Utilisation principale déclarée ou déduite avec prudence de la documentation officielle.
AA
ALEPH ALPHA / Aleph-Alpha/Kolibri-1
Kolibri 1
Modèle de texte et de code d’Aleph Alpha, officiellement lancé le 3 octobre 2026 et centré sur l’allemand et l’anglais. Son architecture MoE compte 78,1 milliards de paramètres au total et en active environ 3,46 milliards par token. Il prend en charge le raisonnement configurable et l’appel d’outils. Les poids FP8 et BF16 sont publiés sous Apache 2.0 : ce sont deux précisions d’une même famille, pas deux modèles indépendants.
01 / RÉSUMÉ
L'essentiel
Capacité d'entrée maximale une fois publiée par la source.
Limite de génération maximale documentée.
Canaux de disponibilité vérifiés.
Famille fonctionnelle principale et spécialités vérifiées.
Conditions déclarées pour l’API, les poids ou l’auto-hébergement.
02 / FICHE TECHNIQUE
Limites et intégration
| ID d’API | Aleph-Alpha/Kolibri-1 |
|---|---|
| Type de modèle | Texte et raisonnement · Code |
| Mode d’accès | Poids ouverts |
| Licence | Apache 2.0 |
| Déploiement | Autohébergement avec vLLM |
| Lancement | 03 OCT 2026 |
| Date limite des connaissances | 18 JUN 2026 |
| Entrée | Texte |
| Sortie | Texte |
| Fenêtre contextuelle | 1 048 576 tokens ; recommandé ≤262 144 |
| puissance maximale | Non publié |
| Raisonnement | none, low, medium, high |
| Outils publiés | Appel de fonctions · Sorties structurées |
| Sorties structurées | Compatible avec l’autohébergement |
| Traitement par lots | Non publié |
| Cache de prompts | Non publié |
| Ajustement fin | Non publié |
| Plateformes vérifiées | Hugging Face · vLLM |
RAG bilingue, extraction structurée, programmation et analyse de documents internes avec contrôle humain. Le contexte natif entraîné est de 262 144 tokens ; le fournisseur valide une extension à 1 048 576, mais recommande de rester sous 262 144 pour les tâches complexes et l’efficacité du service. Une fiche en espagnol ne signifie pas que le modèle soit optimisé pour l’espagnol.
Les poids occupent environ 78 Go en FP8 et 156 Go en BF16, sans inclure toute la mémoire d’exécution ni le cache KV. Un faible nombre de paramètres actifs réduit le calcul, pas la mémoire nécessaire au chargement des experts. Le déploiement nécessite le plugin aleph-alpha-inference pour vLLM : vérifiez matériel, concurrence, erreurs et permissions avant d’automatiser des actions.
03 / CAPACITÉS
Ce qu’il peut faire
Orientation
RAG bilingue, extraction structurée, programmation et analyse de documents internes avec contrôle humain. Le contexte natif entraîné est de 262 144 tokens ; le fournisseur valide une extension à 1 048 576, mais recommande de rester sous 262 144 pour les tâches complexes et l’efficacité du service. Une fiche en espagnol ne signifie pas que le modèle soit optimisé pour l’espagnol.
Contexte
1 048 576 tokens ; recommandé ≤262 144 · Non publié
Outils et intégration
Appel de fonctions · Sorties structurées
Accès
Hugging Face · FP8 et BF16
Modalités d’entrée
Texte
04 / TARIFS
Coût documenté
| Concept | Valeur | Unité/état |
|---|---|---|
| Entrée standard | Aucun tarif API officiel publié | Tarif API standard |
| Entrée en cache | Non publié | Lecture de préfixes réutilisés |
| Écriture ou stockage de cache | Non publié | La condition varie selon le fournisseur |
| Sortie standard | Coût de l’infrastructure propre | Peut inclure des tokens de raisonnement |
| Entrée par lots | Non publié | Traitement asynchrone |
| Sortie par lots | Non publié | Traitement asynchrone |
Aucun tarif public officiel par token ni endpoint commercial hébergé n’a été vérifié. Télécharger des poids sous licence permissive ne rend pas l’inférence gratuite : calculez GPU, mémoire, stockage, exploitation et consommation. Aleph-Alpha/Kolibri-1 est l’identifiant du dépôt et du serveur autohébergé dans l’exemple officiel, pas une promesse de disponibilité dans une API tierce.
i Les prix changent et peuvent dépendre du niveau, de la région ou de la durée du contexte. Vérifiez la source avant de prendre une décision.
05 / ÉVALUATIONS
Comment lire les résultats
“
Chiffres publiés par Aleph Alpha, pas des mesures indépendantes d’Inferama. Nous conservons la langue et la version de chaque test : une traduction allemande de GPQA ou AIME n’équivaut pas au jeu anglais. Les résultats agentiques dépendent du banc de test, des outils et du budget de raisonnement. N’extrapolez pas les scores FP8 à une autre quantification et ne confondez pas un million de tokens validés avec une qualité identique pour toute tâche.
| Benchmark | Résultat | Métrique | Source |
|---|---|---|---|
| GPQA Diamond (EN) | 84,3 % | Score | Voir la source ↗ |
| GPQA Diamond (DE) | 81,3 % | Score | Voir la source ↗ |
| AIME 2025 (EN) | 96,9 % | Score | Voir la source ↗ |
| AIME 2025 (DE) | 87,5 % | Score | Voir la source ↗ |
| TerminalBench 2.1 | 27,7 % | Score | Voir la source ↗ |
| Tau2-Bench (Telecom) | 94,7 % | Score | Voir la source ↗ |
Inferama ne met en évidence un « meilleur résultat » que lorsque la métrique, l'ensemble de test, la configuration et la date permettent une comparaison équivalente. Les chiffres du fournisseur sont présentés comme des affirmations provenant de sa propre source.
06 / VERSIONS
Chronologie
Kolibri 1 · FP8
Aleph-Alpha/Kolibri-1 : poids FP8 et cache KV FP8 dans l’évaluation publiée.
Kolibri 1 · BF16
Aleph-Alpha/Kolibri-1-BF16 : variante de précision BF16 de la même famille.
ANALYSE
Analyses connexes
07 / SOURCES