O Kolibri da Aleph Alpha oferece às instituições europeias algo mais concreto que uma promessa de soberania: pesos que podem baixar, preservar, adaptar e executar na infraestrutura escolhida. O modelo alemão-inglês ficou disponível em 3 de outubro, com outro anúncio da empresa em 5 de outubro. Sua principal proposta é controle de implantação e trabalho em alemão, não liderança mundial em todos os benchmarks.
O governo alemão não lançou o Kolibri nem o escolheu como modelo nacional do setor público. Uma empresa privada alemã lançou um concorrente para administração, indústria, defesa, aeroespacial e outros trabalhos regulados. A adoção depende de avaliação, integração e compras. As relações de cooperação já existentes com órgãos públicos não demonstram que essa versão já toma decisões governamentais relevantes.
Computação esparsa não significa um modelo pequeno
Kolibri tem 78,1 bilhões de parâmetros totais e ativa cerca de 3,46 bilhões por token. Sua arquitetura de mistura de especialistas seleciona seis de 384 especialistas roteados, além de um compartilhado em cada camada. Apenas dez de 50 camadas usam atenção completa; as demais usam janela móvel de 512 tokens. Isso reduz computação, mas todos os pesos precisam continuar acessíveis.
Apache 2.0 permite uso comercial, modificação e redistribuição. Há versões BF16 e FP8 de menor precisão; a última tem espaço listado de aproximadamente 78 GB. Pesos abertos dão portabilidade além de uma API, não reconstrução de todas as decisões de treinamento. Reprodução completa exige dados, código, métodos, especialistas e muita computação.
O modelo aceita saída estruturada, chamadas nativas de ferramentas e raciocínio desligado, baixo, médio ou alto. Uma interface de serviço compatível com OpenAI reduz a integração. O cartão do modelo o coloca em sistemas consultivos nos quais pessoas revisam saídas antes da ação, não como decisor autônomo de casos relevantes.
O contexto máximo anunciado é 1.048.576 tokens, enquanto o treinamento nativo longo chega a 262.144. Etapas anteriores usaram 16.384 e 65.536. A Aleph Alpha recomenda não ultrapassar o comprimento nativo em tarefas complexas e operação eficiente; um milhão foi validado por extrapolação, não treinado nativamente na mesma extensão.
Especialização alemã com uma divergência numérica
A Aleph Alpha argumenta que redação administrativa alemã requer mais que fluência de um modelo centrado no inglês. Referências legais, palavras compostas, papéis institucionais e pressupostos processuais podem ser distorcidos por filtros genéricos ou tradução. A empresa ajustou filtros da web alemã e incluiu documentos parlamentares, legais e de domínio público.
Os relatos diferem na participação alemã: dois descrevem 21,3% do pré-treinamento principal, aproximadamente 4,3 trilhões de apresentações de tokens em 20 trilhões; outro indica 23,9%, com 62,5% de inglês e 13,6% de código. Um outro arredonda inglês/código para 62%/14%. Não são porcentagens reconciliadas de um denominador único. A divergência documental precisa ser resolvida, não corrigida com um valor inventado.
O relato de dados diz que filtragem e deduplicação inicialmente renderam 390 bilhões de tokens alemães utilizáveis, abaixo da meta de aproximadamente 4 trilhões. Um processo Common Crawl dedicado reuniu 1,3 trilhão de tokens únicos, e reformulações de documentos alemães produziram cerca de outro trilhão, como perguntas/respostas e verbetes. Construção do corpus e apresentações repetidas são medidas distintas, não uma soma automática de dados únicos.
O vocabulário bilíngue de 128 mil tokens usa UniBPE para morfologia alemã. A empresa relata 4,7 bytes por token em alemão e 4,2 em inglês, com divisões mais significativas de compostos administrativos. Compressão melhor pode poupar contexto e computação, mas não demonstra precisão jurídica.
Cerca de 800 mil exemplos supervisionados de raciocínio alemão usaram começos de frases em alemão para reduzir a migração ao inglês. Explicações legíveis ajudam a revisão, mas texto de raciocínio não reproduz necessariamente a computação interna. Citações, prompts versionados e registros de acesso continuam necessários. O corte de conhecimento alemão/inglês é 18 de junho de 2026; fatos novos precisam de recuperação ou ferramentas.
Treinamento documentado não significa reprodução local simples
A Aleph Alpha relata conclusão do pré-treinamento em 11 de setembro, após 21 dias em 768 Nvidia B200, com 38 interrupções não planejadas reiniciadas automaticamente de checkpoints. Lista 392 mil horas de GPU nessa fase. O processo analisou mais de 200 trilhões de tokens brutos antes da curadoria; o treinamento principal usou 20 trilhões, o intermediário 3,44 trilhões e a adaptação longa 200 bilhões.
O pós-treinamento tem outras quantidades: 174 bilhões de tokens sintéticos gerados, mistura supervisionada de 268 bilhões após filtragem e combinação com dados de licenças permissivas e mais de 1,2 milhão de tarefas selecionadas de aprendizado por reforço. Esses números por fase não são documentos brutos únicos nem devem ser somados às porcentagens do corpus principal.
A energia estimada das fases divulgadas foi 950 MWh, incluindo custos adicionais do centro de dados, excluindo ajuste supervisionado, reforço, experimentos menores e outras atividades. A empresa descreve bloqueio de mais de 4,5 milhões de URLs e verificações de licença, origem legal, recusas e dados de terceiros. A documentação permite fiscalização, mas não resolve automaticamente todas as questões de direitos autorais e privacidade.
O treinamento ocorreu na Alemanha e Finlândia, sob alegado controle alemão/europeu de desenvolvimento e cadeia de suprimento. É mais que guardar prompts localmente, mas ainda envolve chips estrangeiros, software, energia e fornecedores especializados. Soberania significa governar dependências remanescentes, não eliminá-las.
Hardware e contexto longo continuam sendo restrições
Configurações mínimas listadas incluem duas A100 80 GB, duas H100 SXM5 ou uma H200, B200 ou B300. Recomendações incluem duas H100 SXM5 ou duas H200 em alguns casos, além de orientação mais recente para acelerador único. 3,46 bilhões de parâmetros ativos não fazem dele um modelo convencional desse tamanho para computador de escritório.
Em uma comparação interna, o projeto de 78 bilhões atendeu 18 requisições simultâneas com aproximadamente 256 mil tokens em duas H100, contra três no experimental de 123 bilhões, e decodificou 28% mais rápido. Não é garantia de compra: precisão, lotes, software, tamanho de entradas/saídas, memória, comunicação e metas de serviço alteram o custo real.
Kolibri Base marcou 69,8 no RULER com 256 mil tokens e 63,2 com um milhão. Comprimento máximo aceito não garante uso confiável de cada detalhe. Passagens relevantes podem ficar entre repetições, contradições e instruções maliciosas. Recuperação com permissões e citações rastreáveis pode ser melhor que colocar um processo inteiro, incluindo dados pessoais irrelevantes, em uma requisição.
Fundamentação promissora, benchmarks mistos
Merlin-Arthur cria contextos documentais com evidência e versões adversariais incompletas, ensinando a responder com suporte e abster-se sem ele. A Aleph Alpha relata 44% de abstenção em itens sem suporte em um teste interno contra 15% do Kolibri Origin. Seu proxy alemão do setor público subiu de 0,54 para 0,75. São avaliações da empresa, não confiabilidade de produção auditada.
Proxies privados cobrem também fornecedores automotivos, semicondutores, acionamentos industriais e aeroespacial. Podem refletir melhor o trabalho que testes acadêmicos, mas não são reproduzíveis sem tarefas, prompts, pontuação e referências. Respostas corretas ou sem suporte, recusas adequadas ou desnecessárias e citações importam; muita recusa pode trocar utilidade por cautela.
Resultados matemáticos internos incluem AIME 2025: 96,9 inglês/87,5 alemão; AIME 2026: 96,0/90,0. GPQA Diamond marcou 84,3/81,3. Comparações selecionadas com Mistral, Qwen e Nvidia sustentam competitividade, inclusive diante de modelos com até quatro vezes os parâmetros ativos em certas tarefas, não superioridade universal.
Ferramentas e agentes são menos consistentes. BFCL v4 geral foi 61,4 contra 67,2 do Qwen3.6 35B-A3B listado; múltiplos turnos 47,5. TerminalBench 2.1 foi 27,7, abaixo dos Qwen3.6, Nemotron 3 Super e Qwen3.8 denso listados. Agentes de domínio marcaram 94,7 telecom,76,7 aviação e 38,1 bancos, com outros modelos liderando várias linhas. Prompts, orçamento de raciocínio, traduções, contaminação e pontuação afetam comparações.
O governo tem várias rotas, não um campeão
O trabalho no F13 com Baden-Württemberg e um lançamento citado para 80 mil usuários de órgãos públicos demonstram acesso institucional, não uso produtivo do Kolibri. Um caso nomeado precisa informar fluxo, usuários ativos, revisão humana, erros e economia de tempo depois de verificar saídas. Milhares elegíveis a um piloto não são uso diário.
SAP e OpenAI anunciaram OpenAI for Germany em setembro 2025, unindo tecnologia OpenAI a Delos Cloud da SAP e arranjos Microsoft Azure. A ênfase é operação doméstica, contratos e suporte gerenciado, não propriedade do desenvolvimento do modelo. Serviços gerenciados entregam capacidade, monitoramento e atualizações; pesos portáteis dão continuidade e controle de versão, mas transferem responsabilidades ao cliente.
A plataforma federal KIPITZ já apoia resumos, tradução, redação, reformulação e conversa, com plano de independência de nuvem e modelos abertos específicos por aplicação. Nenhum anúncio citado seleciona Kolibri. Pilotos do Agentic AI Hub incluem planejamento, licenças, transcrição de reuniões e serviços públicos; chamadas de ferramenta não fornecem sozinhas permissões ou sistema completo.
Alternativas incluem Mistral, o consórcio OpenEuroLLM, Soofi alemão-inglês na German Industrial AI Cloud da Deutsche Telekom e modelos abertos de Meta, Qwen, Nvidia. A Mistral participa de iniciativas governamentais, como implantações francesas e cooperação franco-alemã explorada com SAP. Opções substituíveis fortalecem mais a soberania que depender de um campeão nacional.
Avaliação independente oferece outra via. MÖVE da Bundesdruckerei começou com nove conjuntos alemães e sete critérios sobre administração/direito, segurança, sustentabilidade e valores democráticos; BSI e Fraunhofer AISEC colaboram na segurança. Outro estudo de 39 modelos de 13 provedores não achou líder universal de governança e estimou energia variando mais de 60 vezes. Os dois melhores tiveram só 0,671 de acurácia em 4.788 posições de 64 partidos. Não avaliou Kolibri diretamente: origem europeia não comprova competência institucional alemã.
Controle precisa sobreviver à implantação e à mudança empresarial
A combinação Aleph Alpha–Cohere proposta depende de aprovação regulatória. Relatos descrevem grupo Berlim/Toronto de mais de 1.000 funcionários sob nome Cohere. Kolibri já está concluído, enquanto a combinação proposta ainda aguarda aprovação e não entrou em vigor. Mais pesquisa e distribuição ajudam, mas compradores precisam de clareza sobre propriedade intelectual, jurisdições, suporte, versões e continuidade. Os pesos atuais Apache 2.0 seguem disponíveis nesses termos; abertura futura é outra questão.
O Código de Práticas GPAI da UE é voluntário e ajuda provedores a demonstrar obrigações relevantes do AI Act. Assinatura, desenho orientado ao GDPR ou licença aberta não certificam toda aplicação nem toda questão de dados de treinamento. Redação, busca e decisões de benefícios têm riscos distintos; o implantador responde por finalidade, pessoas afetadas, segurança, supervisão, registros e recurso.
Pesos portáteis ainda deixam possível dependência em adaptadores, índices de recuperação, orquestração e monitoramento. Injeção de prompt, extração de dados, documentos envenenados e chamadas inseguras exigem controles da aplicação. Ler manuais aprovados não deve autorizar comandos em equipamentos, e assistência documental não implica e-mail irrestrito.
A próxima prova é reprodução independente e uso sustentado identificado: alemão jurídico e municipal, variações regionais, registros inacessíveis, políticas conflitantes/antigas, permissões revogadas, instruções maliciosas, energia, latência e recuperação. Versões hospedadas ou personalizadas precisam ser comparadas à baixada. Soberania é crível quando instituições conseguem inspecionar, operar, substituir e governar um serviço confiável, não quando nacionalidade ou um milhão de tokens substituem esses testes.
Fontes e leituras relacionadas
Lançamento do Kolibri · Análise dos dados em alemão · Pesquisa de raciocínio em alemão · OpenAI for Germany · Combinação proposta com a Cohere · Cartão do modelo Kolibri · Registro da notícia principal · Pesos BF16 · Benchmark MÖVE · Plataforma federal KIPITZ · Estudo independente de governança · Governança de acesso à base de conhecimento · Registro da segunda notícia · Anúncio de5de outubro · Código de Práticas GPAI da UE · Registro da terceira notícia