Kolibri ist ein neues Open-Weight-Modell, das das deutsche KI-Unternehmen Aleph Alpha am 3. Oktober 2026 offiziell veröffentlicht hat. Der Termin fiel auf den Tag der Deutschen Einheit. Im offiziellen Blogbeitrag „Kolibri Has Landed" kündigte Aleph Alpha an, dass die vollständigen Gewichte auf Hugging Face im Repository Aleph-Alpha/Kolibri-1 unter der Apache-2.0-Lizenz bereitstehen. Jeder kann das Modell herunterladen, selbst betreiben und kommerziell nutzen. Zielgruppe sind nicht Chatbot-Bestenlisten, sondern regulierte Bereiche wie öffentliche Verwaltung, Industrie sowie Luft- und Raumfahrt, in denen Daten das interne Netz nicht verlassen dürfen.
Die Eckdaten: großer Körper, kleiner Appetit
| Punkt | Kolibri 1 |
|---|---|
| Parameter gesamt | 78,1 Mrd. |
| Aktive Parameter pro Token | Etwa 3,46 Mrd. |
| Architektur | MoE, 50 Schichten, 384 Experten |
| Kontext | Bis zu 1.048.576 Token; für den Alltag empfiehlt der Anbieter höchstens 262.144 |
| Gewichtgröße | Etwa 78 GB (FP8) |
| Lizenz | Apache 2.0 |
Der Clou der Mixture-of-Experts-Architektur: Die Gesamtparameter bestimmen die Wissenskapazität, die aktiven Parameter die Rechenkosten pro Schritt. Kolibri aktiviert pro Token nur rund 3,5 Mrd. Parameter, die Betriebskosten ähneln also einem kleinen Modell. Trotzdem müssen alle 78,1 Mrd. Parameter im Speicher liegen. Als Mindestausstattung nennt der Anbieter zwei A100 mit 80 GB, zwei H100 oder eine einzelne H200, B200 oder B300. Das Modell läuft im eigenen Rechenzentrum, aber nicht auf dem Laptop.
Deutsch wurde trainiert, nicht übersetzt
Aleph Alpha betont das zweisprachige Design: Deutsch macht 21,3 % des Pre-Training-Korpus aus, maschinelle Übersetzung nur etwa 6 %, und das Team entwickelte einen Tokenizer, der auf die deutsche Wortbildung zugeschnitten ist. Übersetzte Texte, so die Begründung, trügen den kulturellen Fingerabdruck der Ausgangssprache. Trainiert wurde auf Infrastruktur in Deutschland und Finnland, mit 20 Billionen Token, gefiltert aus mehr als 200 Billionen Token Rohdaten.
In den eigenen Evaluationen erreicht Kolibri 96,9 Punkte bei AIME 2025, 84,3 bei GPQA Diamond und 85,9 bei LiveCodeBench v6; der deutsche Mittelwert von 70,8 führt vergleichbare offene MoE-Modelle an. Zwei Einschränkungen gehören dazu: Alle Werte stammen vom Hersteller selbst, eine unabhängige Reproduktion steht aus. Und in derselben Tabelle liegt das dichte Modell Qwen3.8 27B im Deutschen vorn, braucht dafür aber rund achtmal so viel Rechenleistung pro Token.
Verkauft wird eigentlich Souveränität
Aleph Alpha definiert Souveränität in zwei Schichten. Die erste betrifft die Herstellung: Datenkuratierung, Training und Evaluation fanden unter europäischem Recht statt, von Anfang an ausgerichtet auf den EU AI Act, den Verhaltenskodex für Allzweck-KI und die DSGVO. Die zweite betrifft die Übergabe: Offene Gewichte bedeuten, dass Kunden das Modell in die eigene Infrastruktur holen können und ein Anbieter-Aus ein bereits deploytes System nicht mehr berührt.
Zwei Details zeigen den Produktionsanspruch. Erstens das Abstention-Training: Mit dem Merlin-Arthur-Protokoll lernt Kolibri, „Ich weiß es nicht" zu sagen, wenn der Kontext keine Grundlage für eine Antwort liefert, statt eine zu erfinden. Für Verwaltung und Compliance zählt das mehr als zwei zusätzliche Benchmarkpunkte. Zweitens stehen vier Reasoning-Stufen (keine, niedrig, mittel, hoch) und Tool Calling bereits bereit, samt offiziellem Inferenz-Plugin auf vLLM-Basis.
Drei Rechnungen vor der Einführung
Die erste ist der Speicher: Ab 78 GB Gewichten ist ein Paar 80-GB-Karten die Eintrittskarte, also zuerst das Hardwarebudget prüfen. Die zweite ist die Sprache: Tief optimiert ist Kolibri nur für Deutsch und Englisch, chinesische Aufgaben sind nicht sein Terrain. Die dritte ist die Prüfung: Herstellerwerte sind eine Referenz, kein Beweis. Wer das Modell in regulierte Abläufe bringen will, sollte vorher eigene Dokumentensätze auf Abstention-Genauigkeit und lange Dokumente testen. Für europäische Institutionen und Teams mit europäischen Kunden liegt Kolibris Wert nicht in der Parameterzahl, sondern darin, dass es drei Dinge in einem Paket bündelt: Daten, die die Rechtsordnung nicht verlassen, ein auditierbares Modell und ein Deployment, das kein Anbieter abschalten kann.
