Aleph Alpha’s nieuwe model met open gewichten biedt Duits-Engelse AI op een infrastructuur naar keuze. Dit betekent dat in de praktijk.
De nuttigste kennis van een bedrijf staat zelden op het openbare internet. Ze zit in onderhoudshandleidingen, projectbestanden, interne richtlijnen en de ervaring van medewerkers. Juist die informatie plakken veel teams liever niet in een AI-chatbot.
Kolibri, het nieuwe AI-model van het Duitse Aleph Alpha, speelt precies op dat dilemma in. Het verscheen op 3 oktober 2026, met downloadbare modelgewichten en de mogelijkheid om het op je eigen infrastructuur te draaien. Volgens Aleph Alpha is het model in Duitsland ontwikkeld en getraind op infrastructuur in Duitsland en Finland. [1]
Voor Europese bedrijven die alternatieven voor gesloten AI-diensten zoeken, is Kolibri daarmee een interessante nieuwe optie. De relevante vraag is hoe goed het bij een concrete taak helpt en hoeveel controle een organisatie met eigen beheer krijgt.
Wat is Kolibri AI?
Kolibri is een Duits-Engels taalmodel voor taken zoals documentverwerking, redeneren, programmeren en het gebruik van tools. De mixture-of-experts-architectuur activeert per token ongeveer 3,46 miljard van de in totaal 78,1 miljard parameters. Zie het als een klein deel van een veel groter systeem dat bij elke stap van een antwoord wordt ingezet. [8]
Waarom de focus op Duits telt
Een interne assistent moet de taal begrijpen waarin mensen daadwerkelijk werken. Bij een Duitse fabrikant kan dat ingewikkelde technische terminologie zijn. Bij een publieke organisatie gaat het misschien om bestuurstaal die heel anders klinkt dan een informeel gesprek.
Aleph Alpha beschrijft Kolibri als tweetalig vanaf het ontwerp, met een eigen Duits-Engelse tokenizer en een aanzienlijk Duits aandeel in de training. De genoemde doelgebieden zijn openbaar bestuur, industrie en lucht- en ruimtevaart. Het bedrijf heeft het model ook getraind om geen antwoord te geven wanneer het aangeleverde materiaal dat niet ondersteunt. [1]
Dat is een nuttige richting. Stel dat een medewerker vraagt of een bepaald vervangingsonderdeel bij een oudere machine past. Een voorzichtig antwoord met een verwijzing naar de juiste handleiding, of de erkenning dat bewijs ontbreekt, is nuttiger dan een zelfverzekerde gok. Of Kolibri dat consequent doet, moet je testen met de documenten die je team echt gebruikt.
Wat laten de benchmarks werkelijk zien?
In Aleph Alpha’s gepubliceerde vergelijking scoort Kolibri goed op meerdere tests, waaronder wiskunde en programmeren. De vergelijking laat ook gebieden zien waarop een ander model beter presteert. Deze evaluaties zijn door de fabrikant uitgevoerd. [1]
Het technische rapport geeft extra context: Kolibri is getest met de hoge instelling voor redeneren. De onderzoekers leggen uit dat sommige resultaten niet rechtstreeks met externe ranglijsten te vergelijken zijn. Hun BFCL-evaluatie gebruikt bijvoorbeeld een andere backend voor zoeken op het web. [3]
Een wiskundescore bewijst niet hoe betrouwbaar een model bedragen uit je facturen haalt. Een programmeerscore zegt niet of een assistent je supportproces kan volgen. Een zinvolle conclusie is dat Kolibri binnen de getoonde vergelijking veelbelovende mogelijkheden biedt. Algemene superioriteit is daarmee niet bewezen.
Open modelgewichten bieden een belangrijk voordeel
De gepubliceerde gewichten en configuratiebestanden vallen onder de Apache 2.0-licentie. Die staat gebruik, aanpassing en verspreiding toe onder haar voorwaarden, ook voor commerciële doeleinden. [5]
Aleph Alpha’s modelkaart beperkt die licentie expliciet tot de gepubliceerde gewichten en configuratiebestanden. De onderliggende trainingsmethoden en andere niet-gepubliceerde onderdelen vallen erbuiten. [8]
Voor een bedrijf verandert dit de keuze voor de inzet. Je kunt een model beoordelen als iets dat je team zelf beheert, in plaats van alleen als een dienst van een leverancier. Je bepaalt waar de inferentie plaatsvindt en bouwt de toepassing eromheen volgens je eigen eisen.
Downloadbare gewichten maken op zichzelf echter niet het hele AI-ontwikkelproces open source. De definitie van de Open Source Initiative vraagt ook om code voor training en uitvoering, plus voldoende gedetailleerde informatie over de trainingsdata. “Open weight” is hier de juiste omschrijving. [4]
Welke hardware je nodig hebt
Een laag aantal actieve parameters maakt Kolibri nog geen kleine download voor je laptop. De officiële FP8-versie heeft ongeveer 78 GB modelgeheugen nodig. De modelkaart noemt als minimale hardware onder meer twee A100-GPU’s van elk 80 GB of één H200. Voor veeleisende taken en efficiënte uitvoering adviseert ze maximaal 262.144 tokens, hoewel een grotere maximale context mogelijk is. [2]
Aleph Alpha publiceert een inferentiepakket met een Kolibri-specifieke vLLM-plugin. De repository bevat installatie- en uitvoeringsinstructies, inclusief ondersteuning voor redeneren en het verwerken van toolaanroepen. [7]
Neem vóór je de businesscase maakt ook het werk eromheen mee: infrastructuur, integratie, monitoring, updates en de mensen die het systeem draaiende houden. Vergelijk het totaal met de kosten en het gemak van een gehoste dienst. Zelf een model kunnen hosten heeft waarde; of het geld bespaart, hangt af van je gebruik.
Europese wortels, een trans-Atlantische toekomst
Wie Europese AI-aanbieders beoordeelt, moet nog iets meenemen. Op 16 september 2026 kondigden Aleph Alpha en het Canadese Cohere een definitieve overeenkomst voor een samenvoeging aan. Volgens hun bericht waren nog definitieve goedkeuringen van toezichthouders nodig. Het gezamenlijke bedrijf zou onder de naam Cohere werken, met geplande hoofdkantoren in Toronto en Berlijn. [6]
Aleph Alpha’s bericht over de release van 5 oktober bevestigt dat de goedkeuring nog uitstaat en dat het bedrijf tot de afronding zelfstandig blijft opereren. [9]
Onze kijk: Europese ontwikkeling, eigendomsstructuur en controle over een ingezet model zijn verschillende vragen. Een Duitse oorsprong is relevant. Kijk daarnaast naar de structuur van de aanbieder, je hosting en je mogelijkheden om het systeem te onderhouden of te vervangen.
Waar Kolibri zijn plek kan verdienen
Een praktisch eerste project is een interne assistent voor een duidelijk afgebakende verzameling Duitse en Engelse documenten. Laat hem bijvoorbeeld een procedure in een onderhoudshandleiding vinden, een specificatie uitlezen of een antwoord opstellen met bewijs uit het bronmateriaal. Dit zijn ideeën voor pilots, geen beweringen dat Kolibri al succesvol in jouw omgeving werkt.
Vergelijk het met je huidige oplossing aan de hand van dezelfde vragen en documenten. Neem onvolledige bronnen, tegenstrijdige instructies en vragen zonder antwoord mee. Beoordeel bruikbaarheid, kwaliteit van bewijs, reactietijd en bedrijfskosten. Een model dat bij deze dagelijkse taken goed presteert, heeft een sterkere businesscase dan een model dat alleen goed klinkt in een kop.
Kolibri biedt organisaties meer keuze om Duits-Engelse AI op hun eigen gekozen infrastructuur te draaien. Zijn plek in je bedrijf hangt af van wat het met je documenten, je mensen en je budget kan bereiken.
Ontdek meer Europese AI-aanbieders in de Euroboxx-categorie AI-modellen en intelligentieplatforms .
Bronnen
Bronnen gecontroleerd op 5 oktober 2026.
[1] Aleph Alpha: introductie van Kolibri en technische blog, 3 oktober 2026
[2] Officiële Kolibri-1-modelkaart: specificaties, inzet en beperkingen
[3] Technisch Kolibri-rapport: evaluatiemethode, paragrafen 3.3.1–3.3.3
[4] Open Source Initiative: Open Source AI Definition 1.0
[5] Officiële Apache 2.0-licentie van Kolibri-1
[6] Aleph Alpha: definitieve overeenkomst met Cohere, 16 september 2026
[7] Officiële inferentierepository: Kolibri-vLLM-plugin
[8] Officiële Kolibri-1-BF16-modelkaart: architectuur en reikwijdte van de licentie
