El lanzamiento
En el Día de la Unidad Alemana, 3 de octubre de 2026, la alemana Aleph Alpha lanzó Kolibri, un modelo de lenguaje inglés-alemán de pesos abiertos bajo licencia Apache 2.0. Es un Mixture-of-Experts con 78.000 millones de parámetros en total y unos 3.000 millones activos por token, con contexto de hasta 1 millón de tokens.
La propuesta es ser un modelo "soberano" para trabajo crítico en sectores regulados: administración pública, industria y aeroespacial. Según la empresa, se construyó en Alemania, se entrenó en infraestructura en Alemania y Finlandia, bajo ley europea y sin control extranjero, pensando desde el inicio en el EU AI Act, el Código de Buenas Prácticas para IA de propósito general y el RGPD.
Los números (autorreportados)
En las pruebas de la propia Aleph Alpha, con la máxima intensidad de razonamiento:
- AIME 2025: 96,9 (87,5 en alemán); GPQA Diamond: 84,3.
- LiveCodeBench v6: 85,9; SWE-Bench Verified: 66,4.
- τ³-bench banking: 38,1, muy por encima de rivales del mismo tamaño.
- Según la empresa, empata con modelos de hasta cuatro veces más parámetros activos, como Nemotron 3 Super.
Pero no lidera en todo: Qwen3.6-35B-A3B gana en τ²-bench telecom, BFCL y LongBench Pro, y Qwen3.8 27B (denso) queda por delante en la media general. Son benchmarks ejecutados con el harness propio de la empresa.
Qué tiene de diferente
- Alemán de verdad: el 21,3% de los tokens de preentrenamiento es alemán, casi todo orgánico o reescrito a partir de textos alemanes; la traducción se usó al mínimo para evitar un "alemán con cara de americano". Un tokenizador bilingüe comprime el alemán mejor que GPT-5 y Gemini, lo que reduce el coste de inferencia.
- Saber decir "no lo sé": entrenamiento de abstención con el protocolo Merlin-Arthur. En AA-Omniscience, Kolibri se abstiene en lugar de fallar en el 44% de los ítems, frente al 15% de la versión anterior.
- Cuatro niveles de razonamiento (ninguno, bajo, medio, alto) para equilibrar coste y calidad.
- Eficiencia: solo 10 de las 50 capas usan atención completa; según la empresa, atiende 18 peticiones simultáneas de 256.000 tokens en dos H100.
Por qué importa
Europa busca alternativas a los modelos estadounidenses y chinos para gobierno e industria. Un modelo abierto, lo bastante pequeño para ejecutarse on-premise y con documentación de datos y cumplimiento, responde exactamente a esa demanda. El concepto se aplica a otros países: Japón también debate la IA soberana.
Para empresas
- Datos sensibles on-premise: 3.000 millones activos significan bajo coste de servicio en GPUs propias.
- Pruebe en su dominio: los benchmarks públicos e internos son de la propia empresa.
- El grounding importa: en RAG corporativo, un modelo que se abstiene vale más que uno que "adivina".
- Requisitos técnicos: exige el paquete aleph-alpha-inference (plugin de vLLM).
Fuentes
- Aleph Alpha, "Kolibri Has Landed" (2026-10-03): https://aleph-alpha.com/en/blog/kolibri-has-landed-a-sovereign-open-weight-model/
- Hugging Face, Aleph-Alpha/Kolibri-1: https://huggingface.co/Aleph-Alpha/Kolibri-1
¿Quiere evaluar modelos abiertos y soberanos para ejecutarlos en su propia infraestructura? KGA IT ofrece una consulta gratuita: kga-it.com.