発表
ドイツ統一記念日の2026年10月3日、ドイツの Aleph Alpha は、英語・ドイツ語 のオープンウェイトモデル Kolibri を Apache 2.0 で公開しました。総パラメーター780億、トークンあたり約30億がアクティブ な Mixture-of-Experts で、コンテキストは最大 100万トークン です。
公共行政、製造業、航空宇宙など規制の厳しい分野のミッションクリティカルな業務向けの 「ソブリン(主権)」モデル と位置付けられています。同社によると、ドイツで開発し、ドイツとフィンランドの基盤で学習し、欧州法の下で外国の支配を受けず、当初から EU AI 法、汎用 AI 行動規範、GDPR を考慮して作られました。
数字(自社発表)
最高の推論レベルでの同社のテストでは:
- AIME 2025: 96.9(ドイツ語版87.5)、GPQA Diamond: 84.3
- LiveCodeBench v6: 85.9、SWE-Bench Verified: 66.4
- τ³-bench banking: 38.1 で、同規模の競合を大きく上回る
- 同社は、Nemotron 3 Super など アクティブパラメーターが最大4倍 のモデルに匹敵するとしています
ただし すべてで首位ではありません。τ²-bench telecom、BFCL、LongBench Pro では Qwen3.6-35B-A3B が上回り、総合平均では密なモデルの Qwen3.8 27B が上です。ベンチマークは同社 独自のハーネス で実施されています。
何が違うのか
- 本物のドイツ語: 事前学習トークンの21.3%がドイツ語で、ほぼすべてが自然な文章かドイツ語原文の言い換え。「アメリカ風のドイツ語」を避けるため翻訳は最小限に。二言語トークナイザー は GPT-5 や Gemini よりドイツ語を効率よく圧縮し、推論コストを下げます
- 「分からない」と言える: 独自の Merlin-Arthur 手法で回答を控える訓練を実施。AA-Omniscience では44%の項目で誤答せず回答を控えました(前版は15%)
- 4段階の推論レベル(なし、低、中、高)でコストと品質を調整
- 効率: 50層中、全体アテンションは10層のみ。同社によると H100 2枚で25.6万トークンのリクエストを18件同時に処理
なぜ重要か
欧州は、政府や産業向けに米中のモデル以外の選択肢を求めています。オンプレミス で動かせる小ささで、データとコンプライアンスの文書を備えたオープンモデルは、まさにその要望に応えるものです。日本でもソブリン AI の議論が進んでいます。
企業にとって
- 機密データをオンプレミスで: アクティブ30億なので自社 GPU での運用コストは低い
- 自社の領域で検証: 公開ベンチマークも社内評価も同社によるもの
- 根拠付けが重要: 企業の RAG では、推測するモデルより回答を控えるモデルの方が価値がある
- 技術要件: aleph-alpha-inference パッケージ(vLLM プラグイン)が必要
出典
- 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
自社基盤で動かせるオープンなソブリンモデルを評価したいですか?KGA IT は無料相談を受け付けています:kga-it.com