Aleph Alpha stellt ein 78-Mrd.-Parameter-Modell mit offenen Gewichten hinter Europas Datengrenzen

Am 3. Oktober veröffentlichte Aleph Alpha Kolibri-1, ein Sprachmodell mit 78 Milliarden Parametern und Mixture-of-Experts-Architektur, und veröffentlichte die vollständigen Gewichte auf Hugging Face unter einer Apache-2.0-Lizenz. Das deutsche Unternehmen optimierte es für Deutsch und Englisch, gab ihm explizite Reasoning-Modi und Tool-Calling und vermarktete es an öffentliche und regulierte Käufer, die ihre Arbeit nicht über einen US-Hyperscaler leiten können oder wollen.

Die technischen Zahlen sind der einfache Teil. Ein Kontextfenster von 1 Million Token, ein Mixture-of-Experts-Layout, das die Inferenzkosten unter dem hält, was die Parameterzahl vermuten lässt, und separate Reasoning-Modi, die man zuschalten kann, wenn eine Aufgabe sie braucht. Das ist Standard für ein frontier-nahes Modell im späten 2026. Was Kolibri-1 einen zweiten Blick wert macht, ist das Framing.

Souveränität ist das Produkt, nicht die Lizenz

Jeder kann heute offene Gewichte herunterladen. Llama-Derivate, Qwen-Derivate, DeepSeek-Derivate, Mistral-Derivate. Der Stapel ist tief und wächst jede Woche. Aleph Alpha hat nicht die Absicht, sich an roher Leistungsfähigkeit zu messen, und scheint das zu wissen. Das Unternehmen verkauft eine Version derselben Idee mit einer Compliance-Geschichte: Dieses Modell wurde in Europa gebaut, für europäische Sprachen, unter europäischen Regeln, und man kann es hinter den eigenen Mauern betreiben.

Für ein deutsches Ministerium, einen Klinikverbund oder eine Bank mit strengen Data-Residency-Pflichten geht dieses Framing auf. Die Alternative ist eine US-API, bei der der Traffic über einen Ozean läuft und sich die Nutzungsbedingungen mit einer Produktankündigung ändern können. Die Alternative ist außerdem ein chinesisches Open-Weight-Modell, das für einen europäischen öffentlichen Käufer eigene Beschaffungsfragen mit sich bringt.

Hier gibt es einen echten Markt, und er belohnt nicht das beste Modell der Welt. Er belohnt das beste Modell, das ein Käufer verwenden darf.

Das Kontextfenster zielt auf Dokumente, nicht auf Chat

Eine Million Token ist eine seltsame Sache zum Bewerben. Die meisten Gespräche kommen nie in die Nähe. Die Käufer, die sich dafür interessieren, speisen Rechtsarchive, Beschaffungsunterlagen, interne Richtlinienhandbücher und Jahrzehnte von Regulierungsdokumenten in ein System ein und bitten es, über all das zu schlussfolgern, ohne einen Retrieval-Schritt, der die Hälfte des Kontexts verliert.

Aleph Alpha kombiniert das lange Fenster mit Abstention-Training, also dem Teil, der oft übersehen wird, aber entscheidet, ob das System brauchbar ist. Ein Modell, das sagt: „Ich habe nicht genug, um das zu beantworten“, ist für einen Compliance-Beauftragten mehr wert als ein Modell, das eine Quelle erfindet. In regulierter Arbeit ist eine selbstsichere falsche Antwort schlimmer als keine Antwort, weil jemand eine Woche damit verbringt, sie als falsch zu beweisen.

Der Stapel offener Gewichte wird voller und spezifischer

Kolibri-1 kam nicht allein. Die ersten Oktobertage brachten eine Serie von Open-Weight-Veröffentlichungen, die jeweils eine Nische beanspruchten. Über Cloudflares Workers-AI-Plattform wurden zwei öffentlich finanzierte europäische Modelle kommerziell verfügbar: EuroLLM, das alle 24 offiziellen EU-Sprachen abdeckt, und Apertus, ein Schweizer Modell, das auf mehr als 1.500 Sprachen trainiert wurde und dessen Daten zu 40 Prozent außerhalb des Englischen stammen. Cloudflare lieferte außerdem Clef aus, ein Modell mit 27 Milliarden Parametern unter Apache 2.0, das auf eine engere Aufgabe zielt.

Zusammen gelesen geht es bei dem Muster darum, sich eine Nische zu suchen. Niemand in dieser Gruppe versucht, das größte geschlossene Modell beim allgemeinen Reasoning zu schlagen, denn dieser Wettbewerb ist auf der offenen Seite bereits verloren, und das weiß jeder. Sie zielen auf Käufer mit einer bestimmten Einschränkung: eine Sprache, mit der die großen Modelle schlecht umgehen, eine Jurisdiktion, die Datenflüsse reguliert, eine Aufgabe, bei der ein kleineres spezialisiertes Modell billiger läuft.

Das ist ein gesünderer Markt als einer, in dem jede Veröffentlichung ein Frontalangriff auf die Frontier ist. Es bedeutet, dass ein europäisches Ministerium Kolibri-1 für deutsche Long-Context-Arbeit wählen kann oder Apertus für eine seltene Sprache oder EuroLLM für Übersetzung in der gesamten Union und einen Stack zusammenstellen kann, den kein einzelner amerikanischer Anbieter bietet. Das Open-Weight-Ökosystem hört auf, ein billiger Ersatz zu sein, und beginnt, ein Menü zu sein.

Dieselbe Logik gilt für die Lizenzierung. Apache 2.0 und MIT werden zum Standard für Modelle, die kommerzielle Akzeptanz suchen, weil alles Strengere eine rechtliche Prüfung provoziert, die den Piloten beendet. Aleph Alpha wählte bewusst den permissiven Weg, und das Shanghai AI Lab tat es bei seiner eigenen jüngsten Veröffentlichung ebenso. Die Lizenz ist jetzt Teil des Produkt-Pitches.

Was die offenen Gewichte tatsächlich ändern

Apache 2.0 beseitigt den größten Teil der rechtlichen Reibung. Ein Unternehmen kann Kolibri-1 auf internen Daten feinabstimmen, auf eigener Hardware bereitstellen und das Ergebnis in einem Produkt ausliefern, ohne Lizenzgebühren zu zahlen oder um Erlaubnis zu bitten. Für Teams, die zwischen einer leistungsfähigen geschlossenen API, die sie nicht auditieren können, und einem schwachen offenen Modell, das sie nicht ausliefern können, feststeckten, ist das eine neue Tür.

Es hebt auch die Messlatte für alle anderen. Sobald ein offenes 78B-System mit einer Million Token Kontext unter einer permissiven Lizenz existiert, muss das nächste souveräne Modell diese Hürde nehmen oder erklären, warum nicht. Nationallabore in Frankreich, Korea, Japan und am Golf haben ähnliche Töne angeschlagen. Kolibri-1 beendet dieses Rennen nicht, aber es gibt das Tempo für den europäischen Teil davon vor.

Wo es wahrscheinlich nicht mithalten kann

Offene Gewichte in dieser Größe sind schwer zu betreiben. Ein 78B-Mixture-of-Experts-Modell mit FP8- oder Vollpräzisionsvarianten braucht ernsthafte Hardware, und „man kann es selbst hosten“ gilt nur für Organisationen, die die Hardware bereits besitzen oder das Budget haben, sie zu kaufen. Für einen einzelnen Entwickler ist Kolibri-1 ein Forschungsobjekt, kein Daily Driver.

Dazu kommt das Ehrlichkeitsproblem, das jedem von Unternehmen berichteten Benchmark folgt. Die Modellkarte behauptet gute Ergebnisse. Unabhängige Evaluierung dauert Wochen, und bis sie vorliegt, ist der Vergleich mit Modellen der Llama- oder Qwen-Klasse eine Herstellerangabe statt eine gemessene Tatsache. Die interessante Frage ist nicht, ob Kolibri-1 die größten geschlossenen Modelle schlägt, was es mit ziemlicher Sicherheit nicht tut. Die Frage ist, ob es die Open-Weight-Modelle schlägt, die ein europäischer Käufer bereits herunterladen könnte, und bei welcher Höhe des Budgets.

Die Form des Arguments ist die Geschichte

Zieht man das Marketing ab, ist Kolibri-1 eine Wette darauf, dass sich die Zukunft der KI-Beschaffung entlang von Grenzen aufteilt. Ein Lager will das klügste verfügbare Modell und akzeptiert die Abhängigkeit. Ein anderes Lager will ein Modell, das gut genug für die Aufgabe ist und vollständig unter eigener Kontrolle steht. Aleph Alpha hat für das zweite Lager gebaut, das Modell für das zweite Lager dimensioniert und auch die Lizenz danach bepreist.

Diese Wette kann aufgehen oder nicht. Aber die Tatsache, dass ein Unternehmen Kapital aufnehmen, ein 78B-Modell trainieren und es unter Apache 2.0 verschenken kann, um souveräne Käufer zu gewinnen, sagt einem, wohin zumindest ein Teil des Marktes steuert. Leistungsfähigkeit ist nicht länger die einzige Achse. Kontrolle wird zu einem Feature, das man verkaufen kann.

Die schwierigere Frage ist, was passiert, wenn jede Region ihre eigene Version hat. Fragmentierung hat Kosten. Ein einzelnes Gewichtsset, das auf Deutsch und Englisch abgestimmt ist, wird kein koreanisches Krankenhaussystem oder eine brasilianische Bank bedienen, und jeder dieser Käufer wird sein eigenes Modell nach eigenen Regeln gebaut haben wollen. Das bedeutet mehr souveräne Stacks, die gepflegt werden müssen, mehr doppelte Arbeit und einen langsameren Weg zu den gemeinsamen Verbesserungen, von denen alle profitierten, als ein Ökosystem dominierte.

Aleph Alphas Antwort steckt implizit in der Veröffentlichung. Es hat nicht den Anspruch, allen zu dienen. Es dient einem Käufer, der bereits entschieden hat, dass Kontrolle mehr wiegt als Bequemlichkeit, und es gibt genug solcher Käufer, um ein Unternehmen zu finanzieren. Ob das ein tragfähiges Geschäft oder eine gut getimte Wette auf eine regulatorische Stimmung ist, wird die nächsten zwei Jahre zeigen. So oder so, das Modell existiert jetzt und ist kostenlos herunterladbar, was die Rechnung für jeden ändert, der auf Erlaubnis gewartet hat.