Aleph Alpha 发布德国主权 AI 模型 Kolibri

Aleph Alpha 于 2026 年 10 月 3 日发布开源权重大语言模型 Kolibri，该模型采用混合专家（MoE）架构，总参数量 781 亿但每 token 仅激活约 34.6 亿参数，原生支持 262,144 个 token 上下文并测试至 1,048,576 个，专为德语和英语设计，以 Apache 2.0 协议在 Hugging Face 开放。 技术细节显示，Kolibri 通过 UniBPE 分词器在德语法律文本上比 GPT-5 节省 15% token 数，利用滑动窗口注意力实现百万级上下文处理，并在 RULER 基准 1M 长度下得分 63.2；其核心创新在于 Merlin-Arthur 协议训练出的“拒答”能力，在 Omniscience 测试中 44% 的不确定问题选择承认不知而非幻觉，显著高于 Qwen3.5 的 11.1%。然而，实测评估指出其在闭卷知识问答（51.0 分）、多轮工具调用（39.8 分）及代码生成（Terminal-Bench 27.7 分）方面弱于 Qwen3.5 35B-A3B 等竞品，且需至少 78 GB 显存（如双 A100/H100 或单 H200/B200），依赖特定 vLLM 插件运行。 事实层面，该模型由德国团队在德国和芬兰基础设施上从零训练，符合欧盟 AI 法案要求，但训练数据包含经 Google Gemma 4 和 Mistral-NeMo 重写的英文语料及 Qwen3-32B 标注数据。推断其目标场景为对数据主权、合规性及德语深度推理有强需求的公共部门、医疗或制造业，不适合通用编码代理或低显存环境；猜测其长期价值取决于能否在垂直领域通过 RAG 结合其长上下文与拒答机制形成差异化壁垒，而非追求通用全能性。