Aleph Alpha lanza Kolibri-1: modelo alemán de IA con pesos abiertos y 78B parámetros



Aleph Alpha presentó Kolibri-1, un modelo de IA de pesos abiertos entrenado para alemán e inglés, con 78B parámetros totales y solo 3,46B activos por token. La empresa reporta 96,9% en AIME 2025 y resultados competitivos en GPQA Diamond.
Aleph Alpha lanza Kolibri-1
Aleph Alpha ha presentado Kolibri-1, un modelo de IA de pesos abiertos entrenado para alemán e inglés. El modelo tiene 78B parámetros totales, pero solo se activan 3,46B parámetros por token. Los pesos están disponibles en Hugging Face: Kolibri-1 bajo licencia Apache 2.0. Según las evaluaciones propias de Aleph Alpha, Kolibri-1 obtiene 96,9% en AIME 2025 y 84,3% en GPQA Diamond. En la evaluación general en alemán, supera ligeramente a Qwen3.5 35B-A3B y GPT-OSS 120B. Los resultados en programación son más mixtos: 66,4% en SWE-Bench Verified frente al 73,8% de Qwen3.6. Para el entrenamiento adicional, la empresa indica que utilizó respuestas de modelos chinos: GLM de Zhipu y Qwen de Alibaba, según se describe en el informe técnico. Kolibri-1 muestra que los modelos pequeños competitivos pueden desarrollarse fuera de los ecosistemas habituales de EE. UU. y China.
Por qué es importante
AnálisisKolibri-1 ofrece una opción europea de pesos abiertos para cargas de trabajo en alemán e inglés y demuestra que modelos con menos parámetros activos pueden alcanzar resultados fuertes en benchmarks. Es relevante para equipos que buscan productos de IA localizados con licencia Apache 2.0.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Mistral AI (Modelos Abiertos y Eficientes de Europa)
Serie de modelos abiertos y comerciales de alto rendimiento del startup francés Mistral AI (Mistral 7B, Mixtral 8x7B, Mistral Large). Conocidos por su compacidad, velocidad y respeto por la privacidad de los datos.
Pesos Abiertos vs API Cerrados
Comparación de dos filosofías fundamentales en la distribución de IA: pesos abiertos (Open Weights — Llama, Mistral, DeepSeek), que se pueden descargar y ejecutar en su propio servidor, frente a API cerrados (Closed API — OpenAI, Anthropic, Google), donde el acceso se proporciona exclusivamente a través de suscripción.
Parte II. Arquitectura de agentes de IA: del modelo a la memoria y las herramientas
Inmersión profunda de ingeniería: tokenización, KV-cache, determinismo del muestreo, stack de entrenamiento, cuantización, ingeniería de contexto, stack de seguridad, RAG en producción, ReAct y sistemas swarm multiagente.
Guía de prompts para los modelos generativos GPT Image
Los modelos de generación de imágenes gpt-image de OpenAI están diseñados para obtener visuales de calidad de producción y procesos creativos totalmente controlables. Son adecuados...