Aleph Alpha a mis en ligne le 3 octobre 2026, jour de la fête de l'Unité allemande, Kolibri 1, un modèle de langage à mélange d'experts dont les poids complets sont téléchargeables sur Hugging Face sous licence Apache 2.0. Le modèle compte 78,1 milliards de paramètres, dont 3,46 milliards activés pour chaque jeton, et n'est déclaré que pour l'allemand et l'anglais. L'éditeur de Heidelberg l'accompagne d'un billet technique, d'un rapport technique de 189 pages et d'un résumé public des données d'entraînement. Le 6 octobre au matin, la fiche Hugging Face recensait 2 453 téléchargements sur trente jours glissants et 631 mentions « j'aime ».
La sortie intervient dix-sept jours après la signature, le 16 septembre, d'un accord de rapprochement définitif avec le canadien Cohere. Pour un acheteur public ou industriel européen, la question pratique porte donc sur ce que la licence lui garantit, indépendamment de l'actionnaire qui pilotera les prochaines versions.
3,46 milliards de paramètres actifs, 78 Go en mémoire
Selon la fiche du modèle, Kolibri empile 50 couches, chacune dotée de 384 experts routés et d'un expert partagé ; à chaque jeton, six experts routés sont sélectionnés en plus de l'expert partagé. Le rapport technique chiffre la part de paramètres sollicités à 4,4 %. Seules 10 couches lisent l'intégralité du contexte, les 40 autres se limitent à une fenêtre de 512 jetons, ce qui borne le calcul et la mémoire quand le texte s'allonge. La longueur de contexte native est de 262 144 jetons. Aleph Alpha dit avoir validé la qualité jusqu'à 1 048 576 jetons mais recommande de ne pas dépasser 262 144 jetons pour les déploiements sensibles à la latence ou au débit et pour les tâches complexes.
La contrepartie, la fiche du modèle l'écrit elle-même : le modèle entier doit résider en mémoire, même si une petite fraction travaille. Les poids en FP8 occupent environ 78 Go. La configuration minimale annoncée va de deux A100 80 Go ou deux H100 SXM5 à un seul H200, B200 ou B300 ; la configuration recommandée retient deux H100 SXM5, deux H200, un B200 ou un B300. Le billet justifie la taille retenue par le coût de service. Une configuration expérimentale de 123 milliards de paramètres, testée pendant le développement, ne traitait que trois requêtes simultanées de 256k jetons sur deux H100, contre 18 pour la version publiée, qui décode aussi 28 % plus vite.
Le déploiement passe par un greffon vLLM maison, aleph-alpha-inference, publié sur GitHub sous la même licence Apache 2.0.
Un corpus allemand et anglais, sans le français
Le préentraînement a porté sur 20 000 milliards de jetons : environ 62,5 % d'anglais, 23,9 % d'allemand et 13,6 % de code selon la fiche technique. Le billet de blog retient pour sa part 21,3 % d'allemand, soit environ 4 300 milliards de jetons vus après suréchantillonnage. S'y ajoutent 3 440 milliards de jetons en phase intermédiaire et 201 milliards pour l'extension du contexte. Selon la fiche, le tokenizer entraîné sur ce mélange compresse l'allemand à 4,7 octets par jeton.
L'entraînement a mobilisé 768 GPU Nvidia B200 : 21 jours et 392 000 heures GPU pour le seul préentraînement. La consommation de ces phases, hors post-entraînement, est estimée à 950 MWh. Les connaissances implicites du modèle s'arrêtent au 18 juin 2026.
La fiche ne déclare que deux langues et présente ce périmètre comme « un choix délibéré de profondeur plutôt que d'étendue ». Pour une administration ou une entreprise française, ce périmètre conditionne le choix du modèle. Mistral Small 4, par comparaison, revendique des dizaines de langues, dont le français, et accepte des images en entrée. Tout déploiement de Kolibri sur des documents français suppose donc un test préalable.
| Kolibri 1 | Mistral Small 4 | Qwen3.6 35B-A3B | |
|---|---|---|---|
| Paramètres totaux | 78,1 Md | 119 Md | 35 Md |
| Paramètres actifs par jeton | 3,46 Md | 6,5 Md | 3 Md |
| Contexte natif | 262 144 jetons | 262 144 jetons (256k) | 262 144 jetons |
| Entrées | texte | texte et image | texte et image |
| Langues déclarées | allemand, anglais | des dizaines, dont le français | non détaillées dans la fiche |
| Licence | Apache 2.0 | Apache 2.0 | Apache 2.0 |
| Score global anglais / allemand (mesure Aleph Alpha) | 75,5 / 70,8 | 63,1 / 61,4 | 71,4 / 67,3 |
Sources : fiches Hugging Face de Kolibri 1, Mistral Small 4 et Qwen3.6 35B-A3B ; scores tirés du tableau d'évaluation d'Aleph Alpha.
Des scores mesurés par l'éditeur, sur son propre banc
Aleph Alpha compare Kolibri à une douzaine de modèles ouverts, dont Qwen3.6 35B-A3B, Nemotron 3 Super 120B-A12B, Mistral Small 4 119B-A6B et GPT-OSS 120B. Le billet précise que les tests ont été conduits « avec nos propres harnais », chaque modèle étant réglé, lorsque c'était possible, sur son effort de raisonnement maximal. Sur la moyenne globale, Kolibri obtient 75,5 en anglais et 70,8 en allemand, devant Nemotron 3 Super (73,0 et 67,9) et GPT-OSS 120B (72,3 et 70,2).
Le même tableau montre des écarts défavorables. Sur SWE-Bench Verified, Kolibri marque 66,4 contre 73,8 pour Qwen3.6 35B-A3B ; sur BFCL v4, 61,4 contre 67,2. En correction d'erreurs factuelles (RGB Fact-Check), il tombe à 34,0, quand Nemotron 3 Super atteint 90,0. Le modèle dense Qwen3.8 27B, grisé dans le tableau, obtient 80,2 en anglais et 79,9 en allemand. Les cinq suites sectorielles mises en avant sont internes à l'éditeur. Sur celle consacrée au secteur public allemand, Kolibri obtient 75,0, contre 80,0 pour Qwen3.5 35B-A3B et 78,0 pour Nemotron 3 Super.
Apache 2.0 : des droits irrévocables sur les seuls poids
La licence Apache 2.0 accorde à chaque utilisateur un droit « perpétuel, mondial, non exclusif, gratuit, libre de redevances et irrévocable » de reproduire, modifier, sous-licencier et distribuer l'œuvre (article 2). Elle y ajoute une licence de brevets qui ne tombe que si le licencié attaque lui-même l'œuvre en contrefaçon de brevet (article 3). La redistribution impose de conserver la licence et les mentions d'origine (article 4). La marque n'est pas concédée (article 6) et l'œuvre est fournie « en l'état », sans garantie (article 7).
Pour un acheteur, une copie des poids téléchargée aujourd'hui reste donc exploitable, modifiable et redistribuable quel que soit le futur propriétaire d'Aleph Alpha. La licence ne garantit en revanche ni les versions suivantes, ni la maintenance, ni le support. La section « License and terms » de la fiche restreint aussi le périmètre. Les droits ne portent que sur les poids et les fichiers de configuration du dépôt. Le code sous-jacent, l'architecture, les paramètres de réglage et les méthodes d'entraînement n'en relèvent pas : Aleph Alpha en conserve tous les droits.
Le paragraphe « Responsible Use », qui renvoie aux pratiques interdites par l'article 5 de l'AI Act, est rédigé comme une invitation adressée aux utilisateurs. Aleph Alpha se déclare signataire du code de bonnes pratiques européen pour les modèles d'IA à usage général et publie un résumé des données selon le modèle de la Commission. Son communiqué du 5 octobre ajoute que toutes les données ont été filtrées contre une liste de plus de 4,5 millions d'URL, alimentée entre autres par la liste de surveillance du piratage de la Commission européenne.
En juin, la dépendance envers un modèle servi par API s'est matérialisée. Le 12 juin, le gouvernement américain a soumis Fable 5 et Mythos 5 à des contrôles à l'export qui imposaient d'en restreindre l'accès aux ressortissants étrangers. Faute de pouvoir vérifier la nationalité en temps réel, Anthropic a suspendu les deux modèles pour tous ses utilisateurs, selon le récit publié par l'éditeur. Les contrôles ont été levés le 30 juin : Fable 5 est redevenu accessible à l'ensemble des utilisateurs le 1er juillet, Mythos 5 dans un premier temps seulement pour un ensemble d'organisations américaines. Des poids détenus localement échappent à ce type de coupure.
« No foreign control » et un rapprochement en cours avec Cohere
Le billet du 3 octobre affirme que les équipes ont construit le modèle en Allemagne et l'ont entraîné sur des infrastructures situées en Allemagne et en Finlande, « sous droit européen et allemand, sans contrôle étranger ». Il ne mentionne pas Cohere. Selon le tableau du billet, le préentraînement de Kolibri s'est achevé le 11 septembre, cinq jours avant l'accord.
Cohere a annoncé le 16 septembre la signature d'un accord de rapprochement définitif. L'ensemble opérera sous le nom Cohere, avec un double siège à Berlin et à Toronto, le bureau de Heidelberg conservé comme centre de recherche et plus de 1 000 salariés. Ilhan Scheer, seul directeur général d'Aleph Alpha depuis le départ du codirecteur général Reto Spörri le 28 septembre, doit devenir directeur des opérations de l'ensemble. Le texte précise que la société combinée opérera dans les cadres juridiques des deux pays. Le communiqué du 5 octobre d'Aleph Alpha rappelle l'accord et indique que l'entreprise « continue d'opérer de manière indépendante » jusqu'à la clôture.
La revendication de souveraineté décrit les conditions dans lesquelles Kolibri 1 a été produit. Si le rapprochement aboutit, les versions suivantes sortiront d'une entreprise germano-canadienne.
Kolibri, Mistral Small 4 ou un modèle chinois : le critère de la langue
Pour une DSI qui traite surtout des documents allemands ou anglais et dispose d'un B200 ou de deux H100, Kolibri offre un modèle européen à poids ouverts sous licence permissive. Son calcul par jeton est proche de celui de Qwen3.6 35B-A3B. Pour des corpus en français, Mistral Small 4 déclare la langue et la vision, au prix de 119 milliards de paramètres à loger ; c'est l'éditeur avec lequel l'État a contracté pour ses ministères.
Qwen3.6 35B-A3B est lui aussi publié sous Apache 2.0. L'origine de cette famille de modèles a pourtant déjà pesé dans un choix public. Le 23 juin, selon une enquête du Monde, la direction générale du Trésor a interrompu un assistant interne adossé à un modèle Qwen après des réponses jugées orientées. La fiche de Kolibri reconnaît de son côté que ses données d'entraînement contiennent des contenus générés par des modèles chinois, dont Aleph Alpha dit avoir réduit les biais politiques par filtrage et par un entraînement d'alignement dédié. Le Portugal a choisi une autre voie avec Amália, un modèle public financé 7 millions d'euros.
La clôture du rapprochement, soumise aux autorisations réglementaires, est attendue avant la fin de l'année selon Cohere.