bibibi.cc正在加载…
报道称Aleph Alpha开源英德双语MoE模型Kolibri，单token激活约34.6亿参数。
欧洲开源模型Kolibri来了：3.46B激活参数，支持1M上下文
动察 Beating AI 快讯，德国 AI 公司 Aleph Alpha 发布并开源英德双语模型 Kolibri。模型采用 MoE 架构，总参数 781 亿，但每个 token 只激活约 34.6 亿参数。权重已经上传 Hugging Face，采用 Apache 2.0 协议。
Kolibri 支持工具调用和可调节的推理模式，上下文最高可扩展到约 100 万 tokens。不过官方建议日常部署控制在 26.2 万 tokens 以内，模型实际训练到的最长上下文也是 26.2 万。
Aleph Alpha 的官方评测中，Kolibri 在 AIME 2025 得到 96.9%，LiveCodeBench v6 得到 85.9%。综合英德文成绩略高于同为约 3B 激活参数的 Qwen3.5 35B-A3B，但仍低于 27B 全激活的 Qwen3.8。
Aleph Alpha发布并开源英德双语模型Kolibri。
Kolibri采用MoE架构，总参数为781亿，每个token只激活约34.6亿参数。
报道称模型权重已上传Hugging Face，并采用Apache 2.0协议。
Kolibri支持工具调用和可调节的推理模式。
其上下文最高可扩展至约100万tokens，但官方建议日常部署控制在26.2万tokens以内，实际训练的最长上下文也是26.2万。
Aleph Alpha的官方评测称，Kolibri在AIME 2025得到96.9%，在LiveCodeBench v6得到85.9%。
报道称Kolibri的综合英德文成绩略高于Qwen3.5 35B-A3B，但低于27B全激活的Qwen3.8。
以下为辅助分析，与已报道事实分开展示；重要信息请进一步核实。
MoE架构可以理解为模型拥有很多参数，但处理每个token时只启用其中一部分。Kolibri虽然共有781亿参数，每个token约激活34.6亿参数。材料还区分了最高可扩展上下文与实际训练长度：前者约100万tokens，后者为26.2万tokens，官方日常部署建议也不超过26.2万。
这则材料展示了一个支持英德双语、工具调用和长上下文的开源模型选择；Apache 2.0协议及已上传的权重是评估其可用性的关注点。
新手可重点区分“总参数”和“激活参数”，并注意约100万tokens是可扩展上限，不是材料所称的实际最长训练长度。基准分数来自官方评测，不能直接等同于所有真实使用场景的表现。
正在加载事件时间线…