Aleph Alpha 发布开源权重的德英双语大语言模型 Kolibri

Kolibri 最关键的决策在其处理第一 token 训练数据之前就已确定：它必须在欧洲本土完成训练，并且始终只能在欧洲境内提供服务。Aleph Alpha 使用位于德国和芬兰的 768 块 NVIDIA B200 GPU，在德国及欧洲法律监管下完成了训练，基础设施与最终模型权重均不受外国控制^[2]。这并非偶然细节——而是整个模型的核心价值主张。Aleph Alpha 明确指出其目标客户是公共行政、工业和航空航天领域：在这些行业中，谁可以访问模型数据、数据实际存储位置的重要性往往远超基准测试得分^[1]。Kolibri 从底层设计即对齐《欧盟人工智能法案》《通用人工智能行为准则》和 GDPR，且模型根本不提供托管 API，所有部署都必须通过 Aleph Alpha 自有的容器实现自托管推理，而非由 Aleph Alpha 控制的云服务端点^[1]。上下文窗口从原生的 262,144 个 token 扩展至服务时的 1,048,576 个 token，进一步强化了这一卖点：客户可在自己拥有的基础设施上处理整份监管文件或技术档案^[3]。

对于关键任务的政府和工业应用而言，一个自信但错误的回答往往比不回答更糟糕。Aleph Alpha 的应对方案是 Merlin-Arthur 协议，这是一种定制的主动拒绝训练方法，通过交替使用有可见支持证据和故意隐藏证据的训练样例，教会模型识别自身是否缺乏安全作答所需的依据，从而避免猜测^[1]。该公司并未依赖通用基准分数，而是用一套特定的“依据性”指标来支撑这一方法：在 AA-Omniscience 测试中非幻觉率为 44.0%，Merlin-Arthur 依据得分为 0.23，RGB 评估结果显示模型在应拒绝时‘保持沉默’的比例达 85.6%，在不应编造时‘绝不虚构’的比例为 87.3%^[1]。结合 Kolibri 整体设计来看，这最清晰地表明 Aleph Alpha 的优化目标与大多数开源权重模型不同——不是追求最大能力，而是在受监管部署中将责任风险降至最低，此时拒绝回答比虚构答案更安全。

Kolibri 对德语的侧重远不止训练数据比例。Aleph Alpha 构建了专为德语形态学优化的 UniBPE 分词器，其预训练数据构成约为 62% 英语、22%-24% 德语和 14% 代码，其中德语部分总计约 4.3 万亿 token^[1]。这种投入体现在压缩效率上：Aleph Alpha 报告称其德语文本每 token 仅需 4.90 字节，是其内部对比组中的最佳表现^[1]。评测者引用的独立测试发现，该分词器编码德国宪法所需的 token 数量比 GPT-5 少约 15%，且 Aleph Alpha 故意修改了标准数据清洗过滤器，确保长德语复合词不会像其他实验室流水线那样被当作‘噪音’剔除。但以德语优先的分词化并未顺利转化为德语榜单上的领先优势：评测者指出，在 Aleph Alpha 自己发布的基准图表中，至少有一款同类开源 MoE 模型在德语评估中得分高于 Kolibri，而这本应是其主场优势所在。其在语言上的架构投入真实且可衡量；但其声称打造出最佳德语大模型的说法，尚缺乏同等强度的证据支持。

外界对 Kolibri 的反应明显分裂为两派：主权本身是否就是目的，还是模型仍需在排行榜上胜出才有意义？Trending Topics 支持后者观点，指出 Kolibri 仅与 2024 年春季的开源模型进行了基准对比，并估计其在独立智能指数中落后于至少 20 款当前可用的开源权重模型^[5]。最深入的技术讨论来自 Reddit 上的开源 LLM 社区，主流看法认为 Kolibri 处于代际之间——其性能大致相当于约六个月前同级别混合专家模型，但在通识知识方面落后于当前一代开源模型，包括德语任务。该讨论提出了关于注意力窗口设计和长上下文位置选择的具体架构批评，并质疑 Aleph Alpha 是否可通过从现有开源许可分词器进行知识蒸馏，在更低计算成本下达到类似质量，最终结论是公司可能出于数据主权和德国政府资助原因而非技术原因避开了这条路径。然而，Aleph Alpha 自身披露的计划又让这一主权叙事变得复杂：公司与加拿大企业 Cohere 达成‘跨大西洋主权人工智能解决方案’的合作安排，与其 Kolibri 全欧洲定位显得格格不入，德国联邦数字部长已就此合作关系发声^[5]。相比之下，社交媒体反应几乎完全呈庆祝态势——选择在德国统一日发布增强了象征意义——独立开发者强调他们能在发布数小时内免费自托管并试用该模型，显示出真正的草根采纳热度，尽管技术社区仍在同步进行基准之争。