德国实验室Aleph Alpha开源Kolibri 78B MoE模型：主权AI下沉企业本地，1M上下文、Apache 2.0可商用

新闻原文

10月3日，恰逢德国统一日，总部位于海德堡的AI实验室Aleph Alpha正式开源发布大模型Kolibri（德语意为蜂鸟）。模型权重已在Hugging Face上架（仓库Aleph-Alpha/Kolibri-1），采用Apache 2.0许可证，企业可自由下载、修改并商用，无需向Aleph Alpha支付任何授权费。

Kolibri是一个英德双语混合专家（MoE）Transformer，总参数78.1B，但每生成一个token仅激活约3.46B参数（384个专家中选6个），配合10层全注意力加40层512token滑动窗口的稀疏注意力设计，把78B模型的推理成本压到接近小模型水平：官方称同样硬件下比123B版本多处理18路并发、解码快28%。

上下文方面，Kolibri原生支持26.2万token，官方验证可达约100万token；提供none/low/medium/high四档推理强度，并内置Hermes式工具调用与vLLM解析器。训练用768块NVIDIA B200、21天完成20T token预训练，德语占预训练语料的约21.3%（约4.3T token），知识截止2026年6月18日，权重以FP8存储、约需78GB显存（一张H200或两张A100可跑）。

定位上，Aleph Alpha明确把Kolibri对准政务、工业与航空等强监管、需主权可控的场景，强调供应链全程可审计、部署自由、知识产权安全。评测上官方给出AIME 2025英文96.9/德文87.5、GPQA Diamond英文84.3等成绩，并称在AA-Omniscience幻觉测试里拒答比例从前身14.8%提升到44%；不过这些均来自厂商自家评测台，独立第三方bench尚未落地。

企服观察

主权AI这个词，过去多半是政策口号，Kolibri把它变成了一个可以下载的文件。对欧洲政务和受监管行业，最硬的约束不是模型够不够强，而是数据能不能不出境、供应链能不能被审计。Aleph Alpha把训练在德国与芬兰、德语占两成以上、权重Apache 2.0可商用这几件事打包，本质上是在卖合规属性，而不是单纯卖参数。

MoE的稀疏激活是这单发布里最值得企业架构师盯住的工程点。78B总参数却只激活3.46B，意味着企业可以用一对H100跑起一个此前要一机柜才扛得住的模型，推理账单和延迟都大幅下探。对想在本地或主权云部署大模型、又不想为满血参数买单的团队，这种大参数、小激活的路线正在变成性价比最优解。

长上下文到100万token，戳中的是企业知识管理的老大难。合同、技术手册、工单历史这类长文档，过去要么切块喂模型、要么先人工打标签，Kolibri原生长上下文让模型能直接吃下整份材料再作答。对航空、工业这类文档又长又专、且不能外传的行业，本地长上下文比把文档丢给公有云API踏实得多。

训练透明是另一个被低估的卖点。Aleph Alpha公开了数据摘要、训练流水线、甚至38次非计划中断都被自动处理，这种可审计性正好对上EU AI Act对企业通用AI模型的要求。国内做行业大模型的厂商也该学这一点：与其只卷榜单分数，不如把数据来源、训练过程、失败处理写成可交付的证据链，强监管客户认的是这个。

开源权重加Apache 2.0，等于给了企业私有化微调的钥匙。政务和工业客户可以在自有语料上继续训练，把模型调成自己的领域助手，数据不出域、知识产权归自己。对金融、军工、医疗这类连调用外部API都要层层审批的客户，可审计、可私有化本身就是采购硬门槛，比闭源SaaS的即开即用更耐用。

也要泼冷水。Kolibri的分数全是厂商自家评测台跑的，德语虽是亮点，但英文综合表现被Qwen3.6、Nemotron 3 Super等同级开放模型咬得很紧；且它只支持英德双语，中文用户基本用不上。选型时别被78B总参数晃了眼，要看激活参数、原生上下文、实际部署成本和你们的语言覆盖。

和企业最相关的启发是：主权可控已经不是大厂的专利，中小团队也能靠开放权重在本地搭起合规可用的模型。真正的壁垒从拥有最大模型，转向谁先把开放模型接进自己的数据边界与业务流程。Kolibri这类模型越多，企业AI私有化的门槛就越低。

对国内政企和工业客户，落地建议很直接：把能否私有部署、激活参数多大、上下文多长、是否Apache 2.0可商用、训练是否可审计列入评测清单。先在非核心场景（文档问答、内部检索）试点，确认权限与脱敏生效，再逐步放开到核心业务。模型强不强重要，能不能落在自己的合规环境里更重要。

放到更大视角，Kolibri和近期一批欧洲开放权重模型（如Mistral、Aleph Alpha合并Cohere的传闻）共同说明：开放权重正在成为区域主权AI的事实标准。当模型可下载、可审计、可私有化，云厂商的锁定能力会被削弱，企业采购模型时会更看重部署自由度与合规证据，而不是谁的参数最多。

对国内企业最现实的落地，是先拿Kolibri这类开放模型做内部检索与文档问答的试点，把数据留在自有环境里验证权限与脱敏是否生效，再决定是否上更大规模。主权开源模型的价值不在一次发布多惊艳，而在它把合规可用的能力变得可获取、可审计、可迭代——这才是企业AI自主可控真正能起步的地方。