Kolibri-1

Kolibri-1はAleph Alphaが2026年10月3日に公開したテキスト推論モデルです。ドイツ語と英語の文書分析やツールを使う処理を主な用途とします。混合専門家構造を採用し、総パラメータは約780億、各トークンで有効になるのは約34.6億です。有効パラメータ数は計算量の指標であり、配備時に3B相当の重みだけを保存すればよいという意味ではありません。

機能と利用場面

明示的な推論とツール呼び出しに対応します。最大コンテキストは1,048,576トークンですが、公式モデルカードは処理効率や複雑な課題では262,144トークン以下を推奨しています。ネイティブな長文訓練の長さも262,144です。入力を受け付ける長さと、全文を正確に利用できる品質は別に評価してください。

最初の実験には、ドイツ語・英語の社内資料を使う知識アシスタントが向いています。アクセスを許可した資料から少数の関連箇所を検索し、出典付き回答を生成して引用を照合します。範囲を限定したツール処理も候補です。呼び出し形式に対応していても、実行内容の正しさや安全性が保証されるわけではありません。

ハードウェア、ライセンス、費用

主リポジトリはApache 2.0のFP8重みを配布します。モデルカードの重みメモリ見積もりは約78 GBで、最低構成の例には80 GB A100を2枚、H100 SXM5を2枚、またはH200、B200、B300を1枚と記載されています。コンテキストキャッシュと配信処理には追加の容量が必要です。別のBF16チェックポイントには異なる要件があるため、このFP8の数字を流用しないでください。

重みのライセンスにモデル購読料はありません。ただしGPU、ストレージ、運用と評価には費用がかかります。確認できていないホスト型API料金は掲載していません。

導入の進め方

1. 公式カードの配信手順を読み、ランタイムと精度の互換性を確認します。
2. 短いドイツ語・英語の質問集を用意し、控えめな入力上限で開始します。
3. 直接回答と検索を使う回答を同じ質問で比較し、引用を確認します。
4. ツールの解析、権限と失敗処理を検証してから実行を許可します。
5. 想定する同時処理数でメモリ、遅延と回答品質を測ります。

FAQと比較

軽量な3Bモデルですか。 いいえ。約3.46Bは有効パラメータ数で、総数は約78Bです。チェックポイント全体を配備側のメモリ構成に保持する必要があります。

百万トークンなら検索は不要ですか。 検索は入力を減らして根拠を絞り込めます。長文品質は入力可能な長さとは別に評価するべきです。

別のMoEモデルとしてQwen3.8-Flash-Nextを比較できます。Ollamaはモデルの代わりではなく実行ツールなので、Kolibriへの対応を先に確認してください。モデル一覧と公開重みの一覧も参考になります。公式カードを起点に小さな再現可能な評価を行い、ドイツ語・英語の推論需要にサーバー資源を割く価値があるか判断しましょう。