無修正 Kolibri-1：Aleph Alpha の 78B MoE モデルを解説

Kolibri-1 の概要

開発元

Aleph Alpha（ドイツ・ハイデルベルク）

公開日

2026年10月3日

パラメータ

総数 78B、トークンあたり有効 3.46B

アーキテクチャ

MoE Transformer、50 層、384 エキスパート

コンテキスト長

ネイティブ 262,144、1,048,576 まで検証済み

対応言語

ドイツ語と英語

ライセンス

Apache 2.0（重みと設定ファイル）

知識カットオフ

2026年6月18日

最小ハードウェア

2×A100 80GB、2×H100 または 1×H200

無検閲？

いいえ。安全調整済みで、無検閲版はコミュニティ製のみ

Kolibri-1 とは？

Aleph Alpha Kolibri-1 は、ドイツ・ハイデルベルクの Aleph Alpha GmbH が公開し、Aleph Alpha Research が開発した Mixture-of-Experts（MoE）型 Transformer です。総パラメータは 78B（78,103,074,560）ですが、1 トークンあたりの活性パラメータは 3.46B で、同社は約 3B と表現しています。50 層すべてが MoE 層で、各層に共有エキスパート 1 つと、計 384 のうちルーティングされるエキスパート 6 つがあります。ネイティブのコンテキスト長は 262,144 トークンで、Aleph Alpha は 1,048,576 トークンまで品質を検証済みとしています。128,000 トークンの語彙はドイツ語の複合語向けに最適化されています。対応言語はドイツ語と英語のみ、知識のカットオフは 2026 年 6 月 18 日で、推論の強さ 4 段階（none、low、medium、high）とネイティブのツール呼び出しに対応します。

無修正の Kolibri-1 が求められる理由

このモデルは拒否と回答保留を学習しています。Aleph Alpha の利用条件は違法な用途を禁止し、導入者に独自のガードレール追加を求めており、根拠が足りないときは「わからない」と答えるよう訓練されています。そのため、率直な成人向けフィクションを書きたい人やロールプレイ好きは無修正の Kolibri-1 を探します。しかしそれは abliterated の重みなど非公式なコミュニティ改変としてしか存在せず、大きなハードウェアが必要で品質の保証もありません。Spicy AI は Aleph Alpha のモデルをホストしていません。このサイトのチャットは別のモデルで動き、合意した成人向けにコンテンツフィルターはありません。

Kolibri-1 のベンチマーク：Qwen3.6・Nemotron 3 Super との比較

公開されているスコアはすべて Aleph Alpha の自己申告で、2026 年 10 月 15 日時点で第三者による独立した再現は見つかっていません。ローンチブログでは、AIME 2025 で 96.9（Qwen3.6-35B-A3B は 84.6、Nemotron 3 Super 120B-A12B は 91.7）、GPQA Diamond で 84.3（同 83.4、78.0）を記録しています。ドイツ語版でもリードを保ち、AIME 2025（DE）は 87.5、GPQA Diamond（DE）は 81.3 です。一方、BFCL v4（67.2 対 61.4）、LongBench Pro（70.8 対 64.5）、τ²-bench telecom（99.1 対 94.7）では Qwen3.6 が上回ります。Aleph Alpha は、活性パラメータが最大 4 倍のモデルに匹敵すると主張し、Nemotron 3 Super を例に挙げています。

数値は Aleph Alpha の公開ブログより（0–100）。第三者による再現はありません。

Kolibri-1 の学習方法

Aleph Alpha は学習の詳細を珍しいほど細かく公開しています。事前学習には系列長 16,384 で約 20 兆トークンを使い、続いて 64k で 3.44 兆トークンの中間学習、256k で約 2,010 億トークンの長文脈学習を行い、合計は約 24 兆トークンです。計算はドイツとフィンランドにある NVIDIA B200 GPU 768 基で行われ、事前学習には 21 日かかりました。モデルカードによるとデータ構成は英語約 62.5%、ドイツ語 23.9%、コード 13.6% です。事後学習では 2,680 億トークンの SFT データと 120 万件以上のタスクによる強化学習を組み合わせ、棄権（abstention）データで根拠がないときは「分からない」と答えるよう訓練しています。Aleph Alpha は EU AI 法、GPAI 行動規範、GDPR を前提に設計したと述べ、学習の消費電力を約 950 MWh と見積もっています。

ライセンス：Apache 2.0 とその範囲

重みと設定ファイルは Apache 2.0 で公開されており、ライセンスと帰属表示を保持すればダウンロード、ファインチューニング、再配布、商用利用ができます。ただしモデルカードには範囲の限定があり、ライセンスはリポジトリ内のファイルのみに適用され、Aleph Alpha の基盤コード、アーキテクチャ、パラメータ設定、学習手法には及ばず、それらは同社の知的財産のままです。セルフホストは無料です。ホスト型 API のトークン単価は公開されておらず、企業向け利用は営業窓口経由になります。

Hugging Face からのダウンロードと GPU 要件

開発元のリポジトリは 2 つだけです。FP8 重みの Aleph-Alpha/Kolibri-1（約 79 GB）と Aleph-Alpha/Kolibri-1-BF16（約 156 GB）です。FP8 には約 78 GB の GPU メモリが必要です。最小構成は 2×A100 80GB、2×H100 SXM5、1×H200、1×B200 または 1×B300 と記載されており、Aleph Alpha によると H100 2 枚で 256k トークンのリクエストを 18 件同時に処理できます。推論は vLLM と aleph-alpha-inference プラグインで行います：vllm serve Aleph-Alpha/Kolibri-1 --kv-cache-dtype fp8 --reasoning-parser kolibri1 --tool-call-parser kolibri1 --enable-auto-tool-choice。262,144 トークンを超える場合は --max-model-len 1048576 と max_position_embeddings の上書きを追加します。推奨サンプリングは temperature 1.0、top_p 0.97、top_k 128 です。

GGUF 量子化、llama.cpp、Ollama

Aleph Alpha は GGUF、ONNX、MLX のファイルを提供していません。最もダウンロードされている変換版は Hob-forge/Kolibri-1-GGUF で、作者は独自の変換であり Aleph Alpha や llama.cpp の承認はないと明記しています。サイズは Q2_K の 28.6 GB から Q4_K_M の 47.5 GB、Q8_0 の 83.1 GB まであります。10 月 8 日の更新時点で本家 llama.cpp は kolibri1 アーキテクチャに未対応のため、リポジトリのパッチか作者のビルド済みバイナリが必要で、Ollama や LM Studio ではまだ読み込めません。作者は Ryzen 7 7800X3D と 128 GB RAM の環境で Q4_K_M が約 12.3 トークン/秒、12 GB GPU に attention を載せると約 18 トークン/秒と報告していますが、これは自己申告でありベンチマークではありません。

サイズは Hob-forge リポジトリより。用途の目安は編集部による大まかな判断です。

abliterated 版と無修正のコミュニティビルド

拒否を取り除こうとするコミュニティ版がいくつかあります。huihui-ai/Huihui-Kolibri-1-BF16-abliterated-GGUF は重みから拒否方向を除去したもので、iSkye/Kolibri-1-heretic や Blackfrost-AI/KOLIBRI-1-DERISKED-BF16 も似た考え方です。いずれも Aleph Alpha の公開・検証を経ておらず、推論品質がどれだけ落ちるかを示すベンチマークも公開されていません。必要なメモリも元のモデルと同じく 30〜160 GB です。拒否を外してもライセンスや法律は変わらず、未成年者、同意のない実在人物、その他の違法なコンテンツは引き続き禁止です。こうした環境構築なしに成人同士のロールプレイを楽しむなら、オンラインの無修正チャットが現実的です。

編集部の見解：Kolibri-1 の強みと弱み

モデルカードと公開資料を並べて読むと、Kolibri-1 は汎用チャットボットというより、データを自社サーバーに置く必要がある欧州の組織向けのインフラ用モデルに見えます。最大の売りは効率とドイツ語の品質で、創作力そのものではありません。以下は公開情報からの編集部の結論であり、独自テストの結果ではありません。

• 強み：有効パラメータが 3.46B だけなので、規模の割にデコードが速く、多数のユーザーで GPU ノードを共有する場面に向きます。
• 強み：ドイツ語が主要言語として扱われ、長い複合語向けのトークナイザーとドイツ語版ベンチマークが用意されています。
• 強み：Apache 2.0 の重みと公開されたデータ概要により、法務確認がしやすくなっています。
• 弱み：有効パラメータが小さくても約 78 GB の GPU メモリが必要で、ノート PC 向けではありません。
• 弱み：中国語を含むその他の言語は公式にサポートも評価もされていません。
• 弱み：Aleph Alpha 自身の表でも、ツール呼び出しと長文脈では Qwen3.6 に及びません。

コミュニティの初期反応

公開から 2 週間の時点で、検証できる第三者のベンチマーク再現や長期的なユーザーレビューは見つからなかったため、引用はしていません。測れるのは Hugging Face 上の動きで、Kolibri-1 をデータセンターの外で動かしたいという関心の高さがうかがえます。ダウンロード数は関心の指標であり、品質の指標ではありません。

• Hob-forge/Kolibri-1-GGUF は 2026年10月15日時点で 42,241 ダウンロード、26 いいねで、変換版の中で最多です。
• huihui-ai の abliterated GGUF は 4,551 ダウンロードに達し、拒否の少なさを求める声の多さを示しています。
• Apple シリコン向けに 3 ビットと 4 ビットの MLX 版が公開され、NVFP4 版や EAGLE3 ドラフターも作られています。
• 10月4日にはコミュニティの Gradio Space が登場しましたが、Aleph Alpha 自身は公開デモチャットを提供していません。

教科書 Kolibri 1/2、Kolibri アプリ、Colibri LLM とは別物

Kolibri は多くのものに使われている名前なので、検索結果が何を指すか確認してください。Kolibri 1/2 はドイツの小学校向け教科書シリーズで、Kolibri のダウンロードページはたいてい Learning Equality のオフライン学習プラットフォーム（Windows・Android 版）を指します。C で綴られることが多い Colibri LLM は、GitHub 上の無関係な推論エンジンです。このページのモデルは常に Hugging Face の Aleph-Alpha 組織が公開する Aleph Alpha Kolibri-1 で、前身は Kolibri Origin です。

Kolibri-1 風に仕上げるプロンプトのコツ

1. モデルが公式に対応するのはドイツ語と英語のみなので、ローカル実行ではこの 2 言語が最も安定します。
2. ロールプレイには reasoning_effort を none か low に。high は長い思考を追加しますが、ほとんど不要です。
3. 1M モードが本当に必要でない限り、コンテキストは 262,144 トークン以下に抑えましょう。
4. abliterated 版は実験として扱い、元のモデルと比較してから使いましょう。
5. 登場人物は全員成人（18 歳以上）と明記し、実在の人物を題材にしないでください。

出典

• Kolibri-1 モデルカード（Hugging Face）
• Kolibri-1 BF16 重み（Hugging Face）
• ローンチブログ「Kolibri Has Landed」（Aleph Alpha）
• プレスリリース（Aleph Alpha）
• Hob-forge Kolibri-1 GGUF（第三者）
• Huihui abliterated GGUF（第三者）

その他の無修正 AI チャットモデル

• 無修正 ChatGPT
• 無修正 Claude
• 無修正 Gemini
• 無修正 Grok
• 無修正 DeepSeek
• 無修正 Llama
• 無修正 Mistral
• 無修正 Qwen
• 無修正 Character.AI
• 無修正 Kimi
• 無修正 Gemma