Kolibri firmy Aleph Alpha daje europejskim instytucjom coś konkretniejszego niż obietnicę suwerenności: wagi do pobrania, zachowania, adaptacji i uruchomienia na wybranej infrastrukturze. Niemiecko-angielski model udostępniono 3 października, a 5 października pojawił się kolejny komunikat firmy. Najmocniejszą propozycją jest kontrola wdrożenia i pracy po niemiecku, nie światowe prowadzenie we wszystkich testach.
Niemiecki rząd nie wydał Kolibri ani nie wybrał go na krajowy model administracji. Prywatna niemiecka firma wypuściła kandydata dla administracji, przemysłu, obronności, lotnictwa i innych zastosowań regulowanych. Wdrożenie nadal wymaga oceny, integracji i zamówień. Dotychczasowe relacje z sektorem publicznym nie dowodzą, że ta wersja obsługuje ważne decyzje państwowe.
Rzadkie obliczenia nie oznaczają małego modelu
Kolibri ma 78,1 mld parametrów ogółem i aktywuje około 3,46 mld na token. Architektura mixture-of-experts wybiera sześciu z 384 ekspertów routowanych obok jednego wspólnego w każdej warstwie. Tylko dziesięć z 50 warstw stosuje pełną uwagę; pozostałe okno 512 tokenów. Zmniejsza to obliczenia, lecz wszystkie wagi nadal muszą być dostępne.
Apache 2.0 pozwala na użytek komercyjny, modyfikację i redystrybucję. Są wersje BF16 i mniej precyzyjna FP8, której podany rozmiar to około 78 GB. Otwarte wagi dają przenośność większą niż API, nie odtwarzają każdej decyzji treningowej. Pełna reprodukcja wymaga danych, kodu, metod, wiedzy i znacznych zasobów obliczeniowych.
Model obsługuje wynik strukturalny, natywne wywołania narzędzi i poziomy rozumowania: wyłączony, niski, średni lub wysoki. Interfejs zgodny z OpenAI ułatwia integrację. Karta modelu umieszcza go w systemach doradczych, gdzie ludzie sprawdzają wynik przed działaniem, nie jako autonomicznego decydenta w poważnych sprawach.
Reklamowane maksimum kontekstu to 1.048.576 tokenów, natywne szkolenie długiego kontekstu obejmuje 262.144. Wcześniejsze etapy używały 16.384 i 65.536. Aleph Alpha zaleca długość najwyżej natywną dla złożonych zadań i efektywnej obsługi; milion zweryfikowano przez ekstrapolację, a nie równie długi trening natywny.
Niemiecka specjalizacja z rozbieżnością liczbową
Aleph Alpha uważa, że niemiecki język administracji wymaga więcej niż płynnej odpowiedzi modelu anglocentrycznego. Odwołania prawne, długie złożenia, role instytucji i procedury mogą zostać zniekształcone przez ogólne filtry lub tłumaczenie. Dostosowano filtry niemieckiego internetu, dodając parlament, prawo i materiały domeny publicznej.
Relacje różnią się udziałem niemieckiego: dwie podają 21,3% głównego pretreningu, około 4,3 bln prezentacji tokenów w 20 bln; inna 23,9%, obok 62,5% angielskiego i 13,6% kodu. Jeszcze inna zaokrągla angielski/kod do 62%/14%. Nie są to uzgodnione udziały wspólnego mianownika. Rozbieżność dokumentacji wymaga wyjaśnienia, nie wymyślonej korekty.
Opis danych mówi o 390 mld użytecznych niemieckich tokenów po początkowym filtrowaniu i deduplikacji wobec celu około 4 bln. Osobny proces Common Crawl zebrał 1,3 bln unikalnych tokenów, a przeformułowanie niemieckich dokumentów dało około kolejnego biliona, między innymi w pytaniach i odpowiedziach lub hasłach encyklopedycznych. Budowa korpusu i powtarzane prezentacje to różne miary, których nie wolno zsumować jako unikalnych danych.
Dwujęzyczny słownik 128 tys. tokenów korzysta z UniBPE dla morfologii niemieckiej. Firma podaje 4,7 bajtu na token po niemiecku i 4,2 po angielsku oraz sensowniejsze dzielenie złożeń administracyjnych. Kompresja może oszczędzać kontekst i obliczenia, ale nie dowodzi poprawności prawnej.
Około 800 tys. niemieckich przykładów nadzorowanego rozumowania wykorzystywało niemieckie początki zdań, ograniczając dryf ku angielskiemu. Czytelne wyjaśnienie pomaga pracownikowi sprawdzać odpowiedź, ale nie musi wiernie odtwarzać obliczeń wewnętrznych. Cytowania, wersje promptów i rejestry dostępu są nadal potrzebne. Granicą wiedzy niemieckiej i angielskiej jest 18 czerwca 2026; nowsze fakty wymagają wyszukiwania lub narzędzi.
Duży zapis treningu nie oznacza łatwej reprodukcji
Aleph Alpha podaje koniec pretreningu 11 września po 21 dniach na 768 Nvidia B200, z 38 nieplanowanymi przerwami i automatycznym wznowieniem z punktów kontrolnych. Wymienia 392 tys. GPU-godzin tego etapu. Proces analizował ponad 200 bln surowych tokenów przed selekcją; pretrening użył 20 bln, mid-training 3,44 bln, adaptacja kontekstu 200 mld.
Post-training zawiera inne ilości: 174 mld wygenerowanych tokenów syntetycznych, mieszankę nadzorowaną 268 mld po filtrowaniu i połączeniu danych na liberalnych licencjach oraz ponad 1,2 mln wybranych zadań uczenia ze wzmocnieniem. Liczb etapowych nie należy mylić z unikalnymi dokumentami ani dodawać do procentów korpusu głównego.
Szacowana energia ujawnionych faz wyniosła 950 MWh z narzutem centrum danych, bez nadzorowanego dostrajania, uczenia ze wzmocnieniem, mniejszych eksperymentów i części innych działań. Firma opisuje listę blokującą ponad 4,5 mln adresów oraz kontrolę licencji, legalności źródeł, rezygnacji i danych zewnętrznych. Dokumentacja pozwala badać sprawę, nie potwierdza rozwiązania wszystkich pytań o prywatność i prawa autorskie.
Trening odbył się w Niemczech i Finlandii, z deklarowaną niemiecką/europejską kontrolą procesu i łańcucha dostaw. To więcej niż lokalne przechowywanie promptów, lecz nadal wymaga zagranicznych chipów, oprogramowania, energii i specjalistów. Suwerenność to zarządzanie pozostałymi zależnościami, nie ich usunięcie.
Sprzęt i długi kontekst nadal ograniczają działanie
Minimalne konfiguracje obejmują dwa A100 80 GB, dwa H100 SXM5 albo jeden H200, B200 lub B300. Zalecenia dla części wdrożeń mówią o dwóch H100 SXM5 lub H200, obok nowszych wariantów jednoukładowych. 3,46 mld aktywnych parametrów nie czyni modelu zwykłym desktopowym modelem takiej wielkości.
W porównaniu firmy projekt 78 mld obsłużył 18 równoczesnych zapytań z około 256 tys. tokenów na dwóch H100, wobec trzech dla eksperymentalnej konfiguracji 123 mld, i dekodował 28% szybciej. Nie jest to gwarancja zakupowa: precyzja, grupowanie, oprogramowanie, długości wejścia/wyjścia, pamięć, komunikacja i cele usług zmieniają koszty.
Kolibri Base uzyskał 69,8 w RULER przy 256 tys. tokenów i 63,2 przy milionie. Maksymalna akceptowana długość nie zapewnia wykorzystania każdego szczegółu. Dowody giną w powtórzeniach, sprzecznościach i złośliwych instrukcjach. Wyszukiwanie zgodne z uprawnieniami i śledzalne cytowania mogą być lepsze niż cała teczka z nieistotnymi danymi osobowymi w jednym prompcie.
Ugruntowanie jest obiecujące, wyniki mieszane
Merlin-Arthur tworzy dokumenty z dowodami i celowo niepełne warianty, ucząc odpowiedzi przy dowodach i odmowy bez nich. W wewnętrznej ocenie firma podaje 44% odmów dla niepopartych pytań wobec 15% Kolibri Origin. Niemiecki proxy sektora publicznego wzrósł z 0,54 do 0,75. To oceny producenta, nie audyt niezawodności produkcyjnej.
Prywatne proxy klientów obejmują dostawców motoryzacyjnych, półprzewodniki, napędy i lotnictwo. Mogą być bliższe pracy niż testy akademickie, ale bez zadań, promptów, punktacji i metod odniesienia nie są odtwarzalne. Liczą się odpowiedzi poprawne i niepoparte, uzasadnione i zbędne odmowy oraz cytowania. Wysoka odmowność może wymieniać użyteczność na ostrożność.
Wyniki matematyczne firmy to AIME 2025: 96,9 angielski/87,5 niemiecki; AIME 2026: 96,0/90,0. GPQA Diamond wynosi 84,3/81,3. Wybrane porównania z Mistral, Qwen i Nvidia wspierają konkurencyjność, również wobec modeli z czterokrotnie większą liczbą aktywnych parametrów w części zadań, nie uniwersalną przewagę.
Narzędzia i agenci wypadają mniej spójnie. BFCL v4 ogółem to 61,4 wobec 67,2 dla podanego Qwen3.6 35B-A3B, wynik wieloturowy 47,5. TerminalBench 2.1 ma 27,7, poniżej podanych Qwen3.6, Nemotron 3 Super i gęstego Qwen3.8. Agenci dziedzinowi uzyskują 94,7 telekomunikacja,76,7 linie lotnicze,38,1 bankowość; inne modele wygrywają część wierszy. Prompty, budżet rozumowania, tłumaczenie, skażenie danych i punktacja wpływają na porównania.
Administracja ma wiele dróg, nie jednego mistrza
F13 z Badenią-Wirtembergią oraz cytowane wdrożenie planowane dla 80 tys. użytkowników instytucji pokazują relacje, nie produkcję Kolibri. Nazwany przypadek powinien podać proces, aktywnych użytkowników, kontrolę ludzką, rodzaje błędów i oszczędność czasu po weryfikacji. Tysiące uprawnionych do pilotażu to nie codzienne używanie.
SAP i OpenAI ogłosiły OpenAI for Germany we wrześniu 2025, łącząc technologię OpenAI z Delos Cloud SAP i rozwiązaniami Microsoft Azure. Akcent pada na krajową obsługę, umowy i wsparcie, nie posiadanie procesu modelu. Usługi zarządzane dają wydajność, monitoring i aktualizacje; przenośne wagi zwiększają ciągłość i kontrolę wersji, ale przesuwają obowiązki na klienta.
Federalny KIPITZ wspiera już streszczenia, tłumaczenie, redakcję, przeróbki i dialog oraz ma być niezależny od chmury z modelami otwartymi dobranymi do aplikacji. Żaden cytowany komunikat nie wybiera Kolibri. Pilotaże Agentic AI Hub dotyczą planowania, pozwoleń, transkrypcji zebrań i usług; wywoływanie narzędzi nie zapewnia samo uprawnień ani gotowego systemu agentowego.
Alternatywy obejmują Mistral, konsorcjum OpenEuroLLM, niemiecko-angielski Soofi na German Industrial AI Cloud Deutsche Telekom i otwarte modele Meta, Qwen, Nvidia. Mistral uczestniczy też w inicjatywach rządowych, w tym wdrożeniach we Francji i rozważanej współpracy francusko-niemieckiej z SAP. Wymienne opcje wzmacniają suwerenność bardziej niż jeden narodowy czempion.
Niezależna ocena daje kolejną drogę. MÖVE Bundesdruckerei zaczęło od dziewięciu zbiorów i siedmiu kryteriów administracyjno-prawnych, bezpieczeństwa, zrównoważenia i wartości demokratycznych; przy bezpieczeństwie pracują BSI i Fraunhofer AISEC. Inne badanie 39 modeli 13 dostawców nie znalazło uniwersalnego lidera zarządzania, a szacowana energia różniła się ponad 60 razy. Dwa najlepsze osiągnęły tylko 0,671 poprawności na 4.788 stanowiskach 64 partii. Nie badano tam bezpośrednio Kolibri: europejskie pochodzenie nie dowodzi wiedzy o instytucjach niemieckich.
Kontrola musi przetrwać wdrożenie i zmiany firmy
Planowane połączenie Aleph Alpha–Cohere wymaga zgody regulatorów. Relacje opisują grupę Berlin/Toronto z ponad 1.000 pracowników pod nazwą Cohere. Kolibri jest już ukończony, natomiast planowane połączenie nadal czeka na zgodę i nie weszło w życie. Więcej badań i dystrybucji może pomóc, ale kupujący potrzebują jasności co do praw, jurysdykcji, wsparcia, kolejnych wersji i ciągłości. Obecne wagi Apache 2.0 pozostają dostępne na tych zasadach; przyszła otwartość jest osobną sprawą.
Dobrowolny kodeks GPAI UE ma pomagać dostawcom wykazywać właściwe obowiązki AI Act. Podpis, projektowanie pod RODO czy otwarta licencja nie certyfikują każdej aplikacji ani kwestii danych treningowych. Pisanie, wyszukiwanie i decyzje o świadczeniach niosą różne ryzyka; wdrażający nadal odpowiada za cel, ludzi, bezpieczeństwo, nadzór, logi i odwołanie.
Przenośne wagi pozostawiają ryzyko zależności w adapterach, indeksach wyszukiwania, orkiestracji i monitoringu. Prompt injection, wyciąganie danych, zatrute dokumenty i niebezpieczne narzędzia wymagają kontroli aplikacyjnych. Czytanie zatwierdzonych instrukcji nie daje prawa sterowania maszyną; pomoc dokumentowa nie oznacza nieograniczonej poczty.
Następny dowód to niezależna reprodukcja i trwałe nazwane użycie: język prawny i komunalny, regiony, niedostępne akta, sprzeczne/przestarzałe reguły, cofnięte prawa, złośliwe instrukcje, energia, opóźnienie i odzyskiwanie. Wersje hostowane lub dostosowane trzeba porównać z pobieraną. Suwerenność jest wiarygodna, gdy instytucje mogą kontrolować, prowadzić, zastępować i nadzorować niezawodną usługę, nie gdy narodowość lub milion tokenów zastępują te testy.
Źródła i materiały powiązane
Premiera Kolibri · Analiza niemieckich danych treningowych · Badania rozumowania po niemiecku · OpenAI for Germany · Planowane połączenie z Cohere · Karta modelu Kolibri · Rekord głównej wiadomości · Wagi BF16 · Benchmark MÖVE · Federalna platforma KIPITZ · Niezależne badanie zarządzania modelami · Zasady dostępu do bazy wiedzy · Rekord drugiej wiadomości · Komunikat z5października · Unijny kodeks GPAI · Rekord trzeciej wiadomości