Hecho: Aleph Alpha anunció Kolibri el 3 de octubre como un modelo abierto para alemán e inglés, orientado a razonamiento y uso en entornos regulados. La empresa publicó los pesos bajo Apache 2.0 y declara un contexto máximo de 1.048.576 tokens, aunque recomienda hasta 262.144 para eficiencia de servicio y tareas complejas. El anuncio y la ficha del modelo están disponibles en Aleph Alpha y Hugging Face.
La arquitectura Mixture-of-Experts suma 78.100 millones de parámetros y activa aproximadamente 3.460 millones por token. Esa cifra activa reduce el cómputo utilizado en cada paso, pero no equivale a un modelo que quepa en una computadora común: la tarjeta de modelo estima unos 78 GB solo para los pesos FP8 y especifica como mínimo dos GPU A100 de 80 GB, dos H100 SXM5 o una H200/B200/B300. Por eso “liviano” describe la activación, no necesariamente la memoria necesaria para cargarlo.
Enfoque en alemán y despliegue propio
Aleph Alpha presenta el sistema para administración pública, industria y aeroespacial, con uso local y control del cliente sobre dónde se ejecuta. La ficha enumera alemán e inglés, herramientas, recuperación de información y varios niveles de esfuerzo de razonamiento. El fabricante afirma que 21,3% de los tokens de preentrenamiento fueron alemán y que el total de entrenamiento llegó a 20 billones de tokens; son datos declarados por la empresa, no una auditoría independiente de los corpus.
La cobertura de WirtschaftsWoche sitúa el lanzamiento en el intento de demostrar que Alemania puede desarrollar modelos competitivos para uso público e industrial. RuntimeWire pone el acento en el coste material del despliegue y aclara que abrir los pesos no equivale a liberar el código de entrenamiento ni todos los métodos. AI Modeling también revisó sus resultados y limitaciones.
Benchmarks y cautelas
Los resultados publicados en el anuncio y el model card son pruebas seleccionadas por Aleph Alpha. Por ejemplo, el fabricante reporta 96,0 en AIME 2026 y 66,4 en SWE-Bench Verified; no encontramos una evaluación independiente de Kolibri en estos resultados. La propia tabla muestra una puntuación menor que algunos competidores en tareas concretas, por lo que no corresponde leer los mejores números como superioridad general.
Lectura: Kolibri combina pesos descargables, especialización bilingüe y despliegue local, pero su memoria requerida lo orienta a infraestructura de centro de datos. La licencia Apache 2.0 se aplica a los pesos y configuración listados; la tarjeta excluye expresamente del permiso otros artefactos, métodos y propiedad intelectual. Esa distinción importa para organizaciones que asocian “abierto” con reproducibilidad integral. Para equipos argentinos que necesitan soberanía de datos, el atractivo dependerá tanto del desempeño medido en español —idioma que no declara soportar— como del coste real de operar dos o más aceleradores. Por ahora, la cifra de contexto y los resultados de benchmarks deben leerse como especificaciones y mediciones del proveedor, no como validación externa.




