Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
AA
ALEPH ALPHA / Aleph-Alpha/Kolibri-1
Kolibri 1
Text- und Codemodell von Aleph Alpha, offiziell am 3. Oktober 2026 veröffentlicht und auf Deutsch und Englisch ausgerichtet. Die MoE-Architektur umfasst insgesamt 78,1 Milliarden Parameter und aktiviert etwa 3,46 Milliarden pro Token. Das Modell unterstützt konfigurierbares Reasoning und Tool-Aufrufe. FP8- und BF16-Gewichte stehen unter Apache 2.0; sie sind zwei Präzisionsvarianten derselben Familie, keine unabhängigen Modelle.
01 / ZUSAMMENFASSUNG
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
02 / TECHNISCHES DATENBLATT
Limits und Integration
| API-ID | Aleph-Alpha/Kolibri-1 |
|---|---|
| Modelltyp | Text und Begründung · Code |
| Zugangsmodell | Offene Gewichte |
| Lizenz | Apache 2.0 |
| Einsatz | Eigener Betrieb mit vLLM |
| Veröffentlichung | 03 OCT 2026 |
| Wissensstichtag | 18 JUN 2026 |
| Eingang | Text |
| Ausfahrt | Text |
| Kontextfenster | 1.048.576 Token; empfohlen ≤262.144 |
| maximale Leistung | Nicht veröffentlicht |
| Argumentation | none, low, medium, high |
| Veröffentlichte Tools | Funktionsaufrufe · Strukturierte Ausflüge |
| Strukturierte Ausflüge | Bei eigenem Betrieb unterstützt |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | Hugging Face · vLLM |
Bilinguales RAG, strukturierte Extraktion, Programmierung und Analyse interner Dokumente mit menschlicher Prüfung. Die native trainierte Kontextlänge beträgt 262.144 Token; der Anbieter validiert eine Erweiterung auf 1.048.576, empfiehlt für komplexe Aufgaben und effizienten Betrieb jedoch höchstens 262.144. Eine spanische Modellseite bedeutet nicht, dass das Modell für Spanisch optimiert ist.
Die Gewichte belegen ungefähr 78 GB in FP8 und 156 GB in BF16, ohne den gesamten Laufzeitspeicher und den KV-Cache. Wenige aktive Parameter reduzieren den Rechenaufwand, nicht den Speicherbedarf aller Experten. Der Betrieb erfordert das vLLM-Plugin aleph-alpha-inference; prüfe Hardware, gleichzeitige Anfragen, Fehler und Berechtigungen vor der Automatisierung von Aktionen.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Bilinguales RAG, strukturierte Extraktion, Programmierung und Analyse interner Dokumente mit menschlicher Prüfung. Die native trainierte Kontextlänge beträgt 262.144 Token; der Anbieter validiert eine Erweiterung auf 1.048.576, empfiehlt für komplexe Aufgaben und effizienten Betrieb jedoch höchstens 262.144. Eine spanische Modellseite bedeutet nicht, dass das Modell für Spanisch optimiert ist.
Kontext
1.048.576 Token; empfohlen ≤262.144 · Nicht veröffentlicht
Tools und Integration
Funktionsaufrufe · Strukturierte Ausgaben
Zugang
Hugging Face · FP8 und BF16
Eingabemodalitäten
Text
04 / PREISE
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | Kein offizieller API-Preis veröffentlicht | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | Kosten der eigenen Infrastruktur | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Ein offizieller öffentlicher Tokenpreis oder kommerziell gehosteter Endpunkt wurde nicht verifiziert. Gewichte unter einer permissiven Lizenz herunterzuladen macht Inferenz nicht kostenlos: GPU, Speicher, Betrieb und Stromverbrauch müssen budgetiert werden. Aleph-Alpha/Kolibri-1 bezeichnet im offiziellen Beispiel das Repository und den selbst gehosteten Server, nicht eine zugesicherte Verfügbarkeit bei einer Drittanbieter-API.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
05 / BEWERTUNGEN
So lesen Sie die Ergebnisse
“
Von Aleph Alpha veröffentlichte Werte, keine unabhängigen Messungen von Inferama. Sprache und Version jedes Tests bleiben erhalten: Eine deutsche Übersetzung von GPQA oder AIME entspricht nicht dem englischen Datensatz. Agentische Ergebnisse hängen vom Harness, Werkzeugen und Reasoning-Budget ab. Übertrage FP8-Werte nicht auf andere Quantisierungen und setze eine validierte Million Token nicht mit gleicher Qualität bei jeder Aufgabe gleich.
| Benchmark | Ergebnis | Metrik | Quelle |
|---|---|---|---|
| GPQA Diamond (EN) | 84,3 % | Punktzahl | Quelle öffnen ↗ |
| GPQA Diamond (DE) | 81,3 % | Punktzahl | Quelle öffnen ↗ |
| AIME 2025 (EN) | 96,9 % | Punktzahl | Quelle öffnen ↗ |
| AIME 2025 (DE) | 87,5 % | Punktzahl | Quelle öffnen ↗ |
| TerminalBench 2.1 | 27,7 % | Punktzahl | Quelle öffnen ↗ |
| Tau2-Bench (Telecom) | 94,7 % | Punktzahl | Quelle öffnen ↗ |
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
06 / VERSIONEN
Chronologie
Kolibri 1 · FP8
Aleph-Alpha/Kolibri-1: FP8-Gewichte und FP8-KV-Cache in der veröffentlichten Evaluation.
Kolibri 1 · BF16
Aleph-Alpha/Kolibri-1-BF16: BF16-Präzisionsvariante derselben Familie.
ANALYSE
Verwandte Analysen
07 / QUELLEN