Aleph Alpha 发布主权开源模型 Kolibri，78B 参数只需 3B 激活
德国公司 Aleph Alpha 选在 10 月 3 日德国统一日发布 Kolibri，一个英语-德语双语的混合专家模型。规格本身很有针对性：78.1B 总参数但每 token 只激活 3.46B，训练上下文 256k、支持到 1M token，全套权重以 Apache 2.0 挂在 Hugging Face 上。
真正少见的是透明度。Aleph Alpha 一并公开了技术报告，说明 200T 原始数据如何被筛选、去重、清洗成 20T 训练语料，训练设备位于德国与芬兰，不使用客户数据做训练。HN 上有评论说，从没见过这种把「怎么造一个现代智能体 LLM」写得像教程程度的开放。
迭代速度同样值得注意。从 6 月 11 日完成预训练的 Kolibri Origin（30B、65k 上下文）到 9 月 11 日的 Kolibri，中间只有三个月，却完成了参数翻倍、上下文扩展十六倍。共同点是训练管线被写成代码，每次提交都触发小规模端到端验证，21 天预训练里 38 次硬件与连接中断全部自动恢复。
它的目标场景是公共部门、工业、航空这类受监管行业，所以专门用弃答数据训练，上下文里没有答案时模型会说「不知道」，而不是编。3B 的激活量也让它能在本地机器上跑，不必把内部数据送进第三方推理服务。
但「主权」这个标签本身正在变得模糊。9 月 16 日 Cohere 与 Aleph Alpha 签署确定性合并协议，估值约 200 亿美元，合并后统一以 Cohere 品牌运营，主体在加拿大多伦多。社区因此追问：一家被加拿大公司整合的德国模型，还能承担欧洲的 AI 主权叙事吗？
基准表现也有争议。Kolibri 在自家测试框架下，德语成绩被 Qwen3.8 27B 以 79.9 比 70.8 反超；对标对象停留在一年前的 Qwen3-Next，没有和更新的同级模型比较。对预算敏感、又需要自主可控的团队而言，Kolibri 真正的价值或许不在跑分，而在于它给出的第三条路——用一个便宜、可审计的模型去核对其他模型产出的工具调用与结论，充当信任适配器。