Ra mắt
Vào Ngày Thống nhất nước Đức, 3/10/2026, công ty Đức Aleph Alpha ra mắt Kolibri, mô hình ngôn ngữ Anh-Đức trọng số mở theo giấy phép Apache 2.0. Đây là mô hình Mixture-of-Experts với tổng 78 tỷ tham số và khoảng 3 tỷ hoạt động mỗi token, ngữ cảnh tới 1 triệu token.
Mô hình được định vị là "chủ quyền" cho công việc trọng yếu trong các ngành bị quản lý: hành chính công, công nghiệp và hàng không vũ trụ. Theo công ty, nó được xây dựng tại Đức, huấn luyện trên hạ tầng ở Đức và Phần Lan, theo luật châu Âu và không chịu kiểm soát nước ngoài, được thiết kế ngay từ đầu theo Đạo luật AI của EU, Bộ quy tắc thực hành GPAI và GDPR.
Số liệu (tự báo cáo)
Trong thử nghiệm của chính Aleph Alpha ở mức suy luận cao nhất:
- AIME 2025: 96,9 (87,5 bằng tiếng Đức); GPQA Diamond: 84,3.
- LiveCodeBench v6: 85,9; SWE-Bench Verified: 66,4.
- τ³-bench banking: 38,1, vượt xa đối thủ cùng cỡ.
- Công ty cho biết nó ngang các mô hình có số tham số hoạt động gấp tới bốn lần, như Nemotron 3 Super.
Nhưng nó không dẫn đầu mọi thứ: Qwen3.6-35B-A3B thắng ở τ²-bench telecom, BFCL và LongBench Pro, còn Qwen3.8 27B (dày đặc) dẫn trước ở điểm trung bình chung. Các điểm chuẩn chạy bằng bộ đánh giá riêng của công ty.
Điểm khác biệt
- Tiếng Đức thật sự: 21,3% token tiền huấn luyện là tiếng Đức, gần như toàn bộ là văn bản gốc hoặc viết lại từ văn bản tiếng Đức; dịch thuật được dùng tối thiểu để tránh "tiếng Đức kiểu Mỹ". Tokenizer song ngữ nén tiếng Đức tốt hơn GPT-5 và Gemini, giảm chi phí suy luận.
- Biết nói "tôi không biết": huấn luyện từ chối trả lời bằng giao thức Merlin-Arthur. Trên AA-Omniscience, Kolibri từ chối thay vì trả lời sai ở 44% câu hỏi, so với 15% của phiên bản trước.
- Bốn mức suy luận (không, thấp, trung bình, cao) để cân bằng chi phí và chất lượng.
- Hiệu quả: chỉ 10 trong 50 lớp dùng attention đầy đủ; theo công ty, nó phục vụ đồng thời 18 yêu cầu 256 nghìn token trên hai H100.
Vì sao quan trọng
Châu Âu muốn có lựa chọn thay thế mô hình Mỹ và Trung Quốc cho chính phủ và công nghiệp. Một mô hình mở đủ nhỏ để chạy tại chỗ (on-premise), kèm tài liệu dữ liệu và tuân thủ, đáp ứng đúng nhu cầu đó. Khái niệm này cũng áp dụng cho các nước khác: Nhật Bản cũng đang thảo luận về AI chủ quyền.
Với doanh nghiệp
- Dữ liệu nhạy cảm tại chỗ: 3 tỷ tham số hoạt động nghĩa là chi phí vận hành thấp trên GPU riêng.
- Thử trong lĩnh vực của bạn: cả điểm chuẩn công khai lẫn nội bộ đều do công ty tự công bố.
- Grounding quan trọng: trong RAG doanh nghiệp, mô hình biết từ chối giá trị hơn mô hình "đoán bừa".
- Yêu cầu kỹ thuật: cần gói aleph-alpha-inference (plugin vLLM).
Nguồn
- 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
Bạn muốn đánh giá các mô hình mở, chủ quyền để chạy trên hạ tầng riêng? KGA IT cung cấp tư vấn miễn phí: kga-it.com.