德国 Kolibri:为什么它强调在自己的控制下运行
主权型人工智能
由使用者决定模型在哪里运行,以及由谁管理。
混合专家
每次只选择部分网络来处理输入的模型结构。
分词器
把文章切成模型可以读取的小片段的工具。
发生了什么
德国 AI 公司 Aleph Alpha 在10月3日发布了 Kolibri 1。它面向德语和英语,是一种开放权重模型。也就是说,学会后的模型权重可以公开,让用户在自己的设备上运行。消息称,它在德国和芬兰的基础设施上从头训练,权重和配置文件采用 Apache 2.0 许可。它总共有781亿个参数,但每个词元只调用约34.6亿个。
相关帖子在 Hacker News 获得149个积分和88条评论。这说明技术社区很关注它,不等于证明它一定正确或好用。
什么是主权型人工智能
Aleph Alpha把主权型人工智能解释为两层控制。第一,团队在德国和芬兰开发和训练模型,并在德国和欧洲法律下工作。第二,客户可以把模型放在自己的服务器上。政府部门或公司可以让文件留在内部,不必完全依赖外部云服务。
但这不代表所有材料都来自德国。原文说,英语数据曾用 Google 的 Gemma 4 改写,德语数据用了 Mistral-NeMo,质量筛选还使用了 Qwen3-32B 的标注数据。所以,这里的主权更接近于控制开发、部署和使用地点,而不是完全隔绝外部技术。
它怎样减少计算
Kolibri采用混合专家结构。每一层有384个专家网络和一个共享网络。路由器会根据每个词元选择6个专家。这样,每次计算只激活一部分网络。可是,完整模型仍要放进内存,所需 GPU 显存约为78GB。
它的分词器还专门照顾德语的长合成词。原作者在德国基本法文本上的测试称,Kolibri比 GPT-5 的分词方式少用15%的词元。模型的大部分层只看附近的512个词元,每5层有1层可以看更早的完整上下文。原生上下文长度是262144个词元,文章称它测试到了1048576个词元。
为什么重要
政府、银行、工厂和医院都可能拥有很长、很私密的德语文件。若模型能在自己的设备上运行,组织就能减少把文件交给外部服务的需要。Kolibri还把德语推理,以及不知道答案时承认不确定,作为主要卖点。
哪些结果已经看到
这篇解说参考了 Aleph Alpha 的技术报告、模型卡和发布文章,也加入了原作者的分词器实验。文章引用的评测显示,在使用约34.6亿个参数的模型中,Kolibri的德语 AIME 2025 得分为87.5,下一名为84.4。另一个关于不知道答案时是否会乱答的测试中,Kolibri有44%的情况会保留答案或只给出部分答案。这些是报告中的评测结果,不是每个工作场景的保证。
哪些仍不清楚
原作者当时还没有亲自运行模型,并说它需要很大的 GPU 设备。独立测试还要确认真实文件上的速度、费用、稳定性和安全性。还要观察以后更新模型时,用户是否仍能清楚地知道数据由谁控制。
接下来观察什么
真正的问题是,主权型人工智能能否在日常工作中保持它的承诺。接下来应关注可重复的第三方评测、真实部署、运行成本、失败率,以及训练数据的管理方式。Kolibri可能适合某些德语任务,但不代表它适合所有任务。
德国 AI Kolibri 有什么特别之处?
📰 完整报道: 德国 Kolibri:为什么它强调在自己的控制下运行
德国 AI 公司 Aleph Alpha 发布了一个重视德语和本地运行的模型。
开放权重
把模型学会的权重公开,让用户可以自己运行。
主权型人工智能
使用者自己决定模型在哪里运行和怎样管理。
分词器
把长文章切成模型能读取的小片段的工具。
💡 一句话总结
- Kolibri 1可以读德语和英语。
- 它可以放在用户自己的机器上运行。
- Hacker News有149个积分和88条评论。这表示受到关注,不证明一定正确。
Kolibri 1是一种开放权重模型。用户可以取得它学会的模型权重,再放到自己的设备上运行。这对政府、银行和工厂很重要,因为它们常有不能随便外传的文件。
Aleph Alpha把这种做法叫作主权型人工智能。意思是,使用者自己决定模型在哪里运行,也自己决定谁来管理它。文件可以留在内部,不必全部送去外部云服务。
不过,开放权重不表示所有技术都来自德国。介绍文章说,训练数据的准备使用过 Google、Mistral 和 Qwen 的技术。主权主要说的是控制权,不是完全不使用外部材料。
Kolibri还使用混合专家结构。它不会每次都使用模型的全部部分,所以可以减少一些计算。可是,它仍然需要约78GB的 GPU 显存。它的分词器也特别照顾德语长词,帮助它用较少的词元阅读长文件。
介绍文章引用了德语数学测试和不知道答案时的测试。可是,原作者当时还没有亲自运行模型。以后还要检查真实工作中的速度、费用、安全性和失败情况。
💬 Kolibri 讨论的简单版
HN评论认为,Kolibri不是每件事都最强的AI,但可能适合德语文档和本地控制。评论中的数字都是个人报告。
- 它可能不擅长记忆知识、连续使用工具和编程,但有人认为它更适合阅读、理解德语文档。
- 有人对它可能会承认不确定性感兴趣,也有人认为它的幻觉较少;这些说法没有经过独立测试。
- 一位 RTX Pro 6000 用户报告说,它有时思考太久,但在 FP8下约为每秒170个 token,约有3B个活跃参数。
- 27B dense模型会使用全部27B参数,而Kolibri这个78B MoE模型一次约使用3.46B参数。评论者还批评没有和更新的Qwen3.8 Flash比较。
- 支持者想自己控制数据、训练和使用方式;反对者认为公开模型和私营服务可能已经够用。
这是评论数为143时的初期(修订2)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。
德国的小电脑帮手 Kolibri
📰 完整报道: 德国 Kolibri:为什么它强调在自己的控制下运行
Aleph Alpha(德国的人工智能公司)做了 Kolibri。
主权型人工智能
自己决定电脑帮手在哪里工作。
Hacker News
技术人分享和讨论消息的网站。
人工智能就是会帮忙的电脑。 Kolibri是会读德语和英语的电脑帮手。 公司想让它在自己的地方工作。 这样,重要的东西不用送到别处。
这种想法叫主权型人工智能。 意思是自己决定怎样使用它。 Kolibri还可以读很长的德语。 可是它不是小小的电脑玩具。 它需要很大的机器。
Hacker News是技术人聊天的网站。 很多人谈到了 Kolibri。 谈得多,不表示它一定做得好。 还要在真正的工作里检查。
💬 给五岁孩子讲 Kolibri
Kolibri不一定什么都最会。它可能比较适合读德语的文件。
- 它可能不太会记住很多事实、连续使用工具或写代码。但有人认为它会读德语文件。
- 一位测试者说它有时想得太久,但在 RTX Pro 6000 上每秒处理了大约170个 token。这只是一个人的报告。
- 比较AI大小时,不能只看总零件数:有的模型会用完27B个零件,Kolibri一次约用3.46B个零件。大家也希望看到和更新Qwen模型的比较。
- 有人希望自己的地区能控制AI,也有人觉得公开模型和公司的服务已经足够。
这是评论数为143时的初期(修订2)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。
💬 HN 对 Kolibri 的讨论:德语专长、主权模型与实际性能
评论把 Kolibri 看成一款取舍明确的模型:它未必擅长记忆知识、多轮工具调用或编程代理,但可能适合德语文档和本地化部署。性能数字与使用体验都来自用户自报,不是独立测评。
这是评论数为143时的初期(修订2)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。