德国Aleph Alpha开源英德双语大模型Kolibri-1：781亿参数MoE，768块B200训练21天

统一日的「德国制造」开源牌

10月3日德国统一日，总部海德堡、员工约200人的Aleph Alpha在官方博客以《Kolibri Has Landed: A Sovereign Open-Weight Model》为题宣布：新模型Kolibri自当日起在Hugging Face开放完整权重下载（仓库名Aleph-Alpha/Kolibri-1），采用Apache 2.0许可证，允许商业使用。公司10月5日又刊发正式新闻稿，将其定位为面向公共行政、工业与航空航天等关键任务场景的专用大模型。

这是欧洲AI公司少有的「训练全过程自主可控 + 权重彻底开源」组合：从数据摄取、预训练、后训练到评测全部自研，算力位于德国与芬兰，并向客户提供完整的数据来源与设计决策文档。

架构：781亿总参，只激活3.46%…不，4.4%

技术报告披露的核心规格：

效率是其最大卖点。Aleph Alpha称在英语与德语的「质量—服务成本」帕累托前沿上，没有任何对比模型能在相同服务成本下提供更高质量、或在相同质量下成本更低；在数学、代码、接地与长上下文任务上，它可匹敌激活参数量四倍于己的模型。

训练：768块B200，21天，38次中断

训练侧的数据同样有信息量：

• 算力集群为768块英伟达B200，预训练仅耗时21天（约39.2万GPU小时），9月11日结束；
• 期间发生38次非计划中断（硬件故障、数据连接掉线），但依托其「模型工厂」（Model Factory）训练即代码管线，无需人工介入即自动恢复稳定训练；
• 前序验证模型Kolibri Origin为306亿总参/32.7亿激活、65k上下文，同一管线先「小步验证」再放大。

德语优化是另一条主线。其自研UniBPE分词器词表12.8万，官方称表示德语文本比GPT-5节省约**11.2%**的token；以德国《基本法》全文实测，Kolibri用35190个token，对比模型为41482个。模型被专门训练「用德语推理」，而非简单翻译英语思维链。

性能与部署门槛

部分官方基准成绩：

部署门槛对本地部署友好：FP8权重约78GB，最低配置为2张A100、2张H100或单张B200；在RTX PRO 6000上推理速度约170 token/s。模型原生支持智能体工作流、RAG与工具调用——在RAG场景中被训练为「当提供的文档证据不足时拒绝作答」，并内置推理强度与响应速度的调节开关。

合规写进模型，而不是事后补丁

面向受监管行业，Kolibri把合规做成了训练流程的一部分：全部训练数据对照450万条以上URL黑名单筛查（来源包括欧盟委员会盗版观察名单），每个第三方数据集在使用前都要核查许可条款、合法来源与opt-out遵守情况，技术报告以整章篇幅给出版权尽职调查示例。

商业层面，Aleph Alpha 9月16日刚宣布与加拿大Cohere组建跨大西洋主权AI公司的协议，交易尚待监管批准，交割前公司继续独立运营。

编辑点评

Kolibri的看点不是跑分——AIME 96+固然亮眼，但更值得国内团队研究的是它的资源效率叙事：768块B200、21天、38次自动恢复的中断，证明一套工程化的「训练即代码」管线可以让一家200人公司做出780亿参数级别的开放权重模型；4.4%激活率与78GB的FP8体积，则把「主权部署」的硬件门槛压到两张消费级加速卡附近。当开源旗舰的参数量军备赛逐渐让位于「每美元质量」与「可审计性」，欧洲人用一个蜂鸟名字（Kolibri即蜂鸟）讲出了与美式超大集群不同的故事：不追最大，追可控、可查、本地跑得起。对国内政务与工业客户，这种「数据来源可举证 + 证据不足拒答」的产品化思路，比参数本身更有参考价值。

来源参考：

• Aleph Alpha 官方博客：Kolibri Has Landed: A Sovereign Open-Weight Model（2026-10-03）
• Aleph Alpha 官方新闻稿：Aleph Alpha releases Kolibri（2026-10-05）
• Hugging Face 模型仓库：Aleph-Alpha/Kolibri-1
• 技术报告：Kolibri — A Sovereign European Model on the Pareto Frontier（PDF）