Aleph Alpha veröffentlicht Kolibri: Effizient heißt nicht klein Aleph Alpha veröffentlicht Kolibri: Effizient heißt nicht klein

Kolibri war bereits verfügbar, bevor Aleph Alpha das Modell offiziell ankündigte. Seit dem 3. Oktober 2026 stehen die Gewichte zum Download bereit; am 5. Oktober folgte die Pressemitteilung des Heidelberger Unternehmens ↗. Darin positioniert Aleph Alpha Kolibri als Sprachmodell für öffentliche Verwaltung und Industrie.

Die eigentliche Neuigkeit ist nicht der Abstand von zwei Tagen. Mit Kolibri erscheint ein von Grund auf entwickeltes, deutsch-englisches Open-Weight-Modell, das Organisationen auf selbst kontrollierter Infrastruktur betreiben können. Es unterstützt Retrieval-Augmented Generation, Reasoning und Tool Calling. Seine Mixture-of-Experts-Architektur verspricht viel Modellkapazität bei vergleichsweise geringer Rechenarbeit pro Token.

Dieser Vorteil hat eine klare Grenze: Kolibri rechnet jeweils nur mit einem kleinen Teil seiner Parameter, benötigt im Speicher aber weiterhin das gesamte Modell. Effizient bedeutet hier nicht klein.

Souveränität heißt hier: mehr Wahl bei der Infrastruktur

Aleph Alpha hat Kolibri laut Modellkarte ohne fremdes Basismodell trainiert. Die Entwicklung erfolgte durch Teams in Deutschland, das Training lief auf Infrastruktur in Deutschland und Finnland. Der technische Bericht zu Kolibri ↗ belegt damit eine eigenständige deutsche Modellentwicklung, aber keine ausschließlich deutsche Recheninfrastruktur.

Die veröffentlichten Gewichte und Konfigurationsdateien stehen unter Apache 2.0. Die Lizenz erstreckt sich laut offizieller Modellkarte ↗ ausdrücklich nicht auf weitere Artefakte, den zugrunde liegenden Code, Trainingsmethoden oder die vollständige Herstellungskette. Präzise ist deshalb die Bezeichnung Open-Weight-Modell. Kolibri ist kein vollständig reproduzierbares Open-Source-Projekt.

Für KI-Souveränität ist diese Unterscheidung wesentlich. Offene Gewichte erweitern die Wahl des Betreibers und des Bereitstellungsorts. Sie beseitigen jedoch nicht die Abhängigkeit von geeigneten GPUs, Inferenzsoftware und der Anwendung, die das Modell mit Dokumenten, Werkzeugen und Zugriffsrechten verbindet.

Weniger Rechenarbeit, voller Speicherbedarf

Kolibri umfasst rund 78 Milliarden Parameter. Bei der Berechnung eines Tokens sind davon etwa 3,46 Milliarden aktiv. In jeder Mixture-of-Experts-Schicht wählt ein Router sechs von 384 ansteuerbaren Experten aus; ein gemeinsamer Experte bleibt zusätzlich aktiv. Diese Architekturangaben dokumentiert die Kolibri-Modellkarte ↗.

Das lässt sich als große Fachabteilung verstehen, die für eine Aufgabe nur wenige Spezialisten an den Tisch holt. Die übrigen Fachleute arbeiten an diesem Token nicht mit. Sie verschwinden aber nicht aus dem Gebäude. Ebenso müssen die Gewichte des vollständigen Modells im Speicher verfügbar bleiben, obwohl jeweils nur ein kleiner Teil rechnet.

Die FP8-Gewichte benötigen laut Aleph Alpha ungefähr 78 Gigabyte Speicher. Als Mindestkonfiguration nennt der Anbieter zwei A100- oder H100-GPUs mit jeweils 80 Gigabyte beziehungsweise eine H200, B200 oder B300. Kolibri ist damit kein kleines lokales Modell für einen üblichen Arbeitsplatzrechner. Wer über On-Premises-KI nachdenkt, muss neben der Modellgröße auch Speicherreserve, Inferenzumgebung, Parallelisierung und Auslastung kalkulieren. Wie schnell ein stärkeres Modell in einem begrenzten Ablauf zur unnötigen Last wird, zeigt auch unsere Analyse Wenn das stärkere Modell zu viel kann.

Ähnlich genau ist die Kontextlänge zu lesen. Kolibri unterstützt laut Hersteller bis zu 1.048.576 Tokens. Das native Trainingsfenster liegt jedoch bei 262.144 Tokens; diese Länge empfiehlt Aleph Alpha auch für komplexe oder durchsatzkritische Aufgaben. Das Millionenfenster wurde nach Herstellerangaben validiert, ist aber keine Zusage gleichbleibender Qualität, Geschwindigkeit oder Kosten über die gesamte Länge.

Deutsch steckt im Training, nicht nur in der Oberfläche

Deutschsprachige Daten machen 23,9 Prozent des Vortrainingskorpus aus. Hinzu kommt ein Tokenizer mit 128.000 Einträgen, dessen Verfahren deutsche Wortbildung und Komposita gezielter berücksichtigen soll. Das Modell wurde zudem darauf trainiert, seine Reasoning-Ausgaben auf Deutsch zu führen. Die technischen Details und die Zusammensetzung der Trainingsphasen stehen in der Dokumentation auf Hugging Face ↗.

Damit ist Deutsch bei Kolibri kein nachträglicher Übersetzungsmodus. Sprache beeinflusst bereits die Trainingsdaten, die Zerlegung des Textes und das Post-Training. Ein effizienterer Tokenizer kann deutsche Eingaben kompakter darstellen und dadurch Rechenaufwand reduzieren.

Er beweist allerdings noch kein besseres Sprachverständnis. Auch ein hoher deutscher Datenanteil sagt wenig darüber aus, wie zuverlässig das Modell Verwaltungsakten zusammenfasst, technische Begriffe unterscheidet oder widersprüchliche Dokumente behandelt. Diese Qualität muss sich in der jeweiligen Aufgabe zeigen – mit realen Texten, bekannten Grenzfällen und überprüfbaren Erwartungen.

Trainiertes Schweigen ist kein Wahrheitsbeweis

Aleph Alpha hat Kolibri mit Beispielen trainiert, in denen eine Antwort wegen fehlender Grundlage verweigert werden soll. Im sogenannten Merlin-Arthur-Verfahren erhält das Modell unter anderem Kontexte, aus denen entscheidende Informationen entfernt wurden. Es soll lernen, vorhandene Belege zu nutzen und bei einer unzureichenden Grundlage nicht zu raten. Der Ansatz ist im technischen Bericht ↗ beschrieben.

Für Retrieval-Augmented Generation ist das relevant. Dabei sucht eine Anwendung zunächst in externen Dokumenten und übergibt gefundene Passagen an das Sprachmodell. Fehlt in diesen Passagen die gesuchte Information, ist eine begründete Ablehnung besser als eine plausible Ergänzung. Wie diese Suchstrecke vor der Antwort funktioniert, erklärt unsere Vertiefung RAG ohne Buzzwords.

Ein trainiertes „Ich weiß es nicht“ bleibt dennoch ein Modellverhalten, kein Wahrheitsmechanismus. Die Modellkarte warnt ausdrücklich vor falschen, veralteten und irrelevanten Ausgaben und empfiehlt Prüfungen auf Anwendungsebene. Kolibris impliziter Wissensstand endet am 18. Juni 2026. Neuere Informationen müssen über bereitgestellten Kontext oder Werkzeuge hinzukommen.

Auch natives Tool Calling löst diese Aufgabe nicht allein. Es beschreibt zunächst die Fähigkeit, strukturierte Werkzeugaufrufe zu erzeugen. Ob das richtige Werkzeug gewählt wird, ob Berechtigungen stimmen und ob das Ergebnis vor einer weiteren Aktion geprüft wird, entscheidet die umgebende Anwendung.

Die Benchmarks zeigen ein Profil, keinen Gesamtsieger

Die von Aleph Alpha veröffentlichten Ergebnisse ergeben kein einheitliches Bild. Im deutschsprachigen GPQA-Diamond-Test erreicht Kolibri 81,3 Prozent und Qwen3.6 35B-A3B 80,6 Prozent. Beim deutschen MMLU-ProX liegt dagegen Qwen mit 81,9 Prozent vor Kolibris 75,5 Prozent. Auch beim mehrstufigen Tool Calling wechseln die Platzierungen je nach Test. Die einzelnen Werte und das Evaluationsprofil veröffentlicht Aleph Alpha auf der offiziellen Modellseite ↗.

Diese Zahlen zeigen, dass Kolibri in mehreren deutschen, analytischen und agentischen Aufgaben konkurrenzfähig sein kann. Sie belegen keinen allgemeinen Vorsprung. Stand 8. Oktober 2026 stammen die hervorgehobenen Vergleiche aus dem Evaluationssystem des Herstellers. Ein gemeinsames Testverfahren verbessert die Vergleichbarkeit, macht aus einer Hersteller-Evaluation aber noch keine unabhängige Prüfung.

Relevant ist Kolibri deshalb vor allem für Organisationen, die deutsche und englische Dokumentarbeit mit einem selbst betriebenen Modell verbinden wollen und die notwendige Infrastruktur bereits besitzen oder begründet aufbauen können. Ein belastbarer Auswahltest müsste eigene Dokumente, fehlende Belege, lange Kontexte und reale Werkzeugketten umfassen. Dabei zählen nicht nur richtige Antworten, sondern auch Quellengebrauch, Abstinenz, Latenz, Speicherbedarf und Fehlerfolgen.

Geändert hat sich die Auswahl: Für kontrollierte Infrastruktur steht nun ein eigenständig entwickeltes deutsch-englisches Open-Weight-Modell mit dokumentierter Architektur und klar benannten Hardwareanforderungen bereit. Noch nicht belegt sind ein allgemeiner Qualitätsvorsprung, verlässliches Schweigen in beliebigen Anwendungen und niedrigere Gesamtkosten in jedem Betriebsszenario. Kolibri ist effizienter als seine Parameterzahl vermuten lässt. Klein ist die Aufgabe, es produktiv zu betreiben, deshalb nicht.