Il 3 ottobre 2026 la tedesca Aleph Alpha ha pubblicato Kolibri, un modello IA open source europeo che chiunque può scaricare e far girare sui propri server. Ha 78 miliardi di parametri, ma per ogni token (un frammento di parola) ne usa circa 3,5 miliardi, e i pesi sono rilasciati con licenza Apache 2.0 (annuncio di Aleph Alpha).
Aleph Alpha lo presenta come un modello per i settori regolamentati, come pubblica amministrazione, industria e aerospazio, sviluppato tenendo conto fin dall’inizio dell’AI Act e del GDPR. Qui vediamo cosa significano open-weight e Mixture-of-Experts, cosa chiede l’AI Act a un modello come questo e che hardware serve per usarlo in azienda.
Kolibri è un modello linguistico di tipo Mixture-of-Experts specializzato in tedesco e inglese. Gestisce testi molto lunghi: il contesto nativo è di 262.144 token e, secondo la model card su Hugging Face, arriva fino a circa un milione di token, anche se per efficienza e compiti complessi Aleph Alpha consiglia di restare entro i 262.144. Ha una modalità di ragionamento regolabile su quattro livelli (nessuno, basso, medio, alto) e sa chiamare strumenti esterni, cioè API, ricerche o codice.
Il modello è stato sviluppato da team in Germania e addestrato su infrastrutture in Germania e Finlandia; il pre-addestramento ha usato 768 GPU NVIDIA B200 (report tecnico, ripreso anche da The Decoder). Le conoscenze implicite arrivano al 18 giugno 2026. Kolibri è inoltre addestrato a rispondere “non lo so” quando l’informazione non c’è nel contesto fornito, invece di tirare a indovinare.
I pesi sono i numeri che il modello ha imparato durante l’addestramento. Un modello open-weight li rende scaricabili: l’azienda li installa sui propri server e li usa senza passare da un servizio esterno. La licenza Apache 2.0 ne consente l’uso, anche commerciale, la modifica e la ridistribuzione.
La model card però precisa che la licenza copre solo i pesi e i file di configurazione pubblicati su Hugging Face: codice, architettura, impostazioni e metodi di addestramento restano di Aleph Alpha. “Open source” qui vale quindi nel senso dei pesi aperti.
In un modello Mixture-of-Experts (MoE) ogni strato contiene tanti piccoli sotto-modelli, gli esperti, e per ogni token se ne attivano solo alcuni. Kolibri ha 384 esperti per strato e ne usa 6 più uno condiviso, così su 78,1 miliardi di parametri ne lavorano circa 3,46 per token (model card). Il calcolo per token resta vicino a quello di un modello piccolo, e questo abbassa i costi di esecuzione.
Il compromesso riguarda la memoria. Anche se lavora solo una parte, il modello intero deve stare caricato nella memoria delle GPU, e questo pesa sulla scelta dell’hardware.
L’AI Act (Regolamento UE 2024/1689) chiama “modelli di IA per finalità generali” (GPAI) i modelli come Kolibri. Gli obblighi per chi li sviluppa si applicano dal 2 agosto 2025, e dal 2 agosto 2026 l’Ufficio europeo per l’IA ha i poteri per farli rispettare: può chiedere documentazione, valutare i modelli e applicare sanzioni (Commissione europea).
L’articolo 53 chiede ai fornitori di questi modelli quattro cose:
Per i modelli rilasciati con licenza libera e pesi pubblici, i primi due obblighi non si applicano. Copyright e riassunto dei dati di addestramento restano invece obbligatori. L’esenzione salta per i modelli “a rischio sistemico”, che l’articolo 51 presume quando l’addestramento supera 1025 operazioni in virgola mobile. La model card di Kolibri indica 6,4×1023 operazioni per il pre-addestramento, un valore molto lontano da quella soglia.
Aleph Alpha compare tra i firmatari del Codice di buone pratiche GPAI, lo strumento volontario che la Commissione riconosce come modo adeguato per dimostrare la conformità. Ha pubblicato il riassunto dei dati di addestramento sul modello della Commissione, e il report tecnico descrive filtri contro contenuti illegali e piratati, la rimozione dei dati personali dai testi di addestramento e verifiche sul rispetto dei robots.txt nei dataset di terze parti.
Tutto questo riguarda il modello. Chi ci costruisce sopra un sistema deve rispettare a sua volta le regole applicabili, come ricorda la stessa model card, che lo descrive come supporto a persone che rivedono i risultati. Per i sistemi ad alto rischio, dopo l’AI Omnibus, le regole scattano dal 2 dicembre 2027 per ambiti come lavoro, istruzione e infrastrutture critiche, e dal 2 agosto 2028 per l’IA integrata in prodotti regolamentati (Commissione europea).
Con un modello sui propri server i documenti interni non vengono inviati a servizi di inferenza di terze parti, ed è uno degli argomenti con cui Aleph Alpha presenta Kolibri (annuncio). Per chi tratta contratti, progetti tecnici, dati di produzione o pratiche amministrative, sapere dove stanno i dati semplifica anche il lavoro su GDPR e sicurezza.
La model card indica usi concreti: assistenti che rispondono sui documenti dell’organizzazione, stesura di testi, ricerca interna e flussi agentici che chiamano API, con una persona che controlla l’output. Il contesto lungo aiuta con manuali, capitolati o normative di centinaia di pagine.
Se stai valutando un progetto del genere, il primo passo pratico è capire dove gira il modello e chi lo gestisce. In VMS’S Group ci occupiamo di questa parte: infrastruttura, installazione e assistenza tecnica sui sistemi che ospitano l’IA.
Per un’azienda italiana questo è il limite principale. Kolibri dichiara il supporto per tedesco e inglese, e più di un quinto dei dati di pre-addestramento è in tedesco, con un tokenizer progettato per la struttura delle parole tedesche (annuncio). L’italiano non è tra le lingue dichiarate, e il report tecnico cita l’estensione ad altre lingue europee solo tra gli sviluppi di interesse futuri.
Per documentazione tecnica in inglese o per aziende che lavorano con la Germania può già avere senso provarlo. Per contenuti in italiano conviene un test sui propri documenti prima di qualsiasi decisione.
La versione principale usa pesi in formato FP8 e occupa circa 78 GB di memoria. Secondo la model card, la configurazione minima è una di queste: 2 NVIDIA A100 da 80 GB, 2 H100 SXM5, una H200, una B200 o una B300. Quelle consigliate sono 2 H100 SXM5, 2 H200, una B200 o una B300. Esiste anche una versione BF16, che richiede più memoria.
Al modello serve memoria oltre ai pesi, soprattutto con contesti lunghi e più utenti insieme. Aleph Alpha spiega di aver scelto questa taglia anche per questo: su due H100 una configurazione di questa dimensione serve 18 richieste contemporanee da 256.000 token, contro le 3 di una variante da 123 miliardi di parametri (annuncio).
Lato software Kolibri gira con vLLM e il plugin aleph-alpha-inference, disponibile anche come container, ed espone un’API compatibile con il formato OpenAI.
GPU diverse da quelle elencate non sono indicate da Aleph Alpha e vanno verificate con test sul carico reale prima dell’acquisto. Se hai già server con GPU in sala macchine, con VMS’S Group possiamo verificare insieme se bastano o cosa manca.
| Caratteristica | Kolibri (Kolibri-1) |
|---|---|
| Sviluppatore | Aleph Alpha (Germania) |
| Rilascio | 3 ottobre 2026 |
| Architettura | Mixture-of-Experts, 50 strati, 384 esperti per strato (6 attivi + 1 condiviso) |
| Parametri | 78,1 miliardi totali, circa 3,46 miliardi attivi per token |
| Contesto | 262.144 token nativi, fino a circa 1 milione |
| Lingue | Tedesco e inglese |
| Licenza | Apache 2.0 (pesi e file di configurazione) |
| Memoria richiesta | Circa 78 GB (pesi FP8) |
| GPU minime indicate | 2× A100 80 GB, 2× H100 SXM5, 1× H200, 1× B200 o 1× B300 |
| Software | vLLM con plugin aleph-alpha-inference, API compatibile OpenAI |
| AI Act | Aleph Alpha firmataria del Codice di buone pratiche GPAI, riassunto dei dati di addestramento pubblicato |
Prima di scegliere modello e hardware conviene partire da cosa vuoi far fare all’IA e su quali dati. Con VMS’S Group puoi:
Gli aspetti legali, come la classificazione del tuo sistema secondo l’AI Act, restano da valutare con i consulenti che seguono la conformità della tua azienda.
I pesi sono scaricabili e utilizzabili con licenza Apache 2.0, anche per uso commerciale. La licenza però non copre codice, architettura e metodi di addestramento, e i dati di addestramento non sono pubblicati (c’è il riassunto previsto dall’AI Act), per cui è più preciso definirlo un modello open-weight.
Aleph Alpha dichiara il supporto per tedesco e inglese. L’italiano non è tra le lingue dichiarate, quindi prima di usarlo su testi italiani serve un test sui propri documenti.
No. Gli obblighi dell’articolo 53 riguardano chi sviluppa il modello, e Aleph Alpha dichiara di rispettarli. Chi costruisce un sistema su Kolibri deve valutare gli obblighi che valgono per quel sistema, che dipendono da come e dove viene usato.
Il download dei pesi è gratuito. I costi sono quelli dell’infrastruttura (le GPU indicate nella model card), dell’energia, dell’integrazione con le applicazioni aziendali e della gestione nel tempo.
Raccontaci il tuo progetto con il modulo qui sotto: ti ricontattiamo per capire insieme casi d’uso, lingua dei documenti e infrastruttura necessaria.
Fonti:
Hai domande su questo argomento o vuoi capire come applicarlo alla tua azienda? Compila il modulo: ti ricontattiamo a breve.