Kolibri: modelo de IA alemán para el propio centro de datos
Kolibri funciona en hardware propio. La licencia, los datos de entrenamiento y la fusión pendiente con Cohere limitan la soberanía.
Aleph Alpha publicó Kolibri el 3 de octubre: un modelo alemán de 78 mil millones de parámetros. Los pesos Apache 2.0 funcionan en hardware propio. Para la administración pública y la industria, la soberanía depende del centro de datos propio. La licencia, el origen de los datos y la fusión prevista con Cohere ponen límites.
Lo más importante en resumen
- Kolibri funciona bajo Apache 2.0 en hardware propio. De los 78 mil millones de parámetros, 3,46 mil millones están activos por token, en FP8 el modelo ocupa unos 78 GB.
- La licencia solo cubre pesos y configuración. Código, arquitectura y métodos de entrenamiento quedan excluidos, la operación requiere el paquete aleph-alpha-inference.
- Los datos de entrenamiento sintéticos proceden también de GLM y Qwen. El propio fabricante afronta la fusión con Cohere, que aún espera las aprobaciones de las autoridades.
Relacionados:Soofi S: soberanía no significa victoria / AWS Cloud soberana: qué está realmente separado
Un modelo alemán para la operación propia
Aleph Alpha publicó Kolibri 1 el 3 de octubre en Hugging Face. El modelo comprende 78 mil millones de parámetros, por token trabaja con 3,46 mil millones de ellos. El fabricante de Heidelberg formuló su pretensión en su anuncio en X con brevedad: los pesos pertenecen ahora a los usuarios y pueden operarse bajo Apache 2.0 en hardware propio.
Kolibri se construyó en Alemania y se entrenó en infraestructura ubicada en Alemania y Finlandia con 768 GPUs B200. Según el anuncio, el 21,3 % de los tokens de preentrenamiento son alemanes, la ficha del modelo indica para el corpus de preentrenamiento un porcentaje algo mayor.
El preentrenamiento abarcó 20.000 mil millones de tokens, en todas las fases de entrenamiento fueron casi 24.000 mil millones.
Como campo de aplicación, Aleph Alpha cita trabajo soberano y crítico para la misión en ámbitos regulados, entre ellos la administración pública, la industria y el sector aeroespacial. En la operación propia, las consultas y los datos pueden permanecer en el propio centro de datos.
¿Qué es un modelo de pesos abiertos? Un modelo de pesos abiertos es un modelo de IA entrenado cuyos pesos el fabricante publica para su descarga. Los operadores pueden así ejecutarlo en servidores propios, las consultas no pasan por una interfaz de nube del fabricante. Que también el código de entrenamiento, los datos y los métodos estén abiertos depende de la publicación respectiva.
Lo que exige la operación propia
En FP8, Kolibri ocupa unos 78 GB de memoria. Como mínimo, Aleph Alpha menciona dos A100 en la variante de 80 GB, dos H100 SXM5 o una única H200, B200 o B300. Así, el modelo cabe en un único servidor GPU actual.
Kolibri está entrenado con un contexto de 262.144 tokens. El fabricante ha validado el modelo hasta 1.048.576 tokens, pero para eficiencia y tareas complejas recomienda como máximo la longitud entrenada.
Que Kolibri también funciona en un sistema de escritorio lo muestran primeras mediciones del foro de desarrolladores de Nvidia. En una única DGX Spark, un usuario alcanzó con vLLM estándar unos 20 tokens por segundo al decodificar, un segundo con una compilación optimizada unos 48. Se trata de mediciones aisladas sin relación con el fabricante.
Licencia y origen de los datos
Apache 2.0 se aplica en Kolibri a los pesos y a los archivos de configuración. Quedan expresamente excluidos el código subyacente, la arquitectura del modelo, los ajustes de parámetros y cualquier método de entrenamiento. Para la operación, Aleph Alpha requiere su propio paquete aleph-alpha-inference.
Los operadores mantienen así los pesos bajo una licencia libre, con independencia de a quién pertenezca el fabricante en el futuro. Para la operación continuada siguen dependiendo del paquete de inferencia del fabricante.
Para los datos de entrenamiento sintéticos, Aleph Alpha empleó modelos de otros fabricantes. Según el Tech-Report, GLM-5.2 y GLM-5.3 de Z.ai y Qwen3.8-27B del equipo Qwen de Alibaba son los modelos principales con los que el fabricante generó datos sintéticos y regeneró partes de conjuntos de datos abiertos.
El profesor de Wharton Ethan Mollick retomó el tema el día de la publicación. El nuevo modelo soberano de Europa estaría afinado con datos que habrían generado GLM y Qwen, escribió en X. Quien mide la soberanía también por el origen de los datos de entrenamiento encuentra aquí el límite de la promesa.
- Pesos y configuración bajo Apache 2.0
- Entrenamiento en Alemania y Finlandia
- Cerca de una quinta parte de tokens de preentrenamiento en alemán
- Operación desde una única H200, B200 o B300
- Código, arquitectura y métodos de entrenamiento sin licenciar
- Operación solo con aleph-alpha-inference
- Datos sintéticos de GLM y Qwen
- La fusión con Cohere espera las aprobaciones
Cómo rinde Kolibri en alemán
En la tabla del fabricante, Kolibri alcanza 70,8 puntos en la puntuación total en alemán y queda así justo por delante de GPT-OSS 120B y Qwen3.5 35B-A3B.
| Modelo | Puntuación total en alemán (Overall DE) |
|---|---|
| Qwen3.8 27B (modelo denso) | 79,9 |
| Kolibri 1 | 70,8 |
| GPT-OSS 120B | 70,2 |
| Qwen3.5 35B-A3B | 69,8 |
Fuente: tabla del fabricante Aleph Alpha, ficha del modelo en Hugging Face
Claramente delante queda el modelo denso Qwen3.8 27B con 79,9 puntos. Eso sí, por token activa casi ocho veces más parámetros que Kolibri.
El máximo responsable de Aleph Alpha, Ilhan Scheer, anunció el 4 de octubre Kolibri 1.1, más rápido de lo previsto. Para el modelo predecesor interno citó una mejora en alemán de 46 a 71 puntos en tres meses.
El fabricante ante la fusión
Kolibri aparece poco más de dos semanas después de que Aleph Alpha y Cohere firmaran el 16 de septiembre un acuerdo de fusión vinculante. La empresa conjunta operaría como Cohere, con sede en Berlín y Toronto. La oficina de Heidelberg se mantendría como centro de investigación.
Las empresas del grupo Schwarz aportan para el proyecto germano-canadiense 500 millones de euros como financiación estructurada. La transacción solo se consuma con las últimas aprobaciones de las autoridades.
Para los operadores, esto desplaza la pregunta de quién está detrás de Kolibri. Los pesos de Kolibri 1 siguen siendo utilizables bajo Apache 2.0, su operación requiere el paquete de inferencia del fabricante. También el anunciado Kolibri 1.1 procede de un fabricante que en el futuro operaría bajo el nombre de Cohere.
Preguntas frecuentes
¿Se puede usar Kolibri con fines comerciales?
Los pesos están bajo Apache 2.0, una licencia que permite el uso comercial. Se aplica a los pesos y a los archivos de configuración, código, arquitectura y métodos de entrenamiento quedan excluidos. Para la operación, Aleph Alpha requiere el paquete aleph-alpha-inference.
¿Qué hardware necesita Kolibri?
En FP8 el modelo ocupa unos 78 GB de memoria. Como mínimo, Aleph Alpha menciona dos A100 con 80 GB, dos H100 SXM5 o una única H200, B200 o B300. Mediciones de la comunidad muestran que Kolibri también funciona en una DGX Spark, con unos 20 a 48 tokens por segundo.
¿Qué cambia la fusión con Cohere para los usuarios de Kolibri?
El acuerdo del 16 de septiembre está firmado, solo se consuma tras las últimas aprobaciones de las autoridades. Los pesos publicados siguen siendo utilizables bajo Apache 2.0. La operación de Kolibri 1 requiere el paquete aleph-alpha-inference, que proporciona el fabricante.
Selección editorial
cloudmagazinDescargable no significa operablecloudmagazinClaude Code ya ejecuta también Qwen de AlibabacloudmagazinFinOps IA: control costes GPU multi-cloudMás de la red MBF Media
MyBusinessFutureCuándo realmente merece la pena un modelo de IA alemánFuente de la imagen: generada por IA (octubre de 2026)
Traducido del original en alemán con inteligencia artificial. La versión alemana es la de referencia.
