Skip to main content
AI RADARModele
251•05.10.2026, 08:32•2 min czytania

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

Aleph Alpha udostępnia Kolibri-1: niemiecki model AI o otwartych wagach z 78 mld parametrów - 1
Aleph Alpha udostępnia Kolibri-1: niemiecki model AI o otwartych wagach z 78 mld parametrów - 2
Aleph Alpha udostępnia Kolibri-1: niemiecki model AI o otwartych wagach z 78 mld parametrów - 3
W skrócie30 sek.

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

Analiza

Kolibri-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

Dołącz do Telegrama

Powiązane w ekosystemie

Praktyczne poradniki, kluczowa terminologia i skille agentów