证据: 基准测试结果由厂商自行报告
Kolibri 1 — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
Aleph Alpha 的德英双语推理混合专家模型：总参数 78B，每个 token 约激活 3.5B，每层有 384 个路由专家加 1 个共享专家。内置推理强度（none、low、medium、high）和工具调用。官方通过 Aleph Alpha 固定版本的 vLLM 插件运行；标准的 llama.cpp、Ollama 和 LM Studio 目前都无法加载。基准测试结果来自 Aleph Alpha 自己的模型卡。
Kolibri 1 在 Q4_K_M 下约需 48 GB 显存——量化权重加框架开销，不含 KV 缓存。在 Apple Silicon 上，这部分来自统一内存。
按量化级别的显存与速度
计算基准：NVIDIA RTX 4090 (24 GB)。包含 8K 上下文的 KV 缓存，因此数值高于上方的主数字。
| 量化 | 显存 | 显存 | 速度（估算） | 适配 |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 26.6 GB | ~39 tok/s | 需卸载 | |
| Q3_K_M 3.41 bpw | 34.3 GB | ~35 tok/s | 需卸载 | |
| Q4_K_M 4.83 bpw | 48.4 GB | ~29 tok/s | 需卸载 | |
| Q5_K_M 5.67 bpw | 56.3 GB | — | 放不下 | |
| Q6_K 6.56 bpw | 65 GB | — | 放不下 | |
| Q8_0 8.50 bpw | 84.1 GB | — | 放不下 | |
| F16 16.00 bpw | 157.2 GB | — | 放不下 |
黑色标记 = NVIDIA RTX 4090 (24 GB) 上的可用显存。 估算来自内存带宽屋顶线模型，详见 方法说明页. Kolibri 1 显存计算器 →
运行 Kolibri 1
目录中能运行 Kolibri 1 的最便宜 GPU 是 NVIDIA DGX Spark (128 GB).
或在 Vast.ai 比较，低至 $0.77/小时 (typical low · varies)
作为亚马逊联盟成员，我们从符合条件的购买中获得收入。云 GPU 链接为推荐链接——我们可能获得佣金，您无需额外付费。
如何运行 Kolibri 1
目前没有 Ollama 或 LM Studio 路线：标准 llama.cpp 不支持该架构。官方路线：vLLM 加 Aleph Alpha 的 aleph-alpha-inference 插件，该插件固定一个 vLLM 次版本。社区路线：需要打补丁 llama.cpp 的实验性 GGUF，以及需要约 64 GB 统一内存的非官方 MLX 转换。
规格
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.
- 参数量
- 78.1 Billion (3.46B active)
- 上下文窗口
- 262,144
- 架构
- Mixture-of-Experts (384 routed + 1 shared, 4:1 sliding-window to full attention)
- 提供商
- Aleph Alpha
- 许可证
- Apache-2.0
- Practical deployment
- Workstation (large unified memory or pro GPU)
- 规格量化
- Q4_K_M
- 系统内存
- 64 GB
- 记录更新于
- 2026-10-06
Commercial use permitted. No usage restrictions beyond attribution.
限制与注意事项
- 2026 年 10 月 3 日发布；成熟度为“早期版本”。
- 没有标准的 Ollama、llama.cpp 或 LM Studio 路线；官方路线需要 Aleph Alpha 固定版本的 vLLM 插件，MLX 版本是社区转换。
- 仅支持德语和英语（刻意追求深度而非广度）；仅文本。
- 许可仅涵盖权重和配置文件；代码、架构和训练方法仍归 Aleph Alpha 所有。
- 社区 GGUF 属于实验性质，在 GPU 后端以及超过 8,192 个 token 的上下文上未经验证。
质量与使用场景
评分由模型作者或独立评测方发布——衡量质量而非吞吐量，并非我们实测。
Kolibri 1 — 常见问题
How much VRAM does Kolibri 1 need?
About 48 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Kolibri 1 run on an RTX 4090 (24 GB)?
No. Kolibri 1 needs about 48 GB at Q4_K_M, more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.
How do I run Kolibri 1 locally?
目前没有 Ollama 或 LM Studio 路线：标准 llama.cpp 不支持该架构。官方路线：vLLM 加 Aleph Alpha 的 aleph-alpha-inference 插件，该插件固定一个 vLLM 次版本。社区路线：需要打补丁 llama.cpp 的实验性 GGUF，以及需要约 64 GB 统一内存的非官方 MLX 转换。 Running the published tag would send your prompts to a hosted GPU rather than your own machine.