据 LLM Releases 变更日志，德国主权 AI 公司 Aleph Alpha 于十月三日发布了 Kolibri-1，一个 78B 参数的开源 MoE 模型，支持 1M token 上下文窗口，Apache 2.0 协议。权重在 Hugging Face 同时提供 FP8 旗舰版和 BF16 基础版。

主权 AI 的定位很重要：这不是又一个追 GPT 性能的模型，而是面向欧洲企业和公共部门的合规选择。数据不出欧盟、训练过程透明、许可证允许商用——这些在 GDPR 框架下是硬需求。德国政府一直在资助 Aleph Alpha 作为欧洲对抗美国模型依赖的战略棋子。

技术上它是 MoE 架构，78B 总参数但激活参数远小于此，推理成本比同等 dense 模型低。部署需要至少多卡服务器，不适合本地跑——但对企业来说，用它替换 GPT 做数据敏感的内部应用，合规风险低很多。

Kolibri-1 的发布在欧洲 AI 圈引起了不小的关注。这不是因为它的性能超越了 GPT 或者 Claude——它并没有。而是因为它代表了一种独立于美国科技巨头的技术路线。在数据主权和监管合规越来越重要的背景下，欧洲企业需要一个自己能掌控的大模型选择。

从技术规格看，78B 的 MoE 架构配 1M 上下文，说明 Aleph Alpha 走的是长文档处理和企业级知识库的路线。这个定位跟 Kolibri 这个名字很配——蜂鸟虽然小但飞得灵活，适合在企业内部的复杂文档网络中穿梭。

对于关注欧洲 AI 生态的观察者来说，Kolibri-1 的发布标志着主权 AI 不再只是口号，而是有了实际可用的产品级模型。后续可以持续关注它在企业场景中的落地案例。

主权 AI 模型跟普通开源模型差在哪？

FP8 版本和 BF16 版本的区别不只是精度。FP8 版本推理时显存占用小、吞吐高，但需要 Blackwell 或更新的 GPU。BF16 版本兼容性好但更吃显存。选哪个取决于你的硬件代际。

78B MoE 在消费级硬件上能跑吗？

对国内团队来说，Kolibri-1 的参考意义大于直接使用。它证明了 MoE 架构在长上下文场景下的可行性，以及主权 AI 这个叙事在商业上是有政府买单的。国内的对标项目也在走类似路线。

去论坛讨论

前往 silicon-agi.com 论坛 参与讨论