一句话总结
10 月 3 日，德国海德堡的 Aleph Alpha 在德国统一日放出 Kolibri：英德双语 MoE，78B 总参数每 token 只激活约 3.46B，支持 1M 上下文，权重已经在 Hugging Face 上按 Apache 2.0 完全开放。它没有去争「最强开源模型」，而是明确站在另一个坐标上——面向公共管理、工业与国防的关键任务，把「主权」和「合规」当成产品本身来交付。
数据来源：Aleph Alpha 官方新闻稿《Aleph Alpha releases Kolibri》（海德堡，2026-10-05）、官方博客《Kolibri Has Landed: A Sovereign Open-Weight Model》（2026-10-03）、官方技术报告与模型卡。
发布的是什么：78B / 3.46B，英德双语，Apache 2.0
Kolibri（德语「蜂鸟」）是一个英文-德文 MoE Transformer：
- 参数：78B 总参数、每 token 约 3.46B 激活（官方新闻稿写作「约 3B」）；
- 上下文：最长 1M token，官方建议复杂任务服务时控制在 256K 以内；
- 许可：Apache 2.0，权重可直接下载、可跑在自己的硬件上。
取舍过程官方写得很具体：他们先做了 Kolibri Origin（30B 总参、3B 激活、65K 上下文）来验证整条流水线，再放大。实验中从 32B 一路加到 123B 时能力确实继续涨，但服务成本涨得更快——123B 在两块 H100 上只能同时处理 3 个 256K 长上下文请求，78B 能并发 18 个、解码还快 28%。于是停在 78B，并用 384 个小专家而不是少量宽专家来撑起容量。这个决定的含义是：模型不是给排行榜用的，是给「要自己买卡、自己上线」的客户用的。
为什么是德语：23% 语料 + 德语专用分词器
Kolibri 的差异化不从参数来，而从语言来。官方新闻稿给出的几条：
- 德文文本约占其预训练数据的 23%，模型被训练成「用德语推理」；
- 分词器针对德语优化，同一段德语文本能压成更少的 token，直接省的是推理成本；
- 联合创始人 Samuel Weinbach 的说法是：分词器和「用德语思考」都是围绕德语应用的日常需求设计的。
AI 圈的一个默认假设是「英文够强，其他语言自然溢出」。Kolibri 反着做：先承认欧洲客户的真实工作流是德语的，再把预算砸进去。对处理德语公文、德语技术文档与德语客服的团队来说，这项收益比榜单排名实在得多。
「主权」是两个维度，不是一句口号
Aleph Alpha 对「主权」的定义值得单独拎出来，因为它把一个政治词拆成了两条可验证的工程清单：
研发主权指模型是怎么造出来的：团队在德国海德堡（2019 年成立、约 200 人），从数据采集、清洗、预训练到后训练全流程自持，训练在德国与芬兰的基础设施上完成。部署主权指模型怎么交到客户手里：权重可下载、可内网部署，不必把内部数据送进第三方推理服务；模型内置推理档位，能让用户自己调「思考深度 vs 响应速度」的平衡；在 RAG 场景下被专门训练成证据不足时拒答，而不是硬编一个看起来完整的答案。
这两条合起来才是他们说的「合规不再靠外部承诺，而是随权重一起交付」——客户拿到的是可以直接审计的东西，而不是一纸 SLA。
合规被写进训练数据治理
技术报告里公布的治理措施比宣传语更硬：全部训练数据对照一份超过 450 万条 URL 的黑名单做过筛查（来源包括欧盟委员会的盗版观察名单 Piracy Watch List）；每一份第三方数据在使用前都要评估许可证条款、来源合法性以及是否尊重 opt-out 声明。官方强调这是一套留存记录、可复盘每个决策的流程，覆盖数据采集、预训练、后训练到最终评测。
对需要过审、要写 AI 治理文档的欧洲政企采购来说，这些记录本身就是交付物的一部分。对照检查一下：多数开源权重模型的发布公告里，这一栏是空的。
自报基准：赢在一部分，输在一部分
Aleph Alpha 用的是自家的评测台，对手选了 Alibaba 的 Qwen3.6-35B-A3B、Nvidia 的 Nemotron 3 Super 120B-A12B 和法国 Mistral Small 4 119B-A6B。在这个场里 Kolibri 的表现是：
| 基准 | Kolibri | 说明 |
|---|---|---|
| AIME 2025 / 2026（数学） | 96.9 / 96.0 | 领先对比组 |
| GPQA Diamond（知识） | 84.3 | 领先对比组 |
| LiveCodeBench（代码） | 85.9 | 领先对比组 |
| τ²-bench telecom、BFCL（工具调用） | — | 落后于 Qwen3.6-35B-A3B |
也就是说：数学、知识、代码这类静态基准上 Kolibri 站得住，工具调用与部分 Agent 场景上不如更小的 Qwen3.6。官方对这套公开基准本身的态度也写在公告里——他们认为公开榜单反映不了客户的真实需求，所以另外自建了面向公共管理、汽车零部件、航空航天等行业的测试集，其中航空航天一项从前代提升明显。这类自建行业基准没有第三方复现，参考时要把口径一起看。
另一个必须说的缺口：Kolibri 还没上 Artificial Analysis，目前没有独立的智力指数排名。按对比模型的分数（Qwen3.6-35B-A3B 18 分、Nemotron 3 Super 13 分、Mistral Small 4 11 分）推算，量级大约在 15 至 20 分之间——这只是估算，不是实测。硬件门槛方面，第三方实测口径是 FP8 权重、至少两块 A100 80GB 或 H100，实际显存占用约 140GB 量级。
更大的背景：一家德国公司和一次跨大西洋合并
Kolibri 发布的时间点，和 Aleph Alpha 自身的一次大变动叠在一起：
- 9 月 16 日与 24 日，Cohere 与 Aleph Alpha 先后宣布签署合并协议，目标是成为「第一家跨大西洋的主权 AI 公司」，交易仍需监管批准；
- 官方同时说明，在交割完成前 Aleph Alpha 继续独立运营——Kolibri 是独立状态下放出的最后一个大动作之一；
- 9 月 28 日，公司宣布 Reto Spörri 离任，Ilhan Scheer 继续担任 CEO。
把这三件事放在一起看，Kolibri 的角色有两层：它既是面向客户的产品，也是合并前的一次技术验证——78B 量级的模型可以在德国与芬兰的自建基础设施上、由自己的团队从零训出来。欧洲的另一张牌是法国的 Mistral，它走的是通用能力路线；Aleph Alpha 走的则是「专门语言 + 专门行业 + 合规交付」的窄而深路线。两条路都在回答同一个问题：在美国闭源 API 与中国开源权重之间，欧洲的采购方能不能有第三个选项。
总结
- 是什么：Aleph Alpha 的英德双语 MoE 模型 Kolibri，78B 总参 / 约 3.46B 激活 / 1M 上下文，Apache 2.0，权重已在 Hugging Face，10 月 3 日（德国统一日）发布。
- 参数取舍：停在小规模是因为 123B 在两块 H100 上只能并发 3 个 256K 请求，78B 能并发 18 个且解码快 28%；384 个小专家替代少量宽专家。
- 差异化：23% 德语预训练语料 + 德语优化分词器 + 用德语推理，面向公共管理、工业、航空航天等关键任务。
- 合规即产品：450 万条 URL 黑名单、逐份第三方数据集评估许可证与 opt-out，EU AI Act / GDPR / 版权要求的处理措施写进技术报告。
- 可信度边界：基准为自报口径，工具调用与部分 Agent 场景落后 Qwen3.6-35B-A3B，尚未进入 Artificial Analysis（估算 15–20 分）；行业内基准没有第三方复现。
- 背景：Cohere 与 Aleph Alpha 已签合并协议（待监管批准），交割前独立运营；CEO 于 9 月 28 日交接。
图片出处：封面、「主权的两个维度」示意图由 UU AI Hub 自制；Kolibri 官方发布视觉、柏林联邦新闻发布会现场照片与规格数据取自 Aleph Alpha 官方新闻稿、官方新闻页与官方博客原文。
数据来源：Aleph Alpha 官方新闻稿（海德堡，2026-10-05）与官方博客《Kolibri Has Landed: A Sovereign Open-Weight Model》（2026-10-03）、官方技术报告；Aleph Alpha 官方 X 账号发布帖（2026-10-03）；Trending Topics 对官方基准的第三方梳理、tej.as 与 MindStudio 对模型卡与硬件需求的技术拆解（2026-10-03/04）。
