Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
AA
ALEPH ALPHA / Aleph-Alpha/Kolibri-1
Kolibri 1
Modello di testo e codice di Aleph Alpha, lanciato ufficialmente il 3 ottobre 2026 e incentrato su tedesco e inglese. L’architettura MoE ha 78,1 miliardi di parametri totali e ne attiva circa 3,46 miliardi per token. Supporta ragionamento configurabile e chiamate a strumenti. I pesi FP8 e BF16 sono pubblicati con licenza Apache 2.0: sono due precisioni della stessa famiglia, non due modelli indipendenti.
01 / RIEPILOGO
L'essenziale
Capacità di input massima quando pubblicata dalla fonte.
Limite massimo di generazione documentato.
Canali di disponibilità verificati.
Famiglia funzionale principale e specialità verificate.
Condizioni dichiarate per API, pesi o distribuzione autonoma.
02 / SCHEDA TECNICA
Limiti e integrazione
| ID API | Aleph-Alpha/Kolibri-1 |
|---|---|
| Tipo di modello | Testo e ragionamento · Codice |
| Modalità di accesso | Pesi aperti |
| Licenza | Apache 2.0 |
| Distribuzione | Deployment autonomo con vLLM |
| Rilascio | 03 OCT 2026 |
| Cutoff della conoscenza | 18 JUN 2026 |
| Entrata | Testo |
| Uscita | Testo |
| Finestra di contesto | 1.048.576 token; consigliato ≤262.144 |
| rendimento massimo | Non pubblicato |
| Ragionamento | none, low, medium, high |
| Strumenti pubblicati | Chiamate di funzione · Uscite strutturate |
| Uscite strutturate | Compatibile con il deployment autonomo |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Non pubblicato |
| Piattaforme verificate | Hugging Face · vLLM |
RAG bilingue, estrazione strutturata, programmazione e analisi di documenti interni con revisione umana. Il contesto nativo di addestramento è di 262.144 token; il fornitore convalida l’estensione fino a 1.048.576, ma consiglia di non superare 262.144 per attività complesse ed efficienza del servizio. La scheda in spagnolo non significa che il modello sia ottimizzato per lo spagnolo.
I pesi occupano circa 78 GB in FP8 e 156 GB in BF16, esclusi l’intera memoria di esecuzione e la cache KV. Pochi parametri attivi riducono il calcolo, non la memoria necessaria per caricare gli esperti. Il deployment richiede il plugin aleph-alpha-inference per vLLM: verifica hardware, concorrenza, errori e autorizzazioni prima di automatizzare azioni.
03 / CAPACITÀ
Cosa può fare
Orientamento
RAG bilingue, estrazione strutturata, programmazione e analisi di documenti interni con revisione umana. Il contesto nativo di addestramento è di 262.144 token; il fornitore convalida l’estensione fino a 1.048.576, ma consiglia di non superare 262.144 per attività complesse ed efficienza del servizio. La scheda in spagnolo non significa che il modello sia ottimizzato per lo spagnolo.
Contesto
1.048.576 token; consigliato ≤262.144 · Non pubblicato
Strumenti e integrazione
Chiamate di funzione · Output strutturati
Accesso
Hugging Face · FP8 e BF16
Modalità di input
Testo
04 / PREZZI
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | Nessuna tariffa API ufficiale pubblicata | Tariffa API standard |
| Input in cache | Non pubblicato | Lettura di prefissi riutilizzati |
| Scrittura o archiviazione della cache | Non pubblicato | La condizione varia in base al fornitore |
| Output standard | Costo dell’infrastruttura propria | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
Non sono stati verificati una tariffa pubblica ufficiale per token né un endpoint commerciale ospitato. Scaricare pesi con licenza permissiva non rende gratuita l’inferenza: considera GPU, memoria, archiviazione, gestione e consumi. Aleph-Alpha/Kolibri-1 è l’identificatore del repository e del server autonomo nell’esempio ufficiale, non una promessa di disponibilità in un’API di terzi.
i I prezzi cambiano e possono dipendere dal livello, dalla regione o dalla durata del contesto. Controlla la fonte prima di prendere una decisione.
05 / VALUTAZIONI
Come leggere i risultati
“
Dati pubblicati da Aleph Alpha, non misurazioni indipendenti di Inferama. Conserviamo lingua e versione di ogni prova: la traduzione tedesca di GPQA o AIME non equivale al dataset inglese. I risultati agentici dipendono dall’harness, dagli strumenti e dal budget di ragionamento. Non estendere i punteggi FP8 ad altre quantizzazioni né confondere un milione di token convalidati con qualità identica in ogni attività.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| GPQA Diamond (EN) | 84,3 % | Punteggio | Vedi fonte ↗ |
| GPQA Diamond (DE) | 81,3 % | Punteggio | Vedi fonte ↗ |
| AIME 2025 (EN) | 96,9 % | Punteggio | Vedi fonte ↗ |
| AIME 2025 (DE) | 87,5 % | Punteggio | Vedi fonte ↗ |
| TerminalBench 2.1 | 27,7 % | Punteggio | Vedi fonte ↗ |
| Tau2-Bench (Telecom) | 94,7 % | Punteggio | Vedi fonte ↗ |
Inferama evidenzia un "miglior risultato" solo quando la metrica, il set di test, la configurazione e la data consentono un confronto equivalente. I dati del fornitore sono presentati come affermazioni provenienti dalla propria fonte.
06 / VERSIONI
Cronologia
Kolibri 1 · FP8
Aleph-Alpha/Kolibri-1: pesi FP8 e cache KV FP8 nella valutazione pubblicata.
Kolibri 1 · BF16
Aleph-Alpha/Kolibri-1-BF16: variante di precisione BF16 della stessa famiglia.
ANALISI
Analisi correlate
07 / FONTI