Aleph Alphas souveränes KI-Modell Kolibri hat keine Chance gegen Open-Weight-Spitze
Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.
Klein, schnell und deutsch: Mit Kolibri will Aleph Alpha beweisen, dass Europa noch eigene KI-Modelle bauen kann. Das Heidelberger KI-Unternehmen hat das Modell soeben, passend zum Feiertag der Deutschen Einheit, mit vollständigen Gewichten auf Hugging Face veröffentlicht, unter der freien Apache-2.0-Lizenz. Gemessen wird es allerdings an Konkurrenz, die in der schnelllebigen Open-Weight-Welt schon ein halbes Jahr alt ist.
Was Kolibri kann
Kolibri ist ein Mixture-of-Experts-Modell mit 78 Milliarden Parametern, von denen pro Token nur rund 3 Milliarden aktiv sind. Das Kontextfenster reicht bis zu einer Million Token. Laut Aleph Alpha ist es für Verwaltung, Industrie und Luftfahrt gedacht, also für Kund:innen, die ihre Daten nicht an Cloud-Dienste aus den USA oder China schicken wollen und das Modell im eigenen Rechenzentrum betreiben.
Die wichtigsten Eckdaten:
- Training: 20 Billionen Token Pre-Training auf 768 Nvidia-B200-GPUs, insgesamt fast 24 Billionen Token. Trainiert wurde auf Infrastruktur in Deutschland und Finnland.
- Deutsch: 21,3 Prozent der Trainingsdaten sind Deutsch, Übersetzungen kamen kaum zum Einsatz. Der eigene Tokenizer zerlegt deutsche Texte effizienter als jene von GPT-5, Gemini oder Qwen. Aus „Bundessozialgerichtes“ wird etwa „Bundes|sozial|gericht|es“.
- Reasoning: Das Modell kann in vier Stufen „nachdenken“, von gar nicht bis intensiv, um Kosten gegen Qualität abzuwägen.
- Halluzinationen: Kolibri wurde darauf trainiert, „Ich weiß es nicht“ zu sagen, wenn die Antwort nicht in den Dokumenten steht.
Bemerkenswert ist das Tempo. Der Vorgänger Kolibri Origin mit 30 Milliarden Parametern wurde nie veröffentlicht, zwischen dem Ende seines Trainings und jenem von Kolibri lagen nur drei Monate.
Gegen wen Kolibri antritt
In den eigenen Benchmarks vergleicht Aleph Alpha Kolibri mit drei Open-Weight-Modellen: Qwen3.6-35B-A3B von Alibaba, Nemotron 3 Super 120B-A12B von Nvidia und Mistral Small 4 119B-A6B aus Frankreich. In diesem Feld schlägt sich Kolibri gut. Bei den Mathe-Tests AIME 2025 und 2026 liegt es mit 96,9 und 96,0 Prozent vorne, ebenso beim Wissenstest GPQA Diamond mit 84,3 Prozent und beim Coding-Benchmark LiveCodeBench mit 85,9 Prozent. Bei Agenten-Aufgaben wie τ²-bench Telecom oder dem Tool-Calling-Test BFCL liegt dagegen Qwen3.6 vorne, ebenso bei langen Kontexten. Aleph Alpha selbst spricht von einem Modell, das mit Konkurrenten mit bis zu viermal so vielen aktiven Parametern mithält.
Der Haken: Alle drei Vergleichsmodelle stammen aus dem Frühjahr. Seither haben vor allem chinesische Labs deutlich bessere Open-Weight-Modelle nachgelegt, etwa die Qwen3.8-Familie, GLM-5.3 von Z.ai, Kimi K3 von Moonshot AI oder MiMo-V2.6-Pro von Xiaomi. Mit diesen misst sich Kolibri nicht.
Wo Kolibri bei Artificial Analysis landen würde
Ein unabhängiges Ranking gibt es noch nicht, Kolibri ist bei Artificial Analysis bisher nicht gelistet. Eine Einordnung ist trotzdem möglich, und zwar über die Vergleichsmodelle. Im aktuellen Artificial Analysis Intelligence Index kommt Qwen3.6-35B-A3B auf 18 Punkte, Nemotron 3 Super auf 13 und Mistral Small 4 auf 11. Liegt Kolibri, wie die Benchmarks von Aleph Alpha nahelegen, ungefähr auf dem Niveau von Qwen3.6, wäre eine Bewertung von rund 15 bis 20 Punkten realistisch.
Damit würde Kolibri hinter mindestens 20 anderen Open-Weight-Modellen landen. So sieht die Spitze derzeit aus:
| Modell | Anbieter | Parameter (gesamt/aktiv) | Intelligence Index |
|---|---|---|---|
| MiMo-V2.6-Pro | Xiaomi | 1 Billion / 42 Mrd. | 46 |
| GLM-5.3 | Z.ai | 753 Mrd. / 40 Mrd. | 45 |
| Kimi K3 | Moonshot AI | 2,8 Billionen / 104 Mrd. | 44 |
| GLM-5.3 Flash | Z.ai | 320 Mrd. / 18 Mrd. | 42 |
| Qwen3.8-Flash-Next | Alibaba | 180 Mrd. / 6 Mrd. | 40 |
| DeepSeek V4.1 Flash | DeepSeek | 552 Mrd. / 16 Mrd. | 39 |
| Qwen3.8 27B | Alibaba | 27 Mrd. | 34 |
| K2 Horizon MoVA | IFM | 36 Mrd. / 4 Mrd. | 25 |
| Qwen3.6-35B-A3B | Alibaba | 35 Mrd. / 3 Mrd. | 18 |
| Nemotron 3 Super | Nvidia | 120 Mrd. / 12 Mrd. | 13 |
| Mistral Small 4 | Mistral | 119 Mrd. / 6 Mrd. | 11 |
Die riesigen Spitzenmodelle sind zwar kein fairer Gegner für ein Modell mit 3 Milliarden aktiven Parametern. Doch auch in der eigenen Gewichtsklasse gibt es inzwischen stärkere Konkurrenz: K2 Horizon MoVA mit 4 Milliarden aktiven Parametern kommt auf 25 Punkte, Alibabas Qwen3.8-Flash-Next erreicht mit 6 Milliarden aktiven Parametern sogar 40.
Warum Aleph Alpha das anders sieht
Aleph Alpha argumentiert, dass öffentliche Benchmarks die Anforderungen der eigenen Kund:innen nur unzureichend abbilden. Deshalb hat das Unternehmen eigene Testreihen für Branchen wie die öffentliche Verwaltung, Automobilzulieferer oder die Luftfahrt entwickelt. Dort hat sich Kolibri gegenüber dem Vorgänger deutlich verbessert, in der Luftfahrt etwa von 0,14 auf 0,59 Punkte. Zudem liege Kolibri beim Verhältnis von Qualität zu Betriebskosten auf Deutsch und Englisch an der Spitze der verglichenen Modelle. Und das zentrale Verkaufsargument ist ohnehin die Souveränität: ein Modell, das in Deutschland nach europäischem Recht entwickelt wurde, mit Blick auf AI Act und DSGVO, und das Kund:innen komplett selbst betreiben können.
Ob die Marke Aleph Alpha diesen Weg noch lange geht, ist offen. Das Unternehmen hat kürzlich die verbindliche Vereinbarung zur Fusion mit dem kanadischen KI-Anbieter Cohere unterschrieben. Das fusionierte Unternehmen soll unter dem Namen Cohere auftreten, Heidelberg bleibt als Forschungszentrum bestehen.
