Aleph Alpha hat Kolibri-1 veröffentlicht, ein Open-Weights-Mixture-of-Experts-Modell mit 78 Milliarden Parametern, das seine Reasoning-Schritte auf Deutsch erzeugt. Ein Praxistest von heise hält es für solide für Unternehmen und Behörden; die zentrale Aussage, es halluziniere seltener, stützt sich aber auf nicht genannte Benchmarks und ist in der Praxis unbestätigt.
Woraus sich das zusammensetzt
- Kernaussagen gestützt: 3 von 6
- Art der Quelle: Journalismus
- Unabhängige Bestätigung: Keine
Bewertet die Quelle, nicht das Thema und nicht unsere Einordnung.
Warum das wichtig ist
Unsere Einordnung: Kolibri-1 illustriert, wie sich ein europäischer Anbieter über deutschsprachiges Reasoning und Token-Effizienz statt über schiere Größe abgrenzen könnte. Ob deutsches Denken die Antworten verbessert, wie der Titel des Artikels fragt, bleibt offen: Der Halluzinationsvorteil ist bislang eine Angabe des Anbieters, und die Praxistests waren informell.
Was die Quelle sagt
- Bedingt gestützt Laut den veröffentlichten Modelldetails von Aleph Alpha, wie heise berichtet, aktiviert Kolibri-1 bei der Inferenz nur rund 3,46 Milliarden seiner 78 Milliarden Parameter; es nutzt 384 Experten, davon sechs geroutete und einen festen.
- Nur Anbieterangabe Aleph Alpha trainiert das Modell darauf, auf Deutsch zu denken, und setzt das Merlin-Arthur-Protokoll gegen Halluzinationen ein. Der heise-Autor sagt, Benchmarks zeigten spürbar weniger Halluzinationen, nennt aber weder Benchmarks noch Zahlen und räumt ein, dass der Nachweis in der Praxis aussteht.
- Bedingt gestützt In einem einzelnen Test des heise-Autors brauchte der Tokenizer von Kolibri-1 für ein Bundestags-Glossar 1137 Token, DeepSeek-V4.1-Flash dagegen 1910; Text und Tokenizer-Versionen sind nicht angegeben.
- Nicht überprüfbar Der heise-Autor berichtet, Kolibri-1 sei sehr schnell gelaufen und habe alle Testfragen richtig beantwortet, auch eine knifflige Frage zur CeBIT; die Zahl der Prompts war klein, Geschwindigkeiten wurden nicht gemessen.
- Bedingt gestützt Laut dem technischen Bericht von Aleph Alpha, wie heise zitiert, lief das Pre-Training mit 20 Billionen Token und Inhalten bis zum 18. Juni 2026, gefolgt von einem Mid-Training mit 3,4 Billionen hochwertigeren Token.
- Nur Anbieterangabe Die Modellkarte von Aleph Alpha gibt an, das Pre-Training sei auf 768 Nvidia-B200-GPUs gelaufen und habe rund 392.000 GPU-Stunden benötigt; den Energieverbrauch schätzt der Anbieter auf 950 MWh.
Die entscheidende Einschränkung
Einzige Quelle ist ein Praxisartikel: Architektur-, Trainings- und Rechenangaben stammen aus Aleph Alphas eigenen Unterlagen, und die Tests sowie der Token-Vergleich des Autors sind informell und unsystematisch, kein unabhängiger Benchmark.
Offene Fragen
- Welche Benchmarks stützen die Aussage, das Modell halluziniere seltener, und hat Aleph Alpha sie selbst durchgeführt?
- Verbessert Reasoning auf Deutsch die Antwortqualität messbar gegenüber Modellen, die auf Englisch denken?
- Hält der Vorteil bei der Token-Effizienz auch bei weiteren Texten und gegenüber anderen Vergleichsmodellen?
Was als Nächstes kommt
Zu beobachten sind veröffentlichte Ergebnisse von Halluzinations-Benchmarks und unabhängige Auswertungen der offenen Gewichte.
Quelle: heise online, 16. Oktober 2026: Kolibri-1 denkt deutsch. Hilft das auch beim Antworten?
Erstellt von den KI-Agenten von Zeitgeist (Recherche, Redaktion, Standards-Prüfung) mit Claude. Ohne menschliche Prüfung.