Aleph Alpha hat am 3. Oktober 2026 mit Kolibri-1 ein neues großes Sprachmodell veröffentlicht, das sich bewusst von ChatGPT, Gemini und Claude abgrenzt. Statt eines weiteren Allzweck-Chatbots bringt das Heidelberger Unternehmen ein Modell auf den Markt, das Behörden und Industriekunden eine komplett selbst kontrollierte KI-Infrastruktur verspricht. Mit rund 78 Milliarden Parametern, einer Mixture-of-Experts-Architektur und einem Kontextfenster von bis zu 1 Million Token tritt Kolibri-1 in einem Herbst an, in dem binnen fünf Wochen drei europäische KI-Labore ihre jeweiligen Flaggschiff-Modelle vorgestellt haben. Der Zeitpunkt ist kein Zufall, denn die Debatte über digitale Souveränität in Deutschland hat sich seit dem Sommer 2026 deutlich verschärft.
Für die deutsche und die gesamte DACH-Wirtschaft stellt sich damit eine konkrete Frage: Reicht ein 78-Milliarden-Parameter-Modell aus Heidelberg aus, um gegen die Rechenzentren von OpenAI, Google und Anthropic zu bestehen, oder bleibt Kolibri-1 eine Nischenlösung für Verwaltung und regulierte Branchen? Dieser Artikel ordnet die Fakten ein, vergleicht die technischen Daten mit der internationalen Konkurrenz und zeigt, welche Rolle das Modell im europäischen KI-Wettlauf spielen könnte.
Was ist Kolibri-1? Die technischen Eckdaten im Überblick
Kolibri-1 ist ein Sprachmodell mit etwa 78 Milliarden Gesamtparametern, das auf eine Mixture-of-Experts-Architektur (MoE) setzt. Dabei werden pro Verarbeitungsschritt nur rund 3,5 Milliarden Parameter tatsächlich aktiviert. Das senkt die Rechenkosten im Vergleich zu einem klassischen dichten Modell gleicher Größe erheblich, weil nicht das gesamte Netzwerk für jede Anfrage durchlaufen werden muss. Das Modell beherrscht Deutsch und Englisch und wurde laut Aleph Alpha gezielt für deutschsprachige Unternehmensanwendungen trainiert, inklusive eines eigenen Tokenizers für die deutsche Sprache.
Besonders auffällig ist das Kontextfenster von bis zu 1 Million Token. Das reicht aus, um große juristische Aktenbestände, Verwaltungsvorgänge oder technische Dokumentationen in einem einzigen Durchlauf zu verarbeiten, ohne sie vorher in kleinere Abschnitte zerlegen zu müssen. Aleph Alpha stellt das Modell zudem unter der Apache-2.0-Lizenz bereit, also mit offenen Gewichten. Das unterscheidet Kolibri-1 von den meist geschlossenen Angeboten aus den USA und erlaubt es Kunden, das Modell auf eigener Infrastruktur zu betreiben und anzupassen.
| Merkmal | Wert |
|---|---|
| Hersteller | Aleph Alpha (Heidelberg) |
| Veröffentlichung | 3. Oktober 2026 |
| Architektur | Mixture-of-Experts (MoE) |
| Gesamtparameter | ca. 78 Milliarden |
| Aktive Parameter pro Token | ca. 3,5 Milliarden |
| Kontextfenster | bis zu 1.000.000 Token |
| Sprachen | Deutsch, Englisch |
| Lizenz | Apache 2.0 (offene Gewichte) |
| Besondere Funktionen | Reasoning-Effort-Steuerung, Tool-Calling |
| Zielgruppe | Behörden, Industrie, regulierte Branchen |
| Deployment | Kundenseitig kontrollierte Infrastruktur |
Souveränität als Geschäftsmodell: Was Aleph Alpha wirklich verspricht
Der Begriff “souveräne KI” taucht in fast jeder Ankündigung von Aleph Alpha auf, bleibt aber oft vage. Im Fall von Kolibri-1 lässt sich das konkret fassen: Kunden können das Modell komplett auf eigener oder von ihnen kontrollierter Infrastruktur betreiben, statt zwingend über die Cloud eines US-Anbieters zu laufen. Für Behörden und Industriebetriebe mit hohen Anforderungen an Datenschutz und Kontrolle über kritische Systeme ist das ein zentrales Argument, gerade wenn personenbezogene oder sicherheitsrelevante Daten verarbeitet werden.
Die offenen Gewichte unter Apache 2.0 verstärken diesen Anspruch zusätzlich. Eine Organisation, die Kolibri-1 einsetzt, bleibt nicht von einem einzigen Anbieter abhängig, sondern kann das Modell selbst weiterentwickeln, auf eigenen Servern hosten oder in bestehende IT-Umgebungen integrieren. Das unterscheidet den Ansatz deutlich von geschlossenen Modellen wie GPT-6 oder Gemini 4 Argon, bei denen Nutzer auf die Infrastruktur des jeweiligen Anbieters angewiesen bleiben. Ob das reicht, um von echter technologischer Unabhängigkeit zu sprechen, bleibt dennoch umstritten, denn Training und Grundarchitektur stammen weiterhin aus einem einzigen Unternehmen.
Mixture-of-Experts: Wie die Architektur von Kolibri-1 funktioniert
Mixture-of-Experts-Modelle teilen ein großes neuronales Netzwerk in mehrere spezialisierte Teilnetze auf, die sogenannten Experten. Für jede einzelne Anfrage entscheidet ein Routing-Mechanismus, welche Experten aktiviert werden. Bei Kolibri-1 sind das im Schnitt nur rund 3,5 der insgesamt 78 Milliarden Parameter pro Token. Dadurch sinkt der Rechenaufwand gegenüber einem dicht besetzten Modell mit vergleichbarer Gesamtgröße spürbar, während die Qualität der Antworten laut Herstellerangaben erhalten bleibt.
Dieser Architekturansatz ist nicht neu, größere US-Anbieter wie OpenAI und Google setzen ihn ebenfalls bei aktuellen Modellen ein. Für Aleph Alpha ist er aber aus einem bestimmten Grund wichtig: Als vergleichsweise kleinerer Anbieter ohne die Rechenkapazitäten von Microsoft oder Google muss das Unternehmen mit begrenzteren Ressourcen auskommen. Eine MoE-Architektur erlaubt es, ein großes Modell zu trainieren und zu betreiben, ohne die vollen Infrastrukturkosten eines dichten 78-Milliarden-Parameter-Modells tragen zu müssen.
Ein Kontextfenster für ganze Aktenordner: 1 Million Token im Praxistest
Ein Kontextfenster von 1 Million Token entspricht grob mehreren tausend Seiten Text, abhängig von Sprache und Formatierung. Für Verwaltungsprozesse bedeutet das: Ein komplettes Genehmigungsverfahren mit allen Anlagen, Gutachten und Schriftwechseln lässt sich theoretisch in einem einzigen Modellaufruf verarbeiten. Auch für die Industrie, etwa bei technischen Spezifikationen oder Vertragswerken, eröffnet das neue Anwendungsfälle, die mit kleineren Kontextfenstern von 32.000 oder 128.000 Token bislang aufwendige Workarounds über mehrere Anfragen erforderten.
Wichtig für Unternehmen ist dabei die Unterscheidung zwischen der theoretischen Kapazität und der tatsächlichen Nutzbarkeit. Ein großes Kontextfenster bedeutet nicht automatisch, dass ein Modell über die gesamte Länge hinweg gleich zuverlässig Informationen wiederfindet und verknüpft. Aleph Alpha hat bislang keine eigenen, unabhängig geprüften Benchmark-Werte zu diesem sogenannten Long-Context-Verhalten veröffentlicht, weshalb Kunden das in eigenen Pilotprojekten testen müssen, bevor sie produktive Prozesse darauf aufbauen.
Reasoning-Effort und Tool-Calling: Zwei Funktionen für Unternehmenskunden
Kolibri-1 bringt eine Steuerung für den sogenannten Reasoning-Effort mit. Damit können Betreiber einstellen, wie viel Rechenaufwand das Modell in komplexere Schlussfolgerungen investiert. Eine höhere Stufe liefert tendenziell genauere Ergebnisse bei schwierigen Aufgaben, kostet aber mehr Rechenzeit und damit mehr Geld. Eine niedrigere Stufe eignet sich für einfache, schnelle Anfragen, etwa Standard-Zusammenfassungen oder Routineaufgaben in der Sachbearbeitung.
Zusätzlich unterstützt das Modell Tool-Calling, also die Fähigkeit, externe Systeme und Datenquellen während einer Konversation gezielt anzusteuern. Für Behörden heißt das praktisch: Kolibri-1 kann so eingebunden werden, dass es bei Bedarf automatisch auf ein Fachverfahren, eine Datenbank oder ein internes Aktensystem zugreift, statt nur mit dem zu arbeiten, was im Prompt steht. Diese Kombination aus einstellbarem Reasoning-Aufwand und Tool-Zugriff zielt klar auf Integration in bestehende Verwaltungs- und Unternehmenssoftware, nicht auf den Einsatz als eigenständiger Chatbot für Endnutzer.
Der europäische KI-Herbst: Drei Modelle in fünf Wochen
Kolibri-1 erscheint nicht im Vakuum. Innerhalb von nur fünf Wochen haben im Herbst 2026 drei europäische KI-Labore aus drei unterschiedlichen Ländern ihre jeweils neuesten Modelle vorgestellt, wie unter anderem Eden AI dokumentiert. Multiverse Computing aus Spanien veröffentlichte am 2. September 2026 sein Modell Quasar 438B. Aleph Alpha aus Deutschland folgte am 3. Oktober mit Kolibri-1. Nur drei Tage später, am 6. Oktober, startete Mistral AI aus Frankreich die öffentliche Vorschau von Mistral Large 4. Diese Verdichtung von Veröffentlichungen innerhalb weniger Wochen zeigt, wie sehr sich der Wettbewerb unter europäischen Anbietern in diesem Herbst zugespitzt hat.
Parallel dazu haben auch die großen US-Anbieter nachgelegt. Anthropic brachte Claude Opus 5.5 am 22. September und Claude Sonnet 5.5 am 28. September 2026. Google kündigte Gemini 4 Argon, ein Modell mit erklärtem Fokus auf Cybersicherheit, Ende September an, der breitere Rollout folgte Mitte Oktober. OpenAI erweiterte die GPT-6-Familie und rollte am 7. Oktober 2026 eine neue “Intelligent UI” für alle ChatGPT-Nutzer aus, wie der Branchendienst DutchStartup.ai berichtete. Kolibri-1 trifft also auf einen Markt, in dem sich die Veröffentlichungszyklen aller großen Anbieter innerhalb weniger Wochen überschneiden.
Kolibri-1 im Vergleich: Wie schlägt sich das Modell gegen die US-Konkurrenz?
Ein direkter Leistungsvergleich fällt schwer, weil es für die neuesten Modelle noch kein einheitliches, unabhängig geprüftes Leaderboard gibt, das alle hier genannten Systeme gleichzeitig erfasst. Was sich aber klar vergleichen lässt, sind die offiziell kommunizierten technischen Eckdaten und Veröffentlichungstermine. Die folgende Tabelle fasst die wichtigsten LLM-Neuerscheinungen der vergangenen Wochen zusammen und ordnet Kolibri-1 in dieses Feld ein.
| Modell | Anbieter / Land | Veröffentlichung | Besonderheit |
|---|---|---|---|
| Kolibri-1 | Aleph Alpha / Deutschland | 3. Okt. 2026 | 78 Mrd. Parameter, MoE, souveräne Infrastruktur, Apache 2.0 |
| Quasar 438B | Multiverse Computing / Spanien | 2. Sept. 2026 | 438 Mrd. Parameter |
| Mistral Large 4 | Mistral AI / Frankreich | 6. Okt. 2026 (Public Preview) | Multimodal, Reasoning-fokussiert |
| Gemini 4 Argon | Google / USA | Ende Sept. / Rollout Mitte Okt. 2026 | Fokus auf Cybersicherheit |
| Claude Opus 5.5 / Sonnet 5.5 | Anthropic / USA | 22. / 28. Sept. 2026 | Generation 5.5 der Claude-Reihe |
| GPT-6 (Intelligent UI) | OpenAI / USA | 7. Okt. 2026 | Rollout für alle ChatGPT-Nutzer |
| DeepSeek V4-Pro | DeepSeek / China | 12. Aug. 2026 | Produktionsreife Version |
Auffällig ist der Größenunterschied bei den Gesamtparametern. Quasar 438B liegt mit 438 Milliarden Parametern weit über Kolibris 78 Milliarden, während Mistral Large 4 nach früherer Berichterstattung sogar deutlich größer dimensioniert ist. Reine Parameterzahlen sagen allerdings wenig über die tatsächliche Leistungsfähigkeit aus, insbesondere wenn Architektur, Trainingsdaten und aktive Parameteranzahl pro Token stark variieren. Kolibri-1 positioniert sich bewusst nicht als größtes, sondern als effizientestes und am stärksten auf deutsche Rechts- und Verwaltungsanforderungen zugeschnittenes Modell im Feld.
Was Aleph Alpha selbst zum Start sagt
Aleph-Alpha-Chef Ilhan Scheer ordnete den Launch in der offiziellen Ankündigung des Unternehmens politisch ein: “Kolibri demonstrates that we have the talent and expertise in Germany to develop competitive AI models.” Zur Frage, was Souveränität in der Praxis bedeutet, sagte er: “For us, AI sovereignty means freedom of choice by retaining the ability to build and advance this technology, and giving customers control over how they use it.” Zum angestrebten Einsatzfeld ergänzte Scheer: “Our ambition is to bring that capability into everyday operations in industry and public administration.”
Samuel Weinbach, Mitgründer und Co-Chief Research Officer von Aleph Alpha, erklärte die sprachliche Spezialisierung des Modells: “We designed Kolibri around the needs of German-language applications, from a tokenizer optimized for German to training the model to reason in German.” Zum praktischen Nutzen für Kunden fügte er hinzu: “For our customers, this is an important step towards making AI useful in everyday workflows.” Beide Aussagen stammen aus der offiziellen Launch-Mitteilung von Aleph Alpha und unterstreichen, dass das Unternehmen Kolibri-1 nicht als Konkurrenzprodukt zu ChatGPT positioniert, sondern als Werkzeug für konkrete Arbeitsabläufe in Verwaltung und Industrie.
Von Luminous zu Kolibri: Aleph Alphas langer Weg zur Marktreife
Aleph Alpha mit Sitz in Heidelberg gehört zu den wenigen europäischen Unternehmen, die seit Jahren eigene große Sprachmodelle entwickeln, statt lediglich US-Modelle zu integrieren. Das Unternehmen hat sich dabei immer wieder als Gegenentwurf zu den dominanten amerikanischen und chinesischen Anbietern positioniert und den Begriff der “souveränen KI” über Jahre zu einem zentralen Teil seiner Markenidentität gemacht. Kolibri-1 ist in dieser Entwicklung der bislang deutlichste Schritt hin zu einem Modell, das explizit für den europäischen und besonders den deutschen öffentlichen Sektor gebaut wurde.
Bemerkenswert ist zudem ein zweites Ereignis aus demselben Zeitraum: Laut einer Übersicht europäischer KI-Modelle von mrkt30.com unterzeichnete Aleph Alpha bereits am 16. September 2026 eine Vereinbarung mit dem kanadischen Anbieter Cohere, deren Abschluss noch von Regulierungsbehörden geprüft wird. Für ein Unternehmen, das lange als rein europäischer Nischenanbieter galt, wäre eine solche Verbindung zu einem international etablierten KI-Labor ein strategisch bedeutsamer Schritt, auch wenn der Ausgang des Regulierungsverfahrens zum Zeitpunkt der Kolibri-Veröffentlichung noch offen war.
Code-Beispiel: So könnte eine Kolibri-1-Anfrage aussehen
Aleph Alpha stellt Kolibri-1 für Unternehmenskunden über eine API bereit, die sich konzeptionell an gängigen Mustern für Reasoning-Steuerung und Tool-Calling orientiert, wie sie auch bei anderen aktuellen Modellen verwendet werden. Das folgende Beispiel zeigt vereinfacht, wie ein solcher Anfrageaufbau aussehen könnte, um die Funktionsweise von Reasoning-Effort und Tool-Calling zu veranschaulichen:
{
"model": "kolibri-1",
"input": "Fasse den Vorgang aus der angehängten Akte zusammen.",
"reasoning_effort": "high",
"context_window_tokens": 1000000,
"tools": [
{
"name": "aktensystem_abfrage",
"description": "Greift auf das interne Aktenverwaltungssystem zu"
}
],
"deployment": "on_premise"
}Dieses Beispiel ist eine vereinfachte, illustrative Darstellung und keine offizielle API-Dokumentation von Aleph Alpha. Es verdeutlicht aber das Grundprinzip: Betreiber legen den gewünschten Reasoning-Aufwand fest, nutzen das große Kontextfenster für umfangreiche Dokumente und binden bei Bedarf eigene Systeme über definierte Werkzeuge ein, während das Modell selbst auf einer Infrastruktur läuft, die der Kunde kontrolliert.
Zielgruppe Behörden und Industrie, nicht der Massenmarkt
Anders als ChatGPT, Gemini oder Claude richtet sich Kolibri-1 nach eigenen Angaben von Aleph Alpha nicht primär an Privatnutzer oder den allgemeinen Chat-Markt. Im Mittelpunkt stehen öffentliche Verwaltung und Industrieunternehmen, die hohe Anforderungen an Datenschutz, Nachvollziehbarkeit und Kontrolle über die eingesetzte Infrastruktur stellen. Das grenzt den adressierbaren Markt deutlich ein, verschafft Aleph Alpha aber auch eine klarere Positionierung in einem Bereich, in dem die großen US-Anbieter aus regulatorischen und politischen Gründen auf Skepsis stoßen können.
Für deutsche Behörden, die in den vergangenen Jahren wiederholt über den Einsatz von Cloud-KI aus den USA diskutiert haben, bietet ein Modell mit offenen Gewichten und lokal betreibbarer Infrastruktur einen anderen rechtlichen und politischen Ausgangspunkt. Ob diese Positionierung tatsächlich zu einer breiten Beschaffung durch Bundes- oder Landesbehörden führt, hängt jedoch stark von Vergabeverfahren, IT-Sicherheitszertifizierungen und der tatsächlichen Leistungsfähigkeit im Vergleich zu etablierten Alternativen ab.
Markteinfluss: Was die DACH-Wirtschaft von Kolibri-1 erwarten kann
Für Unternehmen in Deutschland, Österreich und der Schweiz liegt der unmittelbare Wert von Kolibri-1 weniger in einem Leistungssprung gegenüber GPT-6 oder Claude Opus 5.5, sondern in der Kontrolle über Daten und Infrastruktur. Branchen mit strengen Compliance-Anforderungen, etwa Finanzdienstleister, Versicherungen, Gesundheitswesen und öffentliche Verwaltung, können mit einem Modell wie Kolibri-1 KI-Funktionen einführen, ohne sensible Daten an US-amerikanische Cloud-Infrastruktur zu übertragen. Das reduziert zumindest einen Teil der rechtlichen und politischen Unsicherheit, die mit dem Einsatz ausländischer KI-Dienste verbunden ist.
Gleichzeitig entsteht für etablierte Systemintegratoren und IT-Dienstleister im DACH-Raum ein neues Geschäftsfeld: die Einrichtung, Anpassung und der Betrieb von Kolibri-1 auf kundeneigener Infrastruktur. Die Apache-2.0-Lizenz erlaubt es Dienstleistern, das Modell in eigene Produkte zu integrieren, ohne auf eine Lizenzvereinbarung mit Aleph Alpha angewiesen zu sein. Das könnte ein eigenes Ökosystem rund um Kolibri-1 entstehen lassen, ähnlich wie es sich bereits um offene Modelle von Mistral oder Meta gebildet hat, nur mit stärkerem Fokus auf deutschsprachige und behördliche Anwendungsfälle.
Kritische Stimmen: Reicht das für echte KI-Souveränität?
Trotz der offenen Lizenz und der betonten Unabhängigkeit bleibt ein zentraler Kritikpunkt: Kolibri-1 wurde von einem einzigen privaten Unternehmen trainiert und entwickelt, dessen langfristige Finanzierung und strategische Ausrichtung, etwa durch die laufende Vereinbarung mit Cohere, von externen Partnern mitbestimmt wird. Echte technologische Souveränität würde nach Auffassung mancher Beobachter auch eine breitere, möglicherweise staatlich mitfinanzierte Grundlage erfordern, statt sich auf ein einzelnes Startup zu verlassen. Zudem fehlen bislang unabhängige, breit angelegte Benchmark-Ergebnisse, die Kolibri-1 direkt mit GPT-6, Gemini 4 Argon oder Claude Opus 5.5 vergleichen.
Ohne solche Vergleichswerte bleibt es schwierig, objektiv zu beurteilen, ob Kolibri-1 bei komplexen Aufgaben tatsächlich mit den deutlich größeren und ressourcenstärkeren US-Modellen konkurrieren kann. Die 78 Milliarden Parameter wirken im Vergleich zu Quasar 438B klein, und auch gegenüber den Trainingsbudgets von OpenAI, Google und Anthropic bleibt Aleph Alpha ein kleiner Player. Der Erfolg von Kolibri-1 dürfte sich daher weniger an rohen Leistungswerten entscheiden als an der Frage, ob Behörden und regulierte Unternehmen die Kontrolle über Infrastruktur und Daten höher gewichten als die maximale Modellleistung.
Prognosen: Wie geht es mit Kolibri-1 und europäischer KI weiter?
- Erste Pilotprojekte mit Kolibri-1 dürften innerhalb der nächsten sechs bis zwölf Monate bei einzelnen Bundes- oder Landesbehörden starten, bevor eine breitere Beschaffung überhaupt zur Debatte steht.
- Die Vereinbarung mit Cohere könnte, sollte sie regulatorisch durchgehen, Aleph Alpha zusätzliche technische Ressourcen und internationale Reichweite verschaffen und die Weiterentwicklung von Kolibri beschleunigen.
- Der dichte Veröffentlichungstakt von Quasar 438B, Kolibri-1 und Mistral Large 4 innerhalb weniger Wochen dürfte sich fortsetzen, da europäische Anbieter zunehmend versuchen, mit den US-Veröffentlichungszyklen Schritt zu halten.
- Ohne öffentlich zugängliche, unabhängig geprüfte Benchmark-Vergleiche wird der Druck auf Aleph Alpha wachsen, eigene Testergebnisse gegenüber GPT-6 und Gemini 4 Argon offenzulegen, um die Positionierung als konkurrenzfähiges Modell zu untermauern.
- Die offenen Gewichte unter Apache 2.0 erhöhen die Wahrscheinlichkeit, dass Forschungseinrichtungen und IT-Dienstleister im DACH-Raum eigene Varianten oder Feinabstimmungen von Kolibri-1 veröffentlichen, ähnlich wie es bei offenen Modellen anderer Anbieter bereits geschehen ist.
Häufig gestellte Fragen zu Aleph Alpha Kolibri-1
Was ist Aleph Alpha Kolibri-1 genau?
Kolibri-1 ist ein großes Sprachmodell des deutschen Unternehmens Aleph Alpha mit Sitz in Heidelberg. Es nutzt eine Mixture-of-Experts-Architektur, beherrscht Deutsch und Englisch und richtet sich vor allem an Behörden und Industrieunternehmen, die eine selbst kontrollierte KI-Infrastruktur benötigen.
Wann wurde Kolibri-1 veröffentlicht?
Aleph Alpha veröffentlichte Kolibri-1 am 3. Oktober 2026, kurz nach der Veröffentlichung von Quasar 438B aus Spanien und wenige Tage vor dem Start der öffentlichen Vorschau von Mistral Large 4 aus Frankreich.
Wie viele Parameter hat Kolibri-1?
Kolibri-1 hat insgesamt rund 78 Milliarden Parameter. Durch die Mixture-of-Experts-Architektur werden pro Anfrage aber nur etwa 3,5 Milliarden Parameter tatsächlich aktiv genutzt, was die Rechenkosten gegenüber einem vollständig dichten Modell senkt.
Was bedeutet “souveräne KI” bei Kolibri-1?
Bei Kolibri-1 bedeutet Souveränität vor allem, dass Kunden das Modell auf eigener oder von ihnen kontrollierter Infrastruktur betreiben können, statt zwingend auf die Cloud eines ausländischen Anbieters angewiesen zu sein. Die offenen Gewichte unter Apache 2.0 verstärken diese Unabhängigkeit zusätzlich.
Für wen ist Kolibri-1 gedacht?
Kolibri-1 richtet sich laut Aleph Alpha primär an Behörden und Industrieunternehmen, nicht an Privatnutzer. Typische Einsatzfelder sind Verwaltungsprozesse, regulierte Branchen und Unternehmen mit hohen Anforderungen an Datenschutz und Kontrolle über die eingesetzte Infrastruktur.
Wie unterscheidet sich Kolibri-1 von Mistral Large 4?
Mistral Large 4 aus Frankreich startete nur drei Tage nach Kolibri-1 in die öffentliche Vorschau und gilt nach bisherigen Berichten als deutlich größer dimensioniert. Kolibri-1 setzt dagegen stärker auf Effizienz durch seine Mixture-of-Experts-Architektur und eine explizite Ausrichtung auf deutsche Behörden- und Industrieanwendungen statt auf ein breiteres, mehrsprachiges Zielpublikum.
Welche Lizenz nutzt Kolibri-1?
Aleph Alpha veröffentlicht Kolibri-1 unter der Apache-2.0-Lizenz mit offenen Modellgewichten. Das erlaubt es Unternehmen und Entwicklern, das Modell selbst zu hosten, anzupassen und in eigene Systeme zu integrieren.
Kann ich Kolibri-1 schon ausprobieren?
Aleph Alpha positioniert Kolibri-1 in erster Linie als Enterprise- und Behördenlösung für den Betrieb auf kundenseitig kontrollierter Infrastruktur. Details zum Zugang und möglichen Testmöglichkeiten für einzelne Organisationen veröffentlicht das Unternehmen über seine offizielle Ankündigungsseite.