Kolibri zeigt, dass souveräne KI chinesische Lehrmeister haben kann

Aleph Alpha hat Kolibri veröffentlicht, ein deutsch-englisches Mixture-of-Experts-Modell mit 78,1 Milliarden Parametern. Pro Token aktiviert es 3,46 Milliarden davon, also 4,4 %. Die Gewichte stehen unter Apache 2.0 bereit, und das Modell unterstützt Kontexte von bis zu 1 Million Token.

Kolibri entstand in Europa, doch das Post-Training griff auf China zurück

Nach Angaben des Unternehmens entwickelten Teams in Deutschland das Modell, während das Training auf Infrastruktur in Deutschland und Finnland lief. Es umfasste 24 Billionen Token, davon mehr als 20 % auf Deutsch. Rechtliche Zuständigkeit, Kontrolle über die Entwicklung und der Betrieb heruntergeladener Gewichte auf eigener Infrastruktur bilden den Kern des Souveränitätsversprechens.

Der technische Bericht nennt zugleich externe Helfer. GLM-5.2, GLM-5.3 und Qwen3.8-27B waren die wichtigsten Modelle, um einen Teil der Fine-Tuning-Daten zu erzeugen oder neu zu generieren. Das Pre-Training enthielt außerdem 4,8 Billionen synthetische Token. Gemma 4 formulierte englische Dokumente um, Mistral-NeMo bearbeitete deutsches Material und Qwen3-32B bewertete eine Stichprobe englischer Daten.

Souveränität bemisst sich an Betriebskontrolle, nicht an einem reinen Stammbaum

Kolibri macht den Unterschied zwischen technologischer Selbstversorgung und operativer Souveränität sichtbar. Eine europäische Behörde oder ein Hersteller kann Gewichte, Daten und Inferenz auf eigener Infrastruktur halten, obwohl ausländische Modelle während der Entwicklung als Lehrer und Filter dienten. Für Käufer zählt praktisch, wer das System abschalten, Bedingungen ändern oder auf Betriebsdaten zugreifen kann.

Die Herkunft der Trainingseinflüsse bleibt dennoch relevant. Ein Lehrermodell kann Fehler, Präferenzen und politische Verzerrungen in synthetische Antworten übertragen. Aleph Alpha erklärt, die Modelle nach Aufgaben ausgewählt und ihre Verzerrungen bewusst gefiltert zu haben. Eine offengelegte Spur, anhand derer sich diese Entscheidungen prüfen lassen, ist wertvoller als die Fiktion eines isolierten europäischen Labors.

Offene Gewichte garantieren weder Herkunft noch Unabhängigkeit

Apache 2.0 gibt Nutzern weitreichende Freiheit beim Einsatz der Gewichte. Die Lizenz allein macht jedoch nicht jeden Datensatz, Filter und Entwicklungsschritt reproduzierbar. Unternehmenseigene Benchmarks bleiben außerdem Unternehmensaussagen, bis unabhängige Tests die Leistung bei deutschen Dokumenten, Tool Use und langen Kontexten bestätigen.

Der Hinweis auf chinesische Lehrermodelle belegt somit keine Täuschung. Er erinnert daran, dass souverän präzise definiert werden muss. Kolibri bietet europäische Gerichtsbarkeit und Kontrolle über das Deployment, aber keine Entwicklungskette ohne ausländische Modelle.

Öffentliche Evals werden die tatsächliche Kontrolle der Käufer zeigen

Als Nächstes zählen unabhängige Ergebnisse und der Betrieb außerhalb des Aleph-Alpha-Labors. Entscheidend wird, ob Organisationen das Modell ohne ausländische API einsetzen, sein Verhalten prüfen können und wie es gegen Modelle mit ebenfalls 3 bis 6 Milliarden aktiven Parametern pro Token abschneidet.

Kolibri liefert eine ungewöhnlich detaillierte Dokumentation seiner Daten und Lehrermodelle. Falls die europäische Beschaffung dieselbe Transparenz von allen Anbietern verlangt, könnte die Debatte über Modellherkunft endlich mehr hervorbringen als ein geopolitisches Etikett.

Liliths Urteil

Kolibri trägt einen europäischen Pass, doch vor der Tafel standen GLM und Qwen. Souveränität zeigt sich daran, wer den Ausschalter kontrolliert und das Klassenbuch öffnet, nicht an der Nationalität des Lehrers.