要小。

Kolibri 採用 Apache 2.0 授權。Qwen3.8 27B 是 Apache 授權的開放權重模型。兩者都沒有附帶可接受使用條款、沒有月活躍使用者門檻，也沒有另外的商業條款——這讓它們屬於少數的一群，也意味著兩者在商業使用前都不需要經過法律審查。

真正將兩者區隔開來的，是授權條款之後的一切。Kolibri 隨附廠商提供的 vLLM 外掛與解析器套件、一個容器映像、四種可透過聊天範本設定的推理強度層級、明確的棄答行為，以及建議的取樣設定。Qwen3.8 27B 則以權重形式推出，Transformers、vLLM 和 SGLang 早已知道如何服務這些權重，其工具呼叫格式也早已讓更廣泛的生態系有數月時間得以配合。

部署硬體也沿著同樣的脈絡出現差異。Kolibri 的 FP8 權重大約佔 78 GB，硬體門檻是兩張 A100 80 GB 卡、兩張 H100 SXM5、一張 H200、一張 B200 或一張 B300。Qwen3.8 27B 以 bfloat16 表示時，權重大約 54 GB，全精度下只需單張 80 GB 加速器，量化版本所需硬體更是少得多。這個德國模型耗用更多硬體，換回的基準測試成績卻更少。唯有當你買的是基準測試成績時，這才是筆不划算的交易。

價格標籤能告訴你什麼、不能告訴你什麼

Kolibri 沒有價格，因為 Aleph Alpha 並未為其販售推論服務。這次發布的是權重、技術報告與模型卡；沒有託管的 SKU。任何 Kolibri 的成本數字，都是你自己做的硬體攤銷計算。

Qwen3.8 公開定價分為三個層級，而對於正在比較自架與租用的團隊來說，中間那個層級才是關鍵。

• Qwen3.8-Max — 每百萬輸入 token 2.00 美元、輸出 6.00 美元，1M token 上下文，快取讀取 0.25 美元，於 2026 年 8 月 3 日發布。

• Qwen3.8-27B — 輸入 $0.33、輸出 $2.40，262,144 個 token 的上下文，2026 年 8 月 13 日發布。這些是開放權重，所以如果你不想自己跑，這就是你要付的價格。

• Qwen3.8-Flash — 輸入 $0.15、輸出 $0.47，具備 100 萬 token 視窗，於 2026 年 8 月 26 日發布。

那些是供應商在 OrcaRouter 上的定價表價格，按 token 原樣傳遞、不額外加價，當問題在於自架部署能否回本時，這正是有用的特性：你可以先在代管方案上衡量自己真實的 token 用量，再決定是否投入硬體。我們不額外加成，因此供應商一降價，我們這邊當天就同步生效。三個 Qwen3.8 方案今天都能透過 一把 OpenAI 相容金鑰，在各供應商之間自動容錯移轉進行路由，而即將推出、擁有 2.4 兆參數的 Qwen3.8 已經有一個目錄頁面在等著權重上架，而不是用假裝能提供服務的佔位內容來充數。

Kolibri 不可路由。我們試遍了每一種供應商與模型的拼寫來探查型錄，它都不在其中——所以唯一能呼叫它的方式，就是那個 78 GB 的下載檔。如果你想知道德國模型會讓你的工作負載付出多少成本，答案就是一個機架，以及一個能執行 vLLM 的人，而目前沒有第三方能向你報出其他方案。

誰該買哪一款

這項決定並不取決於品質，因為那個問題已由供應商自己的表格裁定，結果對阿里巴巴有利。它取決於你買保險是為了防範哪一種風險。

• 若具約束力的限制條件是司法管轄權、來源證明文件或可稽核性，請選擇 Kolibri——如果你必須能夠回答訓練資料來自何處、運算在何地執行、依循哪一套法律，而且工作負載是在你自己的邊界內處理的德文與英文文件。你為此支付了能力溢價，而這筆溢價在上表中顯而易見。

• 如果關鍵限制是每美元效能、語言廣度或生態系統支援，請選擇 Qwen3.8 27B。在 Aleph Alpha 自家的評估中，它是更強的模型；它採用 Apache 授權；可在單一加速器上執行；而託管方案每百萬輸入權杖 0.33 美元起，如果你根本不想自行執行它的話。

• 如果工作負載同時包含受監管的核心與一般周邊，就把它們放在同一套架構中考量。不能離開大樓的文件，交給自託管的 Kolibri 端點；摘要、翻譯與程式碼相關工作，則交給路由至 Qwen3.8 的層級，每千個 token 只要三分之一美分。一組 API 金鑰、一條路由規則、供應商牌價原樣傳遞，容錯移轉也替你處理好——這比從這兩者中挑一個，還假裝另一個不存在，要實用得多。