Kolibri-1 sin censura: el modelo MoE 78B de Aleph Alpha explicado

Kolibri-1 de un vistazo

Desarrollador

Aleph Alpha (Heidelberg, Alemania)

Fecha de lanzamiento

3 de octubre de 2026

Parámetros

78B en total, 3,46B activos por token

Arquitectura

Transformer MoE, 50 capas, 384 expertos

Ventana de contexto

262.144 nativa, validada hasta 1.048.576

Idiomas

Alemán e inglés

Licencia

Apache 2.0 (pesos y configuración)

Fecha de corte

18 de junio de 2026

Hardware mínimo

2×A100 80GB, 2×H100 o 1×H200

¿Sin censura?

No, alineado para seguridad; solo versiones de la comunidad

¿Qué es Kolibri-1?

Aleph Alpha Kolibri-1 es un Transformer de mezcla de expertos (MoE) publicado por Aleph Alpha GmbH, de Heidelberg (Alemania), y desarrollado por Aleph Alpha Research. Tiene 78B parámetros en total (78.103.074.560), pero solo activa 3,46B por token, que la empresa redondea a unos 3B. Sus 50 capas son todas MoE, cada una con un experto compartido y seis expertos enrutados de un total de 384. El contexto nativo es de 262.144 tokens y Aleph Alpha afirma haber validado la calidad hasta 1.048.576 tokens. El vocabulario de 128.000 tokens está ajustado para las palabras compuestas del alemán. Solo admite alemán e inglés, su conocimiento llega hasta el 18 de junio de 2026 y ofrece cuatro niveles de esfuerzo de razonamiento (none, low, medium, high) además de llamadas a herramientas nativas.

Por qué la gente busca Kolibri-1 sin censura

El modelo se entrenó para rechazar y abstenerse: los términos de uso de Aleph Alpha prohíben los usos ilegales y piden a quien lo despliegue añadir sus propias salvaguardas, y el modelo aprende a decir que no sabe cuando faltan pruebas. Por eso, quienes escriben ficción adulta o hacen rol buscan un Kolibri-1 sin censura. Eso solo existe como modificaciones no oficiales de la comunidad, como pesos abliterated, que requieren mucho hardware y no ofrecen garantías de calidad. Spicy AI no aloja el modelo de Aleph Alpha; su chat usa otro modelo sin filtros de contenido para adultos que consienten.

Benchmarks de Kolibri-1 frente a Qwen3.6 y Nemotron 3 Super

Todas las puntuaciones publicadas las declara Aleph Alpha; a 15 de octubre de 2026 no se había encontrado ninguna reproducción independiente. En el blog de lanzamiento, el modelo obtiene 96,9 en AIME 2025 frente a 84,6 de Qwen3.6-35B-A3B y 91,7 de Nemotron 3 Super 120B-A12B, y 84,3 en GPQA Diamond frente a 83,4 y 78,0. En las versiones en alemán mantiene la ventaja: 87,5 en AIME 2025 (DE) y 81,3 en GPQA Diamond (DE). Qwen3.6 gana en BFCL v4 (67,2 frente a 61,4), LongBench Pro (70,8 frente a 64,5) y τ²-bench telecom (99,1 frente a 94,7). Aleph Alpha afirma que el modelo iguala a sistemas con hasta cuatro veces más parámetros activos, y cita Nemotron 3 Super.

Puntuaciones del blog de lanzamiento de Aleph Alpha, escala 0–100. Sin reproducción independiente.

Cómo se entrenó Kolibri-1

Aleph Alpha documenta el entrenamiento con un detalle poco habitual. El preentrenamiento usó unos 20 billones de tokens con secuencias de 16.384 tokens, seguido de 3,44 billones de tokens de entrenamiento intermedio a 64k y unos 201.000 millones de tokens de contexto largo a 256k, cerca de 24 billones en total. El trabajo corrió en 768 GPU NVIDIA B200 en Alemania y Finlandia, y el preentrenamiento duró 21 días. La ficha del modelo indica una mezcla de aproximadamente 62,5 % inglés, 23,9 % alemán y 13,6 % código. El postentrenamiento combinó un conjunto SFT de 268.000 millones de tokens con aprendizaje por refuerzo sobre más de 1,2 millones de tareas, y los datos de abstención enseñan al modelo a admitir cuando el contexto no respalda una respuesta. Aleph Alpha afirma que diseñó el lanzamiento en torno a la Ley de IA de la UE, el Código de Buenas Prácticas GPAI y el RGPD, y estima la energía de entrenamiento en unos 950 MWh.

Licencia: Apache 2.0 y sus límites

Los pesos y archivos de configuración se publican bajo Apache 2.0, así que puedes descargarlos, ajustarlos, redistribuirlos y usarlos comercialmente siempre que conserves la licencia y los avisos de atribución. La ficha del modelo marca un límite: la licencia cubre solo los archivos del repositorio y no se extiende al código subyacente, la arquitectura, los ajustes de parámetros ni los métodos de entrenamiento de Aleph Alpha, que siguen siendo su propiedad intelectual. Alojarlo tú mismo es gratis; Aleph Alpha no ha publicado un precio por token para una API alojada y el acceso empresarial se gestiona con su equipo de ventas.

Descarga desde Hugging Face y requisitos de GPU

Solo hay dos repositorios del fabricante: Aleph-Alpha/Kolibri-1 con pesos FP8 (unos 79 GB) y Aleph-Alpha/Kolibri-1-BF16 (unos 156 GB). FP8 necesita alrededor de 78 GB de memoria de GPU. El mínimo documentado es 2×A100 80GB, 2×H100 SXM5, 1×H200, 1×B200 o 1×B300; según Aleph Alpha, dos H100 atienden 18 peticiones simultáneas de 256k tokens. Se sirve con vLLM y el plugin aleph-alpha-inference: vllm serve Aleph-Alpha/Kolibri-1 --kv-cache-dtype fp8 --reasoning-parser kolibri1 --tool-call-parser kolibri1 --enable-auto-tool-choice. Para pasar de 262.144 tokens añade --max-model-len 1048576 y un override de max_position_embeddings. Muestreo recomendado: temperature 1,0, top_p 0,97 y top_k 128.

Cuantizaciones GGUF, llama.cpp y Ollama

Aleph Alpha no ofrece archivos GGUF, ONNX ni MLX. La conversión más descargada es Hob-forge/Kolibri-1-GGUF, cuyo autor aclara que es independiente y no está respaldada por Aleph Alpha ni por llama.cpp. Los tamaños van de Q2_K con 28,6 GB a Q8_0 con 83,1 GB, pasando por Q4_K_M con 47,5 GB. En su actualización del 8 de octubre, llama.cpp oficial no admitía la arquitectura kolibri1, así que necesitas el parche del repositorio o los binarios precompilados del autor, y Ollama y LM Studio aún no pueden cargarlo. El autor informa de unos 12,3 tokens por segundo con Q4_K_M en un Ryzen 7 7800X3D con 128 GB de RAM, y unos 18 con la atención en una GPU de 12 GB; son cifras autodeclaradas, no benchmarks.

Tamaños del repositorio de Hob-forge; los usos indicados son nuestra orientación aproximada.

Versiones abliterated y sin censura de la comunidad

Varias variantes de la comunidad intentan eliminar los rechazos. huihui-ai/Huihui-Kolibri-1-BF16-abliterated-GGUF quita la dirección de rechazo de los pesos; iSkye/Kolibri-1-heretic y Blackfrost-AI/KOLIBRI-1-DERISKED-BF16 siguen ideas parecidas. Ninguna la publica ni la prueba Aleph Alpha, nadie ha publicado benchmarks sobre cuánta calidad de razonamiento pierden y necesitan los mismos 30 a 160 GB de memoria que los originales. Quitar los rechazos tampoco cambia la licencia ni la ley: el contenido con menores, con personas reales sin consentimiento u otro material ilegal sigue prohibido. Para rol entre adultos sin esa instalación, un chat sin censura en línea es la vía práctica.

Nuestra opinión: puntos fuertes y débiles de Kolibri-1

Leyendo la ficha del modelo y los materiales de lanzamiento a la vez, Kolibri-1 parece menos un chatbot generalista y más un modelo de infraestructura para organizaciones europeas que deben mantener los datos en sus propios servidores. Sus mejores argumentos son la eficiencia y la calidad en alemán, no la creatividad pura. Son conclusiones editoriales a partir de los datos publicados, no resultados de pruebas propias:

• Punto fuerte: solo 3,46B de parámetros activos, lo que da una decodificación rápida para su tamaño cuando muchos usuarios comparten un nodo GPU.
• Punto fuerte: el alemán es un idioma de primera, con un tokenizer ajustado a palabras compuestas y versiones alemanas de los benchmarks.
• Punto fuerte: los pesos Apache 2.0 y un resumen de datos publicado facilitan la revisión legal.
• Punto débil: sigue necesitando unos 78 GB de memoria GPU, así que no es un modelo para portátil.
• Punto débil: otros idiomas, incluido el chino, no tienen soporte ni evaluación oficial.
• Punto débil: en llamadas a herramientas y contexto largo queda por detrás de Qwen3.6 en las propias tablas de Aleph Alpha.

Primeras reacciones de la comunidad

Dos semanas después del lanzamiento no hay reproducciones independientes de benchmarks ni reseñas de usuarios a largo plazo que hayamos podido verificar, así que no citamos ninguna. Lo que sí se puede medir es la actividad en Hugging Face, que muestra mucho interés por ejecutar Kolibri-1 fuera de un centro de datos. Las descargas reflejan interés, no calidad:

• Hob-forge/Kolibri-1-GGUF sumaba 42.241 descargas y 26 likes al 15 de octubre de 2026, más que cualquier otra conversión.
• El GGUF abliterated de huihui-ai llegó a 4.551 descargas, señal de que muchos quieren menos rechazos.
• Usuarios de Apple Silicon publicaron conversiones MLX de 3 y 4 bits, y otros crearon variantes NVFP4 y un drafter EAGLE3.
• El 4 de octubre apareció un Space de Gradio de la comunidad, pero Aleph Alpha no ofrece un chat de demostración público.

No es el libro Kolibri 1/2, la app Kolibri ni Colibri LLM

Kolibri es un nombre muy repetido, así que comprueba a qué se refiere cada resultado. Kolibri 1/2 es una serie de libros de texto alemanes de primaria, y las páginas de descarga de Kolibri suelen llevar a la plataforma educativa sin conexión de Learning Equality para Windows y Android. Colibri LLM, a menudo escrito con C, es un motor de inferencia sin relación alojado en GitHub. El modelo de esta página es siempre Aleph Alpha Kolibri-1, publicado por la organización Aleph-Alpha en Hugging Face; su predecesor se llamaba Kolibri Origin.

Consejos de prompt para lograr el estilo de Kolibri-1

1. El modelo solo admite oficialmente alemán e inglés, así que en local rinde mejor en esos idiomas.
2. Usa reasoning_effort none o low para rol; high añade un razonamiento largo que rara vez necesitas.
3. Mantén el contexto en 262.144 tokens o menos salvo que de verdad necesites el modo 1M.
4. Trata las versiones abliterated como experimentos y compáralas con el original.
5. Indica que todos los personajes son adultos (18+) y nunca bases una escena en una persona real.

Fuentes

• Ficha del modelo Kolibri-1 (Hugging Face)
• Pesos BF16 de Kolibri-1 (Hugging Face)
• Blog de lanzamiento «Kolibri Has Landed» (Aleph Alpha)
• Nota de prensa (Aleph Alpha)
• Hob-forge Kolibri-1 GGUF (terceros)
• Huihui abliterated GGUF (terceros)

Más modelos de IA de chat sin censura

• ChatGPT sin censura
• Claude sin censura
• Gemini sin censura
• Grok sin censura
• DeepSeek sin censura
• Llama sin censura
• Mistral sin censura
• Qwen sin censura
• Character.AI sin censura
• Kimi sin censura
• Gemma sin censura