Aleph Alpha udostępnia Kolibri-1: niemiecki model AI o otwartych wagach z 78 mld parametrów



Aleph Alpha zaprezentował Kolibri-1, model AI o otwartych wagach zoptymalizowany pod kątem języków niemieckiego i angielskiego. Mimo 78 miliardów parametrów całkowitych, aktywnych jest tylko 3,46 miliarda na token, co przekłada się na imponujące wyniki w testach benchmarkowych.
Aleph Alpha wprowadza Kolibri-1
Firma Aleph Alpha przedstawiła światu Kolibri-1, nowy model sztucznej inteligencji o otwartych wagach, wyszkolony specjalnie pod kątem języków niemieckiego i angielskiego. Architektura modelu opiera się na 78 miliardach parametrów całkowitych, jednak dzięki mechanizmowi Mixture-of-Experts (MoE) dla każdego tokenu aktywne są jedynie 3,46 miliarda parametrów.
Wagi modelu są dostępne do pobrania na platformie Hugging Face pod adresem Kolibri-1 na licencji Apache 2.0.
Zgodnie z własnymi ocenami Aleph Alpha, Kolibri-1 osiąga wynik 96,9% w teście AIME 2025 oraz 84,3% w GPQA Diamond. W ogólnym zestawieniu dla języka niemieckiego model nieznacznie przewyższa konkurencyjne rozwiązania Qwen3.5 35B-A3B oraz GPT-OSS 120B.
Wyniki w zakresie kodowania są bardziej zróżnicowane: Kolibri-1 uzyskuje 66,4% w SWE-Bench Verified, podczas gdy Qwen3.6 osiąga 73,8%.
W procesie post-trainingu firma wykorzystała odpowiedzi generowane przez chińskie modele: GLM od Zhipu AI oraz Qwen od Alibaba Cloud, jak opisano w oficjalnym raporcie technicznym.
Kolibri-1 dowodzi, że konkurencyjne, mniejsze modele mogą powstawać poza tradycyjnymi ekosystemami USA i Chin.
Dlaczego to ważne
AnalizaKolibri-1 wprowadza europejską opcję modeli o otwartych wagach dla zastosowań w językach niemieckim i angielskim, udowadniając, że modele z mniejszą liczbą aktywnych parametrów mogą osiągać silne wyniki benchmarkowe. Jest to istotne dla zespołów tworzących lokalizowane produkty AI, które wymagają elastycznej licencji Apache 2.0.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Część II. Architektura agentów AI: od modelu do pamięci i narzędzi
Głęboka analiza inżynierska: tokenizacja, cache KV, determinizm próbkowania, stos treningowy, kwantyzacja, inżynieria kontekstu, stos bezpieczeństwa, produkcyjny RAG, ReAct oraz systemy multiagentowe typu swarm.
Przewodnik po promptach dla modeli generatywnych GPT Image
Modele generowania obrazów gpt-image od OpenAI zostały zaprojektowane w celu tworzenia wizualizacji o jakości produkcyjnej oraz umożliwienia pełnej kontroli nad procesami twórczymi. Są one odpowiednie zarówno dla profesjonalnych projektantów...
DeepSeek-R1 (Model rozumowania DeepSeek)
Przełomowy otwarty model rozumowania (Open Weights Reasoning Model) oparty na architekturze MoE o rozmiarze 671B, który udowodnił możliwość kształtowania niezwykle złożonego myślenia logicznego poprzez czyste uczenie ze wzmocnieniem (GRPO).
Modele Frontier
Najsilniejsza klasa sztucznej inteligencji na czele światowych badań (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), wyznaczająca granice współczesnych możliwości w zakresie rozumowania, autonomii i programowania.