Kolibri de Aleph Alpha ofrece a las instituciones europeas algo más concreto que una promesa de soberanía: pesos descargables que pueden conservar, adaptar y ejecutar en la infraestructura elegida. El modelo alemán-inglés estuvo disponible el 3 de octubre, con otro anuncio empresarial el 5 de octubre. Su propuesta más sólida es controlar el despliegue y el trabajo en alemán, no liderar mundialmente todas las pruebas.
El gobierno alemán no publicó Kolibri ni lo eligió como modelo nacional del sector público. Una empresa privada alemana lanzó un candidato para administración, industria, defensa, aeroespacio y otros ámbitos regulados. Adoptarlo exige evaluación, integración y contratación. Las relaciones de cooperación previas con instituciones públicas no prueban que esta versión ya gestione decisiones gubernamentales importantes.
Cálculo disperso no significa modelo pequeño
Kolibri tiene 78.100 millones de parámetros totales y activa unos 3.460 millones por token. Su mezcla de expertos selecciona seis de 384 expertos enrutados junto a uno compartido por capa. Solo diez de 50 capas usan atención completa; las demás una ventana móvil de 512 tokens. Reduce cálculo, pero todos los pesos deben permanecer accesibles.
Apache 2.0 permite uso comercial, modificación y redistribución. Hay versiones BF16 y FP8 de menor precisión, esta última con ocupación indicada de unos 78 GB. Los pesos abiertos aportan portabilidad más allá de una API, no reconstrucción de cada decisión de entrenamiento. Reproducir todo exige datos, código, métodos, experiencia y mucha computación.
El modelo permite salida estructurada, llamadas nativas a herramientas y razonamiento desactivado, bajo, medio o alto. Una interfaz compatible con OpenAI facilita integrar. La ficha lo sitúa en sistemas asesores donde personas revisan antes de actuar, no como decisor autónomo de casos importantes.
El contexto máximo anunciado es 1.048.576 tokens, mientras el entrenamiento nativo extenso llega a 262.144. Etapas anteriores usaron 16.384 y 65.536. Aleph Alpha recomienda no superar el nativo en tareas complejas y para eficiencia; el millón fue validado por extrapolación, no entrenado nativamente a esa longitud.
Especialización alemana con una discrepancia numérica
Aleph Alpha sostiene que redactar administración alemana requiere más que respuestas fluidas de un modelo anglocéntrico. Referencias jurídicas, compuestos, papeles institucionales y supuestos procedimentales pueden distorsionarse con traducción o filtros genéricos. Ajustó los filtros web alemanes e incluyó textos parlamentarios, jurídicos y de dominio público.
Las versiones difieren en la cuota alemana: dos indican 21,3% del preentrenamiento principal, unos 4,3 billones de presentaciones de tokens dentro de 20 billones; otra 23,9%, junto a 62,5% inglés y 13,6% código. Otra redondea inglés/código a 62%/14%. No son porcentajes reconciliados de un mismo denominador. Es una divergencia documental por aclarar, no por corregir inventando una cifra.
La descripción de datos indica 390.000 millones de tokens alemanes útiles tras filtrado y deduplicación iniciales, menos del objetivo de unos 4 billones. Un proceso Common Crawl específico reunió 1,3 billones de tokens únicos y reformular documentos alemanes produjo aproximadamente otro billón en preguntas/respuestas y textos enciclopédicos. Construcción de corpus y presentaciones repetidas son medidas distintas, no una suma automática de datos únicos.
Un vocabulario bilingüe de 128.000 tokens usa UniBPE para morfología alemana. La empresa comunica 4,7 bytes por token alemán y 4,2 inglés, con divisiones más significativas de compuestos administrativos. Mejor compresión puede ahorrar contexto y cálculo, sin demostrar exactitud jurídica.
Unos 800.000 ejemplos supervisados de razonamiento usaron comienzos de frases alemanes para reducir la deriva al inglés. Explicaciones legibles ayudan a revisar, pero el razonamiento generado no registra necesariamente el cálculo interno. Citas, prompts versionados y registros de acceso siguen siendo necesarios. La fecha límite de conocimiento alemán/inglés es 18 de junio de 2026; hechos recientes necesitan recuperación o herramientas.
Documentación abundante no implica reproducción local sencilla
Aleph Alpha informa de final del preentrenamiento el 11 de septiembre tras 21 días en 768 Nvidia B200, con 38 interrupciones imprevistas y reinicios automáticos desde checkpoints. Indica 392.000 horas GPU para esa fase. El proceso analizó más de 200 billones de tokens brutos antes de seleccionar; preentrenamiento 20 billones, fase intermedia 3,44 billones y adaptación extensa 200.000 millones.
El posentrenamiento aporta otras cantidades: 174.000 millones de tokens sintéticos generados, mezcla supervisada 268.000 millones tras filtrar y combinar datos con licencias permisivas y más de 1,2 millones de tareas seleccionadas de aprendizaje por refuerzo. Son cifras por etapa, no documentos únicos ni cantidades para sumar a los porcentajes del corpus principal.
La energía estimada de las fases divulgadas es 950 MWh con costes adicionales del centro de datos, excluyendo ajuste supervisado, refuerzo, experimentos pequeños y otras actividades. La empresa describe una lista de bloqueo de más de 4,5 millones de URL y controles de licencias, origen lícito, exclusiones y datos externos. La documentación permite escrutinio, pero no resuelve cada cuestión de privacidad o copyright.
El entrenamiento fue en Alemania y Finlandia, con control alemán/europeo declarado de desarrollo y suministro. Es más que almacenar prompts localmente, pero todavía implica chips extranjeros, software, electricidad y especialistas. Soberanía significa gobernar las dependencias restantes, no eliminarlas.
Hardware y contexto largo siguen limitando la operación
Los mínimos listados incluyen dos A100 80 GB, dos H100 SXM5 o una H200, B200 o B300. Algunas recomendaciones indican dos H100 SXM5 o H200, junto a configuraciones recientes de un acelerador. 3.460 millones de parámetros activos no convierten el sistema en un modelo de escritorio normal de ese tamaño.
En una comparación interna, el diseño de 78.000 millones atendió 18 peticiones simultáneas con unos 256.000 tokens en dos H100, frente a tres del experimental 123.000 millones, y decodificó 28% más rápido. No es garantía de compra: precisión, lotes, software, longitudes, memoria, comunicación y objetivos de servicio cambian el coste.
Kolibri Base obtuvo 69,8 en RULER con 256.000 tokens y 63,2 con un millón. La longitud máxima no garantiza usar fiablemente todos los detalles. Pasajes relevantes pueden perderse entre repeticiones, contradicciones e instrucciones maliciosas. Recuperación según permisos y citas trazables puede ser mejor que cargar un expediente completo, con datos personales irrelevantes, en una petición.
Fundamentación prometedora, pruebas mixtas
Merlin-Arthur crea contextos con pruebas y versiones adversarias incompletas, enseñando a responder con soporte y abstenerse sin él. Aleph Alpha comunica 44% de abstención en preguntas sin respaldo en una evaluación interna, frente a 15% de Kolibri Origin. Su proxy alemán público subió de 0,54 a 0,75. Son pruebas empresariales, no fiabilidad productiva auditada.
Los proxies privados también cubren proveedores de automoción, semiconductores, accionamientos industriales y aeroespacio. Pueden parecerse al trabajo más que pruebas académicas, pero no se reproducen sin tareas, prompts, puntuación y referencias. Importan respuestas correctas o infundadas, negativas apropiadas o innecesarias y precisión de citas. Mucha abstención puede intercambiar utilidad por cautela.
Las matemáticas internas incluyen AIME 2025: 96,9 inglés/87,5 alemán; AIME 2026: 96,0/90,0. GPQA Diamond tiene 84,3/81,3. Algunos comparativos con Mistral, Qwen, Nvidia apoyan competitividad, incluso ante hasta cuatro veces los parámetros activos en tareas elegidas, no superioridad universal.
Herramientas y agentes son menos consistentes. BFCL v4 global fue 61,4 frente a 67,2 del Qwen3.6 35B-A3B listado; multiturno 47,5. TerminalBench 2.1 fue 27,7, inferior a los Qwen3.6, Nemotron 3 Super y Qwen3.8 denso indicados. Agentes de dominio lograron 94,7 telecomunicaciones,76,7 aerolíneas,38,1 banca; otros lideran varias filas. Prompts, presupuestos de razonamiento, traducciones, contaminación y puntuación afectan comparaciones.
El gobierno tiene varias rutas, no un campeón
F13 con Baden-Württemberg y un despliegue citado previsto para 80.000 usuarios públicos muestran acceso institucional, no producción Kolibri. Un caso nombrado necesita proceso, usuarios activos, revisión humana, errores y ahorro tras verificar resultados. Miles elegibles para un piloto no equivalen a uso diario.
SAP y OpenAI anunciaron OpenAI for Germany en septiembre 2025, combinando OpenAI, Delos Cloud de SAP y acuerdos Microsoft Azure. Enfatiza operación nacional, contratos y soporte gestionado, no propiedad del proceso del modelo. Servicios gestionados aportan capacidad, vigilancia y actualizaciones; pesos portables dan continuidad y control de versiones trasladando obligaciones al cliente.
KIPITZ federal ya admite resúmenes, traducción, redacción, reescritura y conversación, con plan independiente de nube y modelos abiertos específicos. Ningún anuncio citado selecciona Kolibri. Pilotos Agentic AI Hub abarcan planificación, permisos, transcripción y servicios; llamar herramientas no proporciona por sí solo autorizaciones ni un agente completo.
Alternativas incluyen Mistral, el consorcio OpenEuroLLM, Soofi alemán-inglés en German Industrial AI Cloud de Deutsche Telekom y modelos abiertos Meta, Qwen, Nvidia. Mistral participa además en iniciativas públicas, incluidos despliegues franceses y cooperación franco-alemana explorada con SAP. Más opciones sustituibles refuerzan la soberanía más que un campeón nacional único.
La evaluación independiente ofrece otra vía. MÖVE de Bundesdruckerei empezó con nueve conjuntos alemanes y siete criterios de administración/derecho, seguridad, sostenibilidad y valores democráticos, con BSI y Fraunhofer AISEC en seguridad. Otro estudio de 39 modelos y 13 proveedores no halló líder universal y estimó energía con diferencias superiores a 60 veces. Los dos mejores lograron solo 0,671 en 4.788 posiciones políticas de 64 partidos. No examinó Kolibri directamente: procedencia europea no demuestra competencia institucional alemana.
El control debe sobrevivir al despliegue y al cambio empresarial
La combinación propuesta Aleph Alpha–Cohere está sujeta a aprobación regulatoria. Los relatos describen un grupo Berlín/Toronto de más de 1.000 empleados bajo el nombre Cohere. Kolibri ya está terminado, mientras la combinación propuesta sigue pendiente de aprobación y aún no ha entrado en vigor. Más investigación y distribución pueden ayudar, pero hacen falta claridad sobre propiedad intelectual, jurisdicciones, soporte, versiones y continuidad. Los pesos actuales Apache 2.0 siguen disponibles en esos términos; la apertura futura es distinta.
El código GPAI de la UE es voluntario y ayuda a proveedores a demostrar obligaciones pertinentes del AI Act. Firmar, diseñar para GDPR o usar licencia abierta no certifica cada aplicación ni todo dato de entrenamiento. Redacción, búsqueda y decisiones de prestaciones tienen riesgos distintos; quien despliega responde por finalidad, afectados, seguridad, supervisión, registros y recurso.
Los pesos portables dejan dependencias posibles en adaptadores, índices, orquestación y vigilancia. Inyección de prompts, extracción, documentos envenenados y llamadas inseguras necesitan controles de aplicación. Leer manuales autorizados no concede autoridad de mandar sobre equipos; asistencia documental no implica correo sin límites.
La siguiente prueba es reproducción independiente y uso nombrado sostenido: alemán jurídico y municipal, diferencias regionales, expedientes inaccesibles, reglas contradictorias/antiguas, permisos revocados, instrucciones maliciosas, energía, latencia y recuperación. Versiones alojadas o adaptadas deben compararse con la descargable. La soberanía es creíble cuando las instituciones inspeccionan, operan, sustituyen y gobiernan un servicio fiable, no cuando nacionalidad o un millón de tokens sustituyen esas pruebas.
Fuentes y lecturas relacionadas
Publicación de Kolibri · Análisis de datos alemanes · Investigación del razonamiento alemán · OpenAI for Germany · Combinación propuesta con Cohere · Ficha del modelo Kolibri · Registro de la noticia principal · Pesos BF16 · Benchmark MÖVE · Plataforma federal KIPITZ · Estudio independiente de gobernanza · Gobernanza del acceso al conocimiento · Registro de la segunda noticia · Anuncio del5de octubre · Código GPAI de la UE · Registro de la tercera noticia