德国主权模型 Kolibri：不争第一，争可审计

一个模型如果只贴出自己赢的那几行，你没法判断它能不能用在你的场景里。真正有用的信息，往往在它承认输的那几行。

一、发生了什么

10 月 3 日，德国公司 Aleph Alpha 发布 Kolibri，德语意为蜂鸟。它是一款面向德语和英语的开源权重模型，采用 Apache 2.0 许可，权重放在 Hugging Face 上，从零开始训练，算力位于德国和芬兰。

结构是混合专家。总参数 781 亿，每个词元只激活约 34.6 亿，约 4.4%。50 层，每层 384 个专家加 1 个共享专家，路由给每个词元挑 6 个。训练用了约 24 万亿词元，其中德语超过五分之一，跑在 768 块英伟达 B200 上。知识截止 2026 年 6 月 18 日。

上下文原生 26.2 万词元，实测最长到 104.8 万。权重按 8 位浮点存约 78GB，至少要两张 80GB 显存的卡，或者一张 H200、B200。笔记本跑不动，这点和「30 多亿激活」给人的直觉相反。

性能上，按 Aleph Alpha 自己的评测口径：英语综合 75.5，同规模最强的对照是 74.7；德语综合 70.8，对照 69.8。德语数学 AIME 2025 拿到 87.5，公司称是同激活规模里最好的。这些是厂商自评，不是第三方榜单。

更有意思的是它把弱项也写进了模型卡。闭卷问答基准 51.0，在 12 个对照模型里排最后；常识问答正确率只有 14.8%；多轮工具调用 39.8；终端任务基准 27.7；代码修复基准 66.4；128K 长度检索 67.9，要拉到极长上下文才反超。

「主权」在官方口径里有两层。一层是怎么造的：团队在德国，训练在德国和芬兰的基础设施上，受欧洲和德国法律约束，没有外部控制。另一层是客户拿到什么：权重可以下到自己机房，数据不出楼，没人能远程改你的模型或把它关掉。Aleph Alpha 还签了欧盟的通用人工智能行为准则。

但主权不等于全部自造。模型卡自己写了：英文网页文本用谷歌 Gemma 4 做过改写，德语用 Mistral-NeMo，质量过滤的标注数据来自 Qwen3-32B。这几行比任何宣传语都更值得读。

公共部门、银行、制造业的 IT 负责人。 如果规定要求数据不出内网、模型不能被单方面停服，这类可自托管的权重是目前少数能交差的选项。代价是你要自己有卡、有人。

做德语或多语种业务的。 它最大的差异不是参数，是用德语推理。Aleph Alpha 此前披露过，德语提示下模型仍用英语思考，少量德语推理数据反而让德语数学从 70.2 掉到 48.3，要加很多数据才回到 67.3。Kolibri 就是为解决这个问题训的。

看开源格局的。 这条路线不追总榜，追的是「能不能过审」。它把合规当产品特性卖，这跟拼参数是两种生意。

「主权模型就是全欧洲造，一点外部技术都没有。」 模型卡明确写了训练数据加工用到 Gemma 4、Mistral-NeMo 和 Qwen3-32B。主权指的是控制权和部署权，不是供应链的完全隔离。任何声称百分百自造的模型，都值得去翻它的技术报告。

「780 亿参数，所以要八张卡。」 参数不是显存占用的直接算法。它按 8 位存是 78GB，两张 80GB 卡够跑，但要留出上下文缓存的空间。反过来，也别因为「只激活 30 多亿」就以为能塞进笔记本。

「跑分不如大模型，就没有价值。」 在一个必须自托管、必须德语、必须能说「我不知道」的场景里，一个能在本地跑、肯弃权的模型，比一个榜首但只能用 API 的模型更有用。选型的第一问是约束，不是排名。

Kolibri 的价值不在它赢过谁，而在它把控制权、弱项和训练细节一起交了出来——这三样凑齐，才叫可审计。

功能与价格以官方公告为准。本文写于 2026 年 10 月 19 日。