Ang paglulunsad
Noong German Unity Day, Oktubre 3, 2026, inilabas ng Aleph Alpha ng Germany ang Kolibri, isang English-German na open-weight language model sa ilalim ng Apache 2.0. Isa itong Mixture-of-Experts na may 78 bilyong parameter sa kabuuan at mga 3 bilyong active kada token, at context na hanggang 1 milyong token.
Ipinoposisyon ito bilang "sovereign" model para sa mission-critical na trabaho sa mga reguladong sektor: pampublikong administrasyon, industriya at aerospace. Ayon sa kumpanya, ginawa ito sa Germany, sinanay sa infrastructure sa Germany at Finland, sa ilalim ng batas ng Europa at walang dayuhang kontrol, at dinisenyo mula umpisa ayon sa EU AI Act, GPAI Code of Practice at GDPR.
Mga numero (sariling ulat)
Sa sariling pagsusuri ng Aleph Alpha sa pinakamataas na reasoning effort:
- AIME 2025: 96.9 (87.5 sa German); GPQA Diamond: 84.3.
- LiveCodeBench v6: 85.9; SWE-Bench Verified: 66.4.
- τ³-bench banking: 38.1, malayo sa mga kakumpitensyang kasinlaki.
- Sabi ng kumpanya, kapantay nito ang mga model na may hanggang apat na beses na mas maraming active parameter, gaya ng Nemotron 3 Super.
Pero hindi ito nangunguna sa lahat: panalo ang Qwen3.6-35B-A3B sa τ²-bench telecom, BFCL at LongBench Pro, at nauuna ang dense na Qwen3.8 27B sa kabuuang average. Pinatakbo ang benchmarks gamit ang sariling harness ng kumpanya.
Ano ang naiiba
- Tunay na German: 21.3% ng pre-training tokens ay German, halos lahat organiko o muling isinulat mula sa German na teksto; minimal ang pagsasalin para iwasan ang "German na parang Amerikano". Mas mahusay mag-compress ng German ang bilingual tokenizer kaysa GPT-5 at Gemini, kaya bumababa ang gastos ng inference.
- Marunong magsabing "hindi ko alam": abstention training gamit ang Merlin-Arthur protocol. Sa AA-Omniscience, umiiwas sumagot ang Kolibri sa halip na magkamali sa 44% ng items, kumpara sa 15% ng naunang bersyon.
- Apat na antas ng reasoning (wala, mababa, katamtaman, mataas) para timbangin ang gastos at kalidad.
- Episyensya: 10 lang sa 50 layer ang gumagamit ng full attention; ayon sa kumpanya, nakakapagsilbi ito ng 18 sabay-sabay na 256k-token na request sa dalawang H100.
Bakit mahalaga
Naghahanap ang Europa ng alternatibo sa mga model ng US at China para sa gobyerno at industriya. Ang open model na sapat na maliit para patakbuhin on-premise, na may dokumentasyon ng data at compliance, ang mismong sagot doon. Naaangkop din ito sa ibang bansa: pinag-uusapan din ng Japan ang sovereign AI.
Para sa mga negosyo
- Sensitibong data on-premise: ang 3B active ay nangangahulugang mababang gastos sa sariling GPU.
- Subukan sa sariling domain: pag-aari ng kumpanya ang public at internal benchmarks.
- Mahalaga ang grounding: sa enterprise RAG, mas mahalaga ang model na umiiwas kaysa sa nanghuhula.
- Teknikal na kailangan: kailangan ang aleph-alpha-inference package (vLLM plugin).
Mga pinagmulan
- 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
Gusto mo bang suriin ang open at sovereign models na tatakbo sa sarili mong infrastructure? Nag-aalok ang KGA IT ng libreng konsultasyon: kga-it.com.