78.1B参数只激活3.46B，德国造开源模型单卡可跑

一个总参数78.1B的大模型，每个token却只激活3.46B——算下来是4.4%。这个比例来自德国团队Aleph Alpha刚发布的开源权重模型Kolibri，一个专为德语和英语打造的双语MoE模型。

它已经挂在Hugging Face上，采用Apache 2.0许可。目标场景写得很明确：公共管理、工业、航空航天这类受监管行业的主权部署。

单卡就能跑起来

能不能部署，是这类模型最实际的问题。Kolibri给出的答案是能。

FP8精度的检查点约78GB，可以跑在单张B200、B300或H200上，也可以放在2张H100 SXM5上。服务端通过vLLM启动，配套了专门的Kolibri推理和工具调用解析器。

上下文窗口最高支持1,048,576个token，用户还能按请求单独设置推理强度。默认上下文是262,144个token，想要拉满到1M窗口，需要传入--max-model-len 1048576并覆盖max_position_embeddings。

官方推荐的采样参数是temperature 1.0、top-p 0.97、top-k 128。

从数据到评估，全流程自己控

Kolibri（Kolibri-1）是一个英德双语MoE transformer，由德国的团队端到端开发。技术报告显示，Aleph Alpha团队控制了整条流水线：数据、架构、训练基础设施、后训练和评估。

训练跑在德国和芬兰的基础设施上。设计上对齐的是欧盟通用人工智能行为准则、欧盟人工智能法案和GDPR。Aleph Alpha是该准则的签署方，其数据流水线在训练前会对个人数据进行脱敏处理。

架构层面，Kolibri堆叠了50个transformer块，模型宽度为2,560。每个MoE层用sigmoid路由器给全部384个路由专家打分，每个token送往其中6个，同时始终运行1个共享专家。专家负载通过精确分位数平衡和负载误差注入来调节。

注意力机制用的是分组查询注意力，48个查询头配4个KV头。每第5个块使用不带位置编码的完整注意力，其余40个块使用滑动窗口注意力，窗口覆盖前512个token，并配合RoPE。

滑动窗口层的KV缓存是固定大小的，因此只有10层会随上下文长度增长。在同等算力下，团队报告这种混合注意力支持的序列长度是完整注意力模型的4倍。

为德语专门做的分词器

词表规模为128,000个token，用UniBPE训练。它的合并方式类似BPE，但每个合并按Unigram损失打分。

在德语文本上，Kolibri达到每token 4.90字节，而GPT-5分词器是4.35。这意味着在德语网页文本上，token数量少了11.2%。在英语上，Kolibri为每token 4.58字节，GPT-5为4.67。

24T token的训练账本

预训练覆盖了20T token，用了768张NVIDIA B200 GPU。随后是3.44T token的中期训练，序列长度为65,536。再之后是一个201B token的长上下文阶段，训练序列长度达到262,144。

Aleph Alpha还额外加入了超过2T的德语token，来源包括从网页筛选和合成生成。后训练结合了监督微调，混入MergeMix，并在超过120万个内部任务上做强化学习。Merlin-Arthur协议则训练模型在检索到的上下文不支持答案时选择弃答。

基准测试里的位置

所有模型都在同一套评估框架下测试。英语方面，Kolibri在GPQA Diamond拿到84.3，AIME 2025拿到96.9，AIME 2026拿到96.0。

在英语智能体平均分上，它与Qwen3.5 35B-A3B打平，都是63.4。但在BFCL v4上落后，得分61.4，Qwen3.5为70.5。

稠密的Qwen3.8 27B总分更高（英语80.2，德语79.9），但每个token激活的参数约为Kolibri的8倍。对比内部前代Kolibri Origin，Kolibri每张GPU解码的文本量约为2.7倍，英语得分高出21.4分。

在Aleph Alpha对比的12个MoE模型中，Kolibri拿下了英语（75.5）和德语（70.8）的最高总分。

部署命令长这样

安装aleph-alpha-inference包后，用vLLM启动：

• pip install 'aleph-alpha-inference>=1'
• vllm serve Aleph-Alpha/Kolibri-1 --kv-cache-dtype fp8
• --reasoning-parser kolibri1 --tool-call-parser kolibri1
• --enable-auto-tool-choice

推理强度通过chat_template_kwargs里的reasoning_effort设置。

几个关键数字可以收在一起看：78.1B总参数、3.46B激活，每个token用384个路由专家中的6个加1个共享专家；40个滑动窗口层加10个完整注意力层撑起1M token上下文；24T token训练，德语占比超过20%；Apache 2.0的FP8权重，单张B200或H200就能通过vLLM服务。