Aleph Alpha 在 2026-10-03 發表 Kolibri，開放總參數量 78B 的模型權重。這項發布可以用每件完成工作的成本檢驗：若模型少做計算，卻需要更多重試或人工修正，自行部署未必比原本的服務便宜。開放下載讓這個比較有了可實際運行的對象。發布公告 模型卡
本篇日期為台北 10 月 4 日，查核截止為 09:31，採用前一日發布、仍在 48 小時範圍內的事件。NewsMinimalist 的報導索引標示 10 月 3 日 08:01 UTC，即台北 16:01；這是報導索引的時間。官方沒有列出開放時刻，不能把新聞刊登時間當成權重上線時間。時間索引
Kolibri 以 Apache 2.0 授權提供權重，允許商業使用與自行部署。dpa 報導指出，模型主要面向行政與工業用途；模型卡則明列德文與英文取向。這次新增的選擇，是團隊能取得權重、決定在哪裡運行及保留哪個版本；報導沒有提供已部署客戶的完整成本比較。授權與下載 獨立報導
模型採混合專家架構，每個 token 約啟用 3.46B 參數。這讓一次計算只使用部分專家，全部 78B 權重仍要有存放空間。官方列出的 FP8 權重約占 78GB，最低配置選項之一是兩張各有 80GB 記憶體的 NVIDIA A100；兩張 H100 也在建議配置之中。啟用參數量適合說明稀疏計算，無法單獨推算一台伺服器能接待多少使用者。架構與硬體 技術報告
長文件會占用權重以外的記憶體
模型卡列出最高 1,048,576 tokens 的脈絡長度；針對延遲或吞吐量敏感的部署，以及複雜任務，建議控制在 262,144 tokens 以內。這兩個數字分別描述容量與使用建議，不能合成「百萬 token 都有相同品質」的承諾。處理中的內容還會產生 KV cache，與模型權重一起使用 GPU 記憶體；文件變長或同時進來的請求增加，都會影響可用容量。脈絡與部署限制 快取機制
公司也展示汽車供應商與半導體等內部客戶情境評測，但這些是廠商自建測試，不能當成實際部署後的省費紀錄。應用評測
因此，我較支持把 Kolibri 放進德英文件產品的選型比較，而不因為權重免費就預設它適合所有工作。自行保留模型版本，能讓團隊決定何時更新，也有機會調整特定文件的處理方式。相對地，服務需要有人維持，沒有請求時，已配置的硬體也不會自動變成零成本。穩定的使用量，與偶爾一次的大量工作，可能適合不同的供應方式。
假設一項產品每天整理格式相近的德文文件，團隊可以把修正時間與伺服器費用分攤到持續完成的工作上。若改成偶爾出現、需要反覆核對的複雜案件，同一套硬體與模型就可能得到不同的成本結果。這是依部署機制推導的情境，並非已公布的客戶案例；免費授權本身沒有回答哪種負載較划算。
德英取向也讓採用範圍更容易說清楚。對處理繁體中文文件的台灣團隊，本次查閱的來源沒有足以支持替換既有模型的本地文件品質比較。若只看德英評測或歐洲開發背景，就把同樣的能力套到中文流程，會省略語言與文件種類的差異。公開權重提供了自行查驗的條件，沒有替這項查驗給出結果。
這次發布增加了一個可以自行維護的模型選項。要把這項選擇轉成產品收益，應在相同文件種類與可接受品質下，比較完成一件工作所花的總成本，包含重試、人工修正及未使用的容量。若這些支出抵銷了稀疏計算省下的費用，較低的啟用參數量就不足以支持更換服務。
封面沿用本站 NVIDIA 歐洲 AI 基礎設施活動照片，並非 Aleph Alpha 或 Kolibri 發布現場；官方圖片因名稱解析失敗未能下載。
來源：