Duits AI-bedrijf Aleph Alpha lanceert Kolibri-1 met open modelgewichten

Het Duitse AI-bedrijf Aleph Alpha heeft Kolibri-1 uitgebracht, een nieuw taalmodel dat organisaties op hun eigen servers kunnen draaien. Het model bevat 78 miljard parameters, ondersteunt documenten tot ongeveer één miljoen tokens en richt zich vooral op toepassingen binnen de overheid en industrie. Met de introductie wil Aleph Alpha laten zien dat Europa ook gespecialiseerde AI-modellen kan ontwikkelen zonder volledig afhankelijk te zijn van Amerikaanse aanbieders.

Aleph Alpha bracht het eerder deze maand uit en publiceerde twee dagen later een officiële aankondiging. De modelgewichten zijn beschikbaar via Hugging Face onder de Apache 2.0-licentie.

Daarmee kiest het bedrijf voor een andere aanpak dan veel grote AI-aanbieders, die hun krachtigste modellen uitsluitend via een eigen programmeerinterface beschikbaar stellen.

Kolibri-1 heeft een zogenoemde Mixture-of-Experts-architectuur. Het model bestaat uit gespecialiseerde onderdelen die niet allemaal tegelijk actief hoeven te zijn.

Van de ruim 78 miljard parameters gebruikt Kolibri er ongeveer 3,46 miljard per verwerkt token.

Dat beperkt de hoeveelheid rekenwerk die het model voor een antwoord moet uitvoeren. Het volledige model moet echter nog steeds in het geheugen passen.

Volgens de officiële modelkaart op Hugging Face vraagt de geoptimaliseerde uitvoering om ongeveer 78 GB geheugen voor de modelgewichten. Aleph Alpha noemt onder andere twee NVIDIA H100-GPU's of één H200 als geschikte hardware.

Kolibri is dus geen klein AI-model dat zomaar op iedere consumentenlaptop draait. Het richt zich vooral op organisaties met eigen servers of toegang tot professionele GPU-infrastructuur.

Het model ondersteunt Duits en Engels. Aleph Alpha heeft bewust extra aandacht besteed aan de Duitse taal. Meer dan een vijfde van de trainingsgegevens bestaat uit Duitstalige tekst.

Ook ontwikkelde het bedrijf een aangepaste tokenizer, die Duitse woorden efficiënter verwerkt. Dat kan belangrijk zijn voor toepassingen met lange samenstellingen, juridische formuleringen en technische documenten.

Nederland behoort niet tot de officieel ondersteunde talen. Voor organisaties die hoofdzakelijk Nederlandse documenten verwerken, blijft een afzonderlijke kwaliteitstest daarom noodzakelijk.

Aleph Alpha presenteert Kolibri als een model dat op bepaalde benchmarks kan concurreren met aanzienlijk grotere systemen.

In de technische publicatie over Kolibri rapporteert het bedrijf een score van 96 procent op de wiskundebenchmark AIME 2026. Op de Duitstalige versie haalt het model 90 procent.

De resultaten zijn opvallend omdat Kolibri per token relatief weinig parameters activeert. Bij andere tests, waaronder programmeeropdrachten en het aanroepen van softwarefuncties, laat het model eveneens competitieve prestaties zien.

Dat betekent niet dat Kolibri automatisch beter is dan alle grotere taalmodellen.

De gepubliceerde vergelijkingen komen grotendeels uit de eigen evaluaties van Aleph Alpha. Externe onderzoekers moeten vaststellen hoe het model presteert bij andere instellingen, prompts en praktijksituaties.

Bovendien kunnen benchmarkresultaten sterk uiteenlopen. Een model dat uitstekend wiskundige problemen oplost, hoeft niet even betrouwbaar te zijn bij juridische adviezen of lange klantgesprekken.

Het belangrijkste verschil met veel commerciële chatbots is de manier waarop organisaties Kolibri kunnen inzetten.

Aleph Alpha stelt de gewichten beschikbaar onder de Apache 2.0-licentie. Daarmee kunnen ontwikkelaars het model downloaden, aanpassen en in commerciële toepassingen gebruiken binnen de voorwaarden van die licentie.

Het bedrijf noemt onder meer documentanalyse, interne kennisbanken en AI-agenten als toepassingen.

Een overheidsorganisatie kan het model bijvoorbeeld gebruiken om informatie uit eigen beleidsdocumenten op te zoeken. Een industrieel bedrijf kan Kolibri koppelen aan technische handleidingen of interne procedures.

Bij zulke toepassingen combineren ontwikkelaars het taalmodel vaak met een zoekfunctie die relevante documenten toevoegt aan de vraag. Die methode heet Retrieval-Augmented Generation, meestal afgekort tot RAG.

Kolibri is getraind om aan te geven wanneer aangeleverde documenten onvoldoende informatie bevatten. Dat kan helpen om ongefundeerde antwoorden te beperken, maar garandeert niet dat het model nooit hallucineert.

Ook de maximale contextlengte verdient nuance. Aleph Alpha noemt ongeveer één miljoen tokens, maar adviseert voor complexe taken en efficiënte verwerking maximaal 262.144 tokens.

Aleph Alpha heeft Kolibri ontwikkeld en getraind met infrastructuur in Duitsland en Finland. Volgens het bedrijf vormt controle over de volledige ontwikkelketen een belangrijk onderdeel van zijn strategie.

De onderneming publiceert daarnaast technische informatie over de gebruikte trainingsmethoden en maatregelen rond auteursrecht en gegevensbescherming.

Die documentatie geeft organisaties meer inzicht in de herkomst en ontwikkeling van het model. Ze vormt op zichzelf geen onafhankelijke garantie dat iedere toepassing aan alle Europese wetgeving voldoet.

De lancering volgt bovendien op een belangrijke zakelijke ontwikkeling.

In september kondigden Aleph Alpha en het Canadese Cohere een definitieve fusieovereenkomst aan. Die transactie moet nog goedkeuring krijgen van toezichthouders. Tot de afronding opereert Aleph Alpha zelfstandig.

De samenwerking moet Europese en Canadese AI-technologie, onderzoek en infrastructuur samenbrengen. Daarbij speelt ook de Duitse Schwarz-Gruppe een rol, onder meer via cloudaanbieder STACKIT.

AI Wereld beschreef eerder hoe de Schwarz-Gruppe haar invloed bij Aleph Alpha vergrootte.

Voor Europese organisaties gaat de discussie daardoor verder dan de vraag welk model bovenaan een ranglijst staat.

Zij krijgen steeds meer mogelijkheden om te kiezen waar hun AI draait, wie de technologie beheert en hoeveel afhankelijkheid zij accepteren.

Kolibri-1 laat zien dat een relatief efficiënt, gespecialiseerd model daarin een belangrijke rol kan spelen. De volgende stap is aantonen dat het model ook bij daadwerkelijke overheids- en bedrijfstoepassingen betrouwbaar en betaalbaar genoeg is.