Qu’est-ce que Kolibri 1 ?
Kolibri 1 est un modèle de raisonnement à poids ouverts d'Aleph Alpha, le laboratoire de Heidelberg, sorti le 3 octobre 2026. Aleph Alpha est en cours d'absorption par le canadien Cohere : les deux ont signé un accord de fusion le 16 septembre 2026, l'entreprise combinée sera cotée sous le nom de Cohere avec des sièges à Berlin et Toronto, et Heidelberg reste un centre de recherche. L'accord attendait encore l'approbation réglementaire au moment de notre vérification.
Kolibri est un modèle mixture-of-experts avec 78,1 milliards de paramètres, dont 3,46 milliards actifs par token, conçu pour l'allemand et l'anglais uniquement. Il a été pré-entraîné sur 20 billions de tokens (environ 62,5 % d'anglais, 23,9 % d'allemand et 13,6 % de code) sur 768 GPU NVIDIA B200 en Allemagne et en Finlande, avec un tokeniser conçu pour la structure des mots allemands. Son contexte natif est de 262 144 tokens, et Aleph Alpha indique avoir validé la qualité jusqu'à 1 048 576. Il offre un effort de raisonnement de none à high et un appel d'outils de style Hermes, avec une date limite de connaissances au 18 juin 2026.
Les poids FP8 sont sur Hugging Face sous Apache 2.0 et prennent environ 78 GB, si bien que le minimum est un H200 ou B200, ou deux A100 ou H100 de 80 GB. Aleph Alpha est signataire du Code de bonnes pratiques pour l'IA à usage général de l'UE. Il n'y a pas d'API publique à l'usage.
Kolibri 1 vaut-il le coup ?
Kolibri gagne sa place d'abord sur la provenance et ensuite sur les scores. C'est un modèle Apache 2.0 entraîné sur une infrastructure européenne sous droit allemand, avec des données d'entraînement documentées, une énergie (estimée à 950 MWh) et des engagements de Code de bonnes pratiques, ce que les acheteurs du secteur public et réglementés en Allemagne doivent montrer. Sur la capacité, il est compétitif avec les modèles mixture-of-experts ouverts de sa catégorie plutôt que devant le champ ouvert.
Les propres tableaux d'Aleph Alpha le placent à un global de 75,5 en anglais et 70,8 en allemand, une touche au-dessus de Qwen3.5 35B-A3B (74,7 et 69,8) et GPT-OSS 120B (72,3 et 70,2). Les mêmes tableaux montrent le Qwen3.8 27B dense à 80,2 et 79,9, si bien qu'un acheteur allemand d'abord obtient un meilleur allemand d'un modèle chinois qui fait un tiers de la taille, au prix de plus de calcul par token. Chaque chiffre est autodéclaré avec Kolibri à un effort de raisonnement high, et aucune entrée Artificial Analysis n'existait au lancement.
Les points faibles sont les agents et le rappel. SWE-Bench Verified est de 66,4 contre 73,8 pour Qwen3.6 35B-A3B, TerminalBench 2.1 est de 27,7 contre 39,7 pour Qwen3.5 35B-A3B, et sur le test de récupération pour le secteur public allemand d'Aleph Alpha il obtient 75,0 contre 80,0 pour Qwen3.5. Il fait mieux sur le fait de ne pas inventer de réponses : un taux de non-hallucination de 44,0 sur le jeu public AA-Omniscience, contre 11,1 pour Qwen3.5 35B-A3B.
Les choix d'ingénierie favorisent les longs documents. Seules 10 de ses 50 couches font attention sur tout le contexte, et Aleph Alpha indique que sur deux H100 il sert 18 requêtes simultanées de 256K tokens là où une version 123B en gérait 3. Son tokeniser empaquette 4,90 octets d'allemand par token contre 4,35 pour celui de GPT-5, si bien que le même texte allemand coûte moins de tokens. Ces gains supposent que vous pouvez faire tourner un vLLM patché par plugin sur un GPU de 141 GB ou une paire de 80 GB.
La fusion avec Cohere est la question ouverte pour les acheteurs qui ont choisi Aleph Alpha pour la souveraineté. Les poids Apache 2.0 déjà publiés ne peuvent pas être retirés, mais les futures versions et le support de Kolibri viendront de Cohere, une entreprise canadienne qui exploitera des doubles sièges à Toronto et Berlin.
Là où il fait la différence
Un responsable informatique dans une agence fédérale allemande
Faire tourner un assistant interne sur les documents de l'agence sans modèle américain ou chinois
Servir Kolibri sur un H200 dans le propre centre de données de l'agence ; la licence Apache 2.0, l'entraînement européen et la signature du Code de bonnes pratiques répondent à la plupart des questions d'achat. Le score de récupération pour le secteur public allemand d'Aleph Alpha de 75,0 est respectable mais derrière les 80,0 de Qwen3.5 35B-A3B.
Un ingénieur plateforme chez un assureur de Munich
Traiter des dossiers de police allemands de 200 pages en une seule requête
Les contextes jusqu'à 262 144 tokens sont la plage recommandée, et la conception à fenêtre glissante permet à deux H100 de tenir 18 requêtes de ce type à la fois selon Aleph Alpha. Au-delà, ajoutez l'override --max-model-len 1048576.
Un responsable des achats qui compare des fournisseurs d'IA souveraine
Juger si s'engager sur Kolibri maintenant est sûr compte tenu de l'accord Cohere
Les poids déjà publiés sous Apache 2.0 restent utilisables indéfiniment, si bien que l'auto-hébergement comporte peu de verrouillage. Le support, les futures versions et toute offre hébergée viendront du Cohere fusionné une fois que les régulateurs auront approuvé, alors les contrats devraient nommer l'entité successeur.
Avant de vous engager
- Mise en route
- pip install aleph-alpha-inference (ou récupérez ghcr.io/aleph-alpha/aleph-alpha-inference), puis vllm serve Aleph-Alpha/Kolibri-1 avec un cache KV FP8 et les parseurs de raisonnement et d'appel d'outils kolibri1 ; un vLLM standard ne peut pas le charger.
- Intégrations
- Chat completions compatibles OpenAI via vLLM, appel d'outils de style Hermes, et reasoning_effort réglé sur none, low, medium ou high dans le modèle de chat ; Transformers le charge aussi. Aleph Alpha publie son eval-framework pour reproduire les benchmarks.
- Données et confidentialité
- Apache 2.0 sans politique d'usage acceptable distincte ni plafond de revenus. Auto-hébergé, les prompts restent sur vos serveurs ; Aleph Alpha indique que le travail spécifique aux clients ne s'entraîne jamais sur les données des clients.
- Coût à grande échelle
- Les poids FP8 prennent environ 78 GB. Aleph Alpha liste un H200, B200 ou B300, ou deux A100 ou H100 de 80 GB, comme minimum, et recommande deux H100 ou deux H200 pour le service. Aucun prix au token hébergé n'est publié.
- Limites
- Allemand et anglais uniquement ; date limite de connaissances au 18 juin 2026 ; contexte natif de 262 144 tokens avec 1 048 576 validé ; l'échantillonnage recommandé est température 1.0, top_p 0.97, top_k 128. Aucun résultat de classement indépendant au lancement.
Les points forts
- Apache 2.0 avec un entraînement européen documenté et des engagements de Code de bonnes pratiques
- Seulement 3,46B de paramètres actifs par token ; contexte de 1M de tokens validé
- Tokeniser allemand à 4,90 octets par token, devant GPT-5 et Qwen
- Taux de non-hallucination AA-Omniscience de 44,0 (autodéclaré)
Les points faibles
- Allemand et anglais uniquement
- Derrière Qwen3.8 27B sur les moyennes allemandes et anglaises propres d'Aleph Alpha
- A besoin d'environ 78 GB de mémoire GPU et d'un plugin vLLM personnalisé
- La fusion Cohere en attente assombrit la feuille de route à long terme
Idéal pour
Les organismes publics allemands et les entreprises réglementées qui ont besoin d'un modèle ouvert auditable, entraîné en Europe, pour le travail sur documents et la récupération sur leurs propres GPU.
Alternatives à Kolibri 1
Kolibri 1 : questions fréquentes
- Kolibri 1 vaut-il le coup ?
- Kolibri est le meilleur argument à ce jour pour un modèle ouvert construit en Europe, même si le meilleur modèle ouvert sur les propres tests allemands d'Aleph Alpha vient d'Alibaba. Nous lui donnons 3.9 sur 5.
- Combien coûte Kolibri 1 ?
- Gratuit sous Apache 2.0. Pas d'API hébergée publique ; déploiement en entreprise via l'équipe commerciale d'Aleph Alpha, prix non publiés.
- Quels sont les inconvénients de Kolibri 1 ?
- Allemand et anglais uniquement; derrière Qwen3.8 27B sur les moyennes allemandes et anglaises propres d'Aleph Alpha; a besoin d'environ 78 GB de mémoire GPU et d'un plugin vLLM personnalisé; la fusion Cohere en attente assombrit la feuille de route à long terme.
- À qui s’adresse Kolibri 1 ?
- Les organismes publics allemands et les entreprises réglementées qui ont besoin d'un modèle ouvert auditable, entraîné en Europe, pour le travail sur documents et la récupération sur leurs propres GPU.
- Combien coûte Kolibri 1 pour une équipe ou en production ?
- Les poids FP8 prennent environ 78 GB. Aleph Alpha liste un H200, B200 ou B300, ou deux A100 ou H100 de 80 GB, comme minimum, et recommande deux H100 ou deux H200 pour le service. Aucun prix au token hébergé n'est publié.
- Kolibri 1 est-il sûr pour les données de l’entreprise ?
- Apache 2.0 sans politique d'usage acceptable distincte ni plafond de revenus. Auto-hébergé, les prompts restent sur vos serveurs ; Aleph Alpha indique que le travail spécifique aux clients ne s'entraîne jamais sur les données des clients.
- Quelles sont les meilleures alternatives à Kolibri 1 ?
- Les alternatives les plus proches que nous avons testées sont gpt-oss-120b, Qwen3.8-27B, Mistral Small 4, Command A+ et Mistral Medium 3.5.
Réponses vérifiées le 28 oct. 2026.