欧洲大模型阵营又多了一个值得关注的开源选项。
发生了什么
Aleph Alpha 发布了名为 Kolibri 的开源模型。根据公开信息，这是一个 78.1B 参数的英德双语混合专家（MoE）模型，每个 token 只激活 3.46B 参数，支持 100 万 token 的上下文窗口，并引入了按请求调节的推理强度（per-request reasoning effort）。权重以 Apache 2.0 许可、FP8 精度发布，官方称可在单张 B200 或 H200 上运行。
为什么重要
Aleph Alpha 长期被视为欧洲主权 AI 的代表性公司，此前路线偏向面向政府与企业的闭源或定制方案。Kolibri 以 Apache 2.0 开放权重发布，本身就是一次姿态调整：在开源生态里，欧洲厂商需要用可被社区直接使用、审计和微调的资产来争取存在感。
更关键的是架构选择。78.1B 的总参数量与 3.46B 的激活量之间存在约 22 倍的差距，这意味着推理成本主要由激活参数决定，而不是总参数。把 FP8 权重压到单张 B200/H200 上，等于把"大模型"的部署门槛拉回到了单机单卡的量级。对预算有限、又需要多语言能力的团队来说，这种"总参数大、激活参数小"的组合，比单纯堆参数更有实际意义。
英德双语定位也值得注意。主流开源模型大多以英语为中心，德语能力往往靠数据配比顺带覆盖。Kolibri 明确把英语和德语作为一等公民，瞄准的是德语区企业、公共部门和合规敏感场景——这正是 Aleph Alpha 的传统腹地。
影响与看点
对开发者而言，最直接的吸引力是部署成本：单卡可跑、FP8 精度、Apache 2.0，意味着可以私有化部署并自由微调，不必担心许可限制。100 万 token 上下文则打开了长文档、法规文本、多轮长会话等场景。
但有几个问题需要观察。其一，"单卡可运行"与实际吞吐、延迟是两回事，MoE 的专家路由在长上下文下往往带来显存和调度压力。其二，per-request reasoning effort 这类可调推理强度，效果高度依赖实现质量，目前缺少公开的基准数据支撑。其三，英德双语之外的多语言能力、以及社区最关心的实际评测表现，都还没有充分披露。
一个独立判断：Kolibri 的真正价值可能不在"又一个开源模型"，而在于它验证了一条欧洲厂商的差异化路径——用高效 MoE 架构、明确的语言定位和宽松许可，在英语主导的开源格局里切出一块主权与合规需求的空间。这条路能否走通，取决于后续的评测透明度和社区采用速度，而不是参数数字本身。
