Aleph Alpha slipper Kolibri-1: åpenvektsmodell med 78,1 milliarder parametere, gratis på Hugging Face
Det tyske selskapet Aleph Alpha ga 3. oktober 2026 ut Kolibri-1, en åpenvektsmodell med vekter offentliggjort på Hugging Face under Apache 2.0-lisensen. Alle benchmark-tall er foreløpig selskapets egne, og ingen uavhengig instans har verifisert dem.
Det tyske AI-selskapet Aleph Alpha ga 3. oktober 2026 ut Kolibri-1, en åpenvektspråkmodell for engelsk og tysk som selskapet posisjonerer som et «suverent» alternativ for offentlig forvaltning og regulerte bransjer. Vektene ligger på Hugging Face under Apache 2.0-lisensen, slik at organisasjoner kan laste ned, kjøre og endre modellen på egen maskinvare uten å spørre om lov. Sammen med modellen publiserte selskapet en teknisk rapport på 189 sider som dekker arkitektur, treningsmetoder og evalueringsresultater.
Lanseringen falt på den tyske enhetsdagen, for en modell som retter seg mot offentlig administrasjon, industri, romfart og forsvar. Men tidspunktet er også usedvanlig av en annen grunn: Aleph Alpha er midt i en fusjon med det kanadiske selskapet Cohere, og dette kan bli selskapets siste store selvstendige utgivelse i sin nåværende form.
Hva Kolibri er
Kolibri er en såkalt mixture-of-experts-transformer (MoE) med 78,1 milliarder totale parametre, hvorav bare rundt 3,46 milliarder — omtrent 4,4 prosent — er aktive for hvert token. Det er poenget med arkitekturen: Modellen har kapasiteten til en stor modell, men inferenskostnadene til en mye mindre. Hver av de 50 lagene inneholder 384 rutede eksperter, der seks velges per token i tillegg til én delt ekspert. Oppmerksomhetsmekanismen er hybrid, med fire glidende vindu-lag per full-oppmerksomhetslag, noe som gjør lange kontekster rimeligere å håndtere.
Det tyske fokuset går helt ned på tokeniseringen. Selskapets egen UniBPE-tokenisator, med et vokabular på 128 000 tokens, bygger sammenslåinger som BPE, men vurderer hver sammenslåing etter Unigram-tap. På tysk tekst når det 4,90 byte per token, mot 4,35 for GPT-5-tokenisatoren — altså 11,2 prosent færre tokens på tysk webtekst. For en modell som skal brukes på tysk i offentlig sektor, betyr det lavere kostnader og raskere behandling på akkurat det språket som betyr mest.
En annen detalj som skiller seg ut: Merlin-Arthur-protokollen, en treningsmetode som lærer modellen å avstå fra å svare når hentet kontekst ikke støtter et svar. For brukere i forvaltning og andre regulerte miljøer, der oppdiktede svar kan få konsekvenser, er det en målrettet designbeslutning.
Treningen og suverenitetsargumentet
Alle tekniske tall nedenfor stammer fra Aleph Alpha selv, formidlet gjennom sekundærkilder. Selskapet oppgir at modellen er trent fra bunnen av på til sammen rundt 23,64 billioner tokens i tre faser: hovedfasen varte 21 dager og dekket 20 billioner tokens med sekvenslengde 16 384, deretter 3,44 billioner tokens med kontekst 65 536, og til slutt 201 milliarder tokens for langkontekstilpasning ved 262 144.
Datamiksen er ifølge selskapet omtrent 62,5 prosent engelsk, 23,9 prosent tysk og 13,6 prosent kode, pluss over 2 billioner ekstra tyske tokens som enten er kuratert fra nettet eller syntetisk generert. Tysk utgjør dermed over 20 prosent av treningsdataene — uvanlig mye for en modell i denne størrelsesklassen.
Suverenhetspåstanden hviler på mer enn språk. Treningen kjørte på 768 Nvidia B200-GPU-er på infrastruktur i Tyskland og Finland, og Aleph Alpha oppgir at selskapet kontrollerte datakurering, trening, evaluering og distribusjon fra ende til annen. Selskapet er også signatar av EUs kodeks for generell KI. Det er verdt å merke seg at GPU-ene fortsatt er amerikanske Nvidia-kort — suvereniteten gjelder her kontroll og lokasjon, ikke europeisk maskinvare.
Hva det koster å kjøre
For organisasjoner som vurderer å kjøre modellen selv, er kravene moderate for størrelsesklassen. FP8-versjonen opptar rundt 78 GB minne og kan serveres på én Nvidia H200, B200 eller B300, eller to A100 80 GB/H100 SXM5. BF16-vektene krever rundt 156 GB. Det betyr at modellen kan kjøres på en enkelt moderne akselerator eller et par eldre GPU-er — innen rekkevidde for universitetssykehus, statsforvaltninger og større bedrifter, ikke bare hyperskalere.
Benchmarkene — med et tungt forbehold
Alle resultatene nedenfor er Aleph Alphas egne tall, publisert i den tekniske rapporten og formidlet via sekundærkilder. Ingen uavhengig benchmark-lab har verifisert dem, noe som betyr mer her enn vanlig.
De rapporterte tallene er sterke på matematikk og vitenskap: Aleph Alpha oppgir 84,3 på GPQA Diamond og 96,9 på AIME 2025 i engelsk. ForkLog rapporterer imidlertid 84,8 på GPQA Diamond og 96,7 på AIME 2026, mens MarkTechPost oppgir 96,0 på samme benchmark — tallene fra ulike medier avviker altså noe, og uavklart hvorfor. På den tyskspråklige versjonen av AIME 2026 rapporteres 90,2.
De svake punktene er like opplysende. På agentbasert koding skårer Kolibri ifølge selskapets egne tall 27,7 på TerminalBench 2.1 mot 39,7 for Nemotron 3 Super, og 66,4 på SWE-Bench Verified mot 73,8 for Qwen3.6-35B-A3B. På BFCL v4 scoret den 61,4 mot 70,5 for Qwen3.5. Den tette Qwen3.8 27B skårer ifølge sammenligningen høyere samlet (80,2 EN, 79,9 DE), men aktiverer rundt åtte ganger flere parametre per token — Kolibris salgsargument er altså effektivitet, ikke absolutt topptytelse. Trending Topics har ifølge Startup Fortune også påpekt at tredjepartssammenligninger plasserer Kolibri bak dagens ledende åpenvektsmodeller.
Til Aleph Alphas ære ligger de svake tallene åpent i sin egen rapport. Men bildet er fortsatt ensidig: alle positive og negative tall kommer fra samme kilde.
Fusjonsskyggen
Lanseringen skjer mens Aleph Alpha er i ferd med å bli absorbert av Cohere. Selskapene avdekket fusjonsplaner i april 2026 og signerte en definitiv avtale 16. september. En person som kjenner saken, har opplyst til New York Times at avtalen verdsetter det sammenslåtte selskapet til rundt 20 milliarder dollar — et tall som bygger på en anonym kilde og bør behandles som udokumentert. Schwarz-gruppen, det tyske handelskonsernet bak Lidl og en eksisterende Aleph Alpha-investor, har ifølge flere medier skutt inn 600 millioner dollar som del av avtalen.
OfficeChai beskriver lanseringen som skjedde «på et usedvanlig tidspunkt for selskapet, som er midt i å bli absorbert av Canadas Cohere». En svært tidlig Startup Fortune-artikkel oppga at ingen parametertellinger var publisert ved lanseringen, noe som trolig skyldes at detaljene kom med vektene og den tekniske rapporten like etter.
De åpne spørsmålene
Det viktigste forbeholdet er verifikasjon: Alle tekniske spesifikasjoner og alle benchmark-resultater spores tilbake til Aleph Alpha, via sekundær dekning. Organisasjoner som vurderer Kolibri, bør lese den 189 sider lange tekniske rapporten og modellkortet direkte, og helst kjøre egne tester på egne arbeidsoppgaver.
Deretter er det strategiske spørsmålet: Hva skjer med Kolibri under Cohere? Ingen av de tilgjengelige kildene sier noe om fremtidig veikart etter fusjonen — verken om Apache 2.0-utgivelsene fortsetter, eller om den tyske suverenitetslinjen videreføres. For de tyske og europeiske offentlige aktørene som modellen eksplisitt retter seg mot, er det kanskje det viktigste ubesvarte spørsmålet av alle.