Uso primário declarado ou inferido com cautela a partir da documentação oficial.
AA
ALEPH ALPHA / Aleph-Alpha/Kolibri-1
Kolibri 1
Modelo de texto e código da Aleph Alpha, lançado oficialmente em 3 de outubro de 2026 e centrado em alemão e inglês. A arquitetura MoE tem 78,1 mil milhões de parâmetros no total e ativa cerca de 3,46 mil milhões por token. Suporta raciocínio configurável e chamadas de ferramentas. Os pesos FP8 e BF16 são publicados sob Apache 2.0: são duas precisões da mesma família, não dois modelos independentes.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | Aleph-Alpha/Kolibri-1 |
|---|---|
| Tipo de modelo | Texto e raciocínio · Código |
| Modelo de acesso | Pesos abertos |
| Licença | Apache 2.0 |
| Implantação | Deployment próprio com vLLM |
| Lançamento | 03 OCT 2026 |
| Data de corte do conhecimento | 18 JUN 2026 |
| Entrada | Texto |
| Saída | Texto |
| Janela de contexto | 1.048.576 tokens; recomendado ≤262.144 |
| saída máxima | Não publicado |
| Raciocínio | none, low, medium, high |
| Ferramentas publicadas | Chamadas de funções · Passeios Estruturados |
| Passeios Estruturados | Compatível com deployment próprio |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face · vLLM |
RAG bilingue, extração estruturada, programação e análise de documentos internos com revisão humana. O contexto nativo de treino é de 262.144 tokens; o fornecedor valida a extensão até 1.048.576, mas recomenda não ultrapassar 262.144 para tarefas complexas e eficiência do serviço. Uma ficha em espanhol não significa que o modelo esteja otimizado para espanhol.
Os pesos ocupam aproximadamente 78 GB em FP8 e 156 GB em BF16, sem incluir toda a memória de execução nem a cache KV. Poucos parâmetros ativos reduzem o cálculo, não a memória necessária para carregar os especialistas. O deployment requer o plugin aleph-alpha-inference para vLLM: verifica hardware, concorrência, erros e permissões antes de automatizar ações.
03 / CAPACIDADES
O que pode fazer
Orientação
RAG bilingue, extração estruturada, programação e análise de documentos internos com revisão humana. O contexto nativo de treino é de 262.144 tokens; o fornecedor valida a extensão até 1.048.576, mas recomenda não ultrapassar 262.144 para tarefas complexas e eficiência do serviço. Uma ficha em espanhol não significa que o modelo esteja otimizado para espanhol.
Contexto
1.048.576 tokens; recomendado ≤262.144 · Não publicado
Ferramentas e integração
Chamadas de funções · Saídas estruturadas
Acesso
Hugging Face · FP8 e BF16
Modalidades de entrada
Texto
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
Não foi verificada uma tarifa pública oficial por tokens nem um endpoint comercial alojado. Descarregar pesos com licença permissiva não torna a inferência gratuita: calcula GPU, memória, armazenamento, operação e consumo. Aleph-Alpha/Kolibri-1 é o identificador do repositório e do servidor próprio no exemplo oficial, não uma promessa de disponibilidade numa API de terceiros.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
Valores publicados pela Aleph Alpha, não medições independentes da Inferama. Mantemos idioma e versão de cada teste: uma tradução alemã de GPQA ou AIME não equivale ao conjunto inglês. Os resultados agentivos dependem do harness, das ferramentas e do orçamento de raciocínio. Não extrapoles resultados FP8 para outra quantização nem confundas um milhão de tokens validado com qualidade igual em todas as tarefas.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| GPQA Diamond (EN) | 84,3 % | Pontuação | Ver fonte ↗ |
| GPQA Diamond (DE) | 81,3 % | Pontuação | Ver fonte ↗ |
| AIME 2025 (EN) | 96,9 % | Pontuação | Ver fonte ↗ |
| AIME 2025 (DE) | 87,5 % | Pontuação | Ver fonte ↗ |
| TerminalBench 2.1 | 27,7 % | Pontuação | Ver fonte ↗ |
| Tau2-Bench (Telecom) | 94,7 % | Pontuação | Ver fonte ↗ |
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
Kolibri 1 · FP8
Aleph-Alpha/Kolibri-1: pesos FP8 e cache KV FP8 na avaliação publicada.
Kolibri 1 · BF16
Aleph-Alpha/Kolibri-1-BF16: variante de precisão BF16 da mesma família.
ANÁLISE
Análises relacionadas
07 / FONTES