Kolibri-1 sem censura: o modelo MoE 78B da Aleph Alpha explicado

Kolibri-1 em resumo

Desenvolvedor

Aleph Alpha (Heidelberg, Alemanha)

Lançamento

3 de outubro de 2026

Parâmetros

78B no total, 3,46B ativos por token

Arquitetura

Transformer MoE, 50 camadas, 384 especialistas

Janela de contexto

262.144 nativa, validada até 1.048.576

Idiomas

Alemão e inglês

Licença

Apache 2.0 (pesos e configuração)

Corte de conhecimento

18 de junho de 2026

Hardware mínimo

2×A100 80GB, 2×H100 ou 1×H200

Sem censura?

Não, alinhado para segurança; só versões da comunidade

O que é o Kolibri-1?

Aleph Alpha Kolibri-1 é um Transformer de mistura de especialistas (MoE) publicado pela Aleph Alpha GmbH, de Heidelberg, na Alemanha, e desenvolvido pela Aleph Alpha Research. Tem 78B parâmetros no total (78.103.074.560), mas ativa apenas 3,46B por token, que a empresa arredonda para cerca de 3B. Todas as 50 camadas são MoE, cada uma com um especialista compartilhado e seis especialistas roteados de um total de 384. O contexto nativo é de 262.144 tokens, e a Aleph Alpha diz ter validado a qualidade até 1.048.576 tokens. O vocabulário de 128.000 tokens é ajustado para palavras compostas do alemão. Só alemão e inglês são suportados, o conhecimento vai até 18 de junho de 2026, e o modelo oferece quatro níveis de esforço de raciocínio (none, low, medium, high) além de chamada de ferramentas nativa.

Por que as pessoas procuram o Kolibri-1 sem censura

O modelo foi treinado para recusar e se abster: os termos de uso da Aleph Alpha proíbem usos ilegais e pedem que quem o implanta adicione suas próprias proteções, e o modelo aprende a dizer que não sabe quando faltam evidências. Por isso, quem escreve ficção adulta ou faz roleplay procura um Kolibri-1 sem censura. Isso só existe como modificações não oficiais da comunidade, como pesos abliterated, que exigem hardware grande e não têm garantia de qualidade. O Spicy AI não hospeda o modelo da Aleph Alpha; o chat daqui usa outro modelo, sem filtros de conteúdo, para adultos que consentem.

Benchmarks do Kolibri-1 contra Qwen3.6 e Nemotron 3 Super

Todas as pontuações publicadas são autodeclaradas pela Aleph Alpha; até 15 de outubro de 2026 não havia reprodução independente. No blog de lançamento, o modelo marca 96,9 no AIME 2025 contra 84,6 do Qwen3.6-35B-A3B e 91,7 do Nemotron 3 Super 120B-A12B, e 84,3 no GPQA Diamond contra 83,4 e 78,0. Nas versões em alemão continua à frente: 87,5 no AIME 2025 (DE) e 81,3 no GPQA Diamond (DE). O Qwen3.6 vence no BFCL v4 (67,2 contra 61,4), no LongBench Pro (70,8 contra 64,5) e no τ²-bench telecom (99,1 contra 94,7). A Aleph Alpha afirma que o modelo iguala sistemas com até quatro vezes mais parâmetros ativos, citando o Nemotron 3 Super.

Pontuações do blog de lançamento da Aleph Alpha, escala 0–100. Sem reprodução independente.

Como o Kolibri-1 foi treinado

A Aleph Alpha documenta o treinamento com um nível de detalhe incomum. O pré-treinamento usou cerca de 20 trilhões de tokens com sequências de 16.384 tokens, seguido de 3,44 trilhões de tokens de treinamento intermediário em 64k e cerca de 201 bilhões de tokens de contexto longo em 256k, perto de 24 trilhões no total. O trabalho rodou em 768 GPUs NVIDIA B200 na Alemanha e na Finlândia, e o pré-treinamento levou 21 dias. O model card aponta uma mistura de cerca de 62,5% de inglês, 23,9% de alemão e 13,6% de código. O pós-treinamento combinou um conjunto SFT de 268 bilhões de tokens com aprendizado por reforço em mais de 1,2 milhão de tarefas, e dados de abstenção ensinam o modelo a admitir quando o contexto não sustenta uma resposta. A Aleph Alpha diz ter desenhado o lançamento em torno do AI Act da UE, do Código de Boas Práticas GPAI e do GDPR, e estima a energia de treinamento em cerca de 950 MWh.

Licença: Apache 2.0 e seus limites

Os pesos e arquivos de configuração são publicados sob Apache 2.0, então você pode baixá-los, ajustá-los, redistribuí-los e usá-los comercialmente, desde que mantenha a licença e os avisos de atribuição. O model card define um limite: a licença cobre apenas os arquivos do repositório e não se estende ao código subjacente, à arquitetura, às configurações de parâmetros nem aos métodos de treinamento da Aleph Alpha, que continuam sendo propriedade intelectual da empresa. Hospedar por conta própria é grátis; a Aleph Alpha não publicou preço por token para uma API hospedada, e o acesso empresarial passa pela equipe de vendas.

Download no Hugging Face e requisitos de GPU

Existem só dois repositórios do fabricante: Aleph-Alpha/Kolibri-1 com pesos FP8 (cerca de 79 GB) e Aleph-Alpha/Kolibri-1-BF16 (cerca de 156 GB). O FP8 precisa de cerca de 78 GB de memória de GPU. O mínimo documentado é 2×A100 80GB, 2×H100 SXM5, 1×H200, 1×B200 ou 1×B300; segundo a Aleph Alpha, duas H100 atendem 18 requisições simultâneas de 256k tokens. O serviço roda no vLLM com o 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 passar de 262.144 tokens, adicione --max-model-len 1048576 e um override de max_position_embeddings. Amostragem recomendada: temperature 1,0, top_p 0,97 e top_k 128.

Quantizações GGUF, llama.cpp e Ollama

A Aleph Alpha não fornece arquivos GGUF, ONNX ou MLX. A conversão mais baixada é a Hob-forge/Kolibri-1-GGUF, cujo autor afirma que é independente e não endossada pela Aleph Alpha nem pelo llama.cpp. Os tamanhos vão de Q2_K com 28,6 GB a Q8_0 com 83,1 GB, passando por Q4_K_M com 47,5 GB. Na atualização de 8 de outubro, o llama.cpp oficial não suportava a arquitetura kolibri1, então é preciso o patch do repositório ou os binários pré-compilados do autor, e Ollama e LM Studio ainda não conseguem carregá-lo. O autor relata cerca de 12,3 tokens por segundo com Q4_K_M num Ryzen 7 7800X3D com 128 GB de RAM, e cerca de 18 com a atenção numa GPU de 12 GB; são números autodeclarados, não benchmarks.

Tamanhos do repositório Hob-forge; os usos indicados são nossa orientação aproximada.

Versões abliterated e sem censura da comunidade

Várias variantes da comunidade tentam remover as recusas. huihui-ai/Huihui-Kolibri-1-BF16-abliterated-GGUF remove a direção de recusa dos pesos; iSkye/Kolibri-1-heretic e Blackfrost-AI/KOLIBRI-1-DERISKED-BF16 seguem ideias parecidas. Nenhuma é publicada ou testada pela Aleph Alpha, ninguém publicou benchmarks sobre quanta qualidade de raciocínio elas perdem, e exigem os mesmos 30 a 160 GB de memória dos originais. Remover recusas também não muda a licença nem a lei: conteúdo com menores, com pessoas reais sem consentimento ou outro material ilegal continua proibido. Para roleplay entre adultos sem essa instalação, um chat sem censura online é o caminho prático.

Nossa análise: pontos fortes e fracos do Kolibri-1

Lendo o model card e o material de lançamento lado a lado, o Kolibri-1 parece menos um chatbot genérico e mais um modelo de infraestrutura para organizações europeias que precisam manter os dados em servidores próprios. Seus melhores argumentos são eficiência e qualidade em alemão, não criatividade pura. São conclusões editoriais a partir dos fatos publicados, não resultados de testes nossos:

• Ponto forte: apenas 3,46B de parâmetros ativos, o que dá decodificação rápida para o tamanho quando muitos usuários dividem um nó de GPU.
• Ponto forte: o alemão é idioma de primeira classe, com tokenizer ajustado a palavras compostas e versões alemãs dos benchmarks.
• Ponto forte: pesos Apache 2.0 e um resumo de dados publicado facilitam a análise jurídica.
• Ponto fraco: ainda exige cerca de 78 GB de memória de GPU, então não é um modelo para notebook.
• Ponto fraco: outros idiomas, incluindo o chinês, não têm suporte nem avaliação oficial.
• Ponto fraco: em chamada de ferramentas e contexto longo fica atrás do Qwen3.6 nas próprias tabelas da Aleph Alpha.

Primeiras reações da comunidade

Duas semanas após o lançamento, não há reproduções independentes de benchmarks nem avaliações de usuários de longo prazo que pudéssemos verificar, então não citamos nenhuma. O que dá para medir é a atividade no Hugging Face, que mostra grande interesse em rodar o Kolibri-1 fora de um data center. Downloads indicam interesse, não qualidade:

• Hob-forge/Kolibri-1-GGUF somava 42.241 downloads e 26 likes em 15 de outubro de 2026, o maior número entre as conversões.
• O GGUF abliterated da huihui-ai chegou a 4.551 downloads, sinal de que muitos querem menos recusas.
• Usuários de Apple Silicon publicaram conversões MLX de 3 e 4 bits, e outros criaram variantes NVFP4 e um drafter EAGLE3.
• Um Space Gradio da comunidade surgiu em 4 de outubro, mas a Aleph Alpha não oferece chat de demonstração público.

Não é o livro Kolibri 1/2, o app Kolibri nem o Colibri LLM

Kolibri é um nome muito usado, então confira a que cada resultado se refere. Kolibri 1/2 é uma série de livros didáticos alemães do ensino fundamental, e as páginas de download do Kolibri costumam levar à plataforma educacional offline da Learning Equality para Windows e Android. O Colibri LLM, muitas vezes escrito com C, é um motor de inferência sem relação hospedado no GitHub. O modelo desta página é sempre o Aleph Alpha Kolibri-1, publicado pela organização Aleph-Alpha no Hugging Face; seu antecessor se chamava Kolibri Origin.

Dicas de prompt para o estilo Kolibri-1

1. O modelo só suporta oficialmente alemão e inglês, então rodando localmente funciona melhor nesses idiomas.
2. Use reasoning_effort none ou low para roleplay; high adiciona um raciocínio longo que raramente é necessário.
3. Mantenha o contexto em 262.144 tokens ou menos, a menos que realmente precise do modo 1M.
4. Trate as versões abliterated como experimentos e compare-as com o original.
5. Deixe claro que todos os personagens são adultos (18+) e nunca baseie uma cena em uma pessoa real.

Fontes

• Model card do Kolibri-1 (Hugging Face)
• Pesos BF16 do Kolibri-1 (Hugging Face)
• Blog de lançamento “Kolibri Has Landed” (Aleph Alpha)
• Comunicado de imprensa (Aleph Alpha)
• Hob-forge Kolibri-1 GGUF (terceiros)
• Huihui abliterated GGUF (terceiros)

Mais modelos de IA de chat sem censura

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