Kolibri-1 di Aleph Alpha: il modello AI sovrano tedesco con licenza Apache 2.0

Il 3 ottobre 2026 Aleph Alpha ha rilasciato Kolibri-1, un modello linguistico pensato per il tedesco e l’inglese e distribuito con licenza Apache 2.0. Non è l’ennesimo modello open che si misura a colpi di classifica: è un tassello preciso della strategia europea sull’AI sovrana, quella che punta a far girare l’intelligenza artificiale su infrastrutture controllate da chi la usa, senza mandare documenti sensibili a un data center lontano.

Il rilascio arriva in un momento particolare per l’azienda tedesca, ormai legata a Cohere da un’operazione che molti osservatori leggono come la nascita di un contrappeso transatlantico ai grandi laboratori americani e cinesi. Vediamo cosa è stato pubblicato, come è fatto Kolibri-1 e perché può interessare anche chi lavora in Italia.

Cos’è Kolibri-1 e come è fatto

Secondo la scheda ufficiale del modello pubblicata su Hugging Face, Kolibri-1 è un modello di ragionamento basato su architettura Mixture-of-Experts. In pratica il modello contiene 78 miliardi di parametri complessivi, ma per ogni token ne attiva soltanto circa 3,46 miliardi, scegliendo tra 384 esperti per ogni livello. È la stessa idea che ha reso efficienti molti modelli recenti: tanta capacità a disposizione, ma un costo di calcolo per richiesta molto più vicino a quello di un modello piccolo.

Il risultato pratico è che i requisiti hardware dichiarati restano contenuti per un modello di questa taglia: la scheda indica come minimo due GPU A100 da 80 GB o equivalenti. Per un ente pubblico o per un’azienda regolamentata che vuole tenere tutto in casa, è la differenza tra un progetto realistico e un progetto fuori budget.

Il contesto è un altro punto forte. La finestra nativa è di 262.144 token e, per estrapolazione, può arrivare fino a 1.048.576 token. Sono numeri che permettono di dare in pasto al modello interi fascicoli, normative, contratti o archivi di documenti, una condizione tipica della pubblica amministrazione.

Ragionamento, strumenti e dati di addestramento

Kolibri-1 offre tre modalità di ragionamento, bassa, media e alta, così da bilanciare qualità e velocità a seconda del compito. Supporta la chiamata di strumenti e punta a flussi di lavoro con agenti sottoposti a revisione umana, oltre che al recupero di informazioni da basi documentali.

Sul fronte dell’addestramento, la scheda parla di un pre-addestramento su 20 trilioni di token di dati bilingui filtrati: circa il 62,5% in inglese, il 23,9% in tedesco e il 13,6% di codice. Seguono una fase intermedia, l’estensione del contesto lungo, la messa a punto supervisionata e l’apprendimento per rinforzo.

Una quota di tedesco vicina a un quarto del corpus non è casuale: è il modo con cui il laboratorio prova a offrire risultati solidi nella lingua dei suoi clienti istituzionali, senza dipendere da modelli addestrati soprattutto in inglese.

Perché si parla di AI sovrana

Il racconto che accompagna il lancio, riportato da Startup Fortune, insiste su un concetto: il modello è progettato per girare su infrastrutture di proprietà e sotto il controllo del cliente. Il bersaglio dichiarato è la pubblica amministrazione tedesca e i settori regolamentati come sanità, difesa, energia e finanza, dove i dati non possono semplicemente attraversare i confini o finire in cloud di terze parti.

Questa idea ha una logica industriale chiara. Per molti enti il problema non è tanto la qualità assoluta di un modello, quanto la possibilità di dimostrare dove si trovano i dati, chi può accedervi e quali norme si applicano. Un modello con pesi aperti, eseguibile su server propri, risponde a queste domande in modo molto più semplice di un servizio via API.

Non è una tendenza isolata. Negli ultimi mesi abbiamo raccontato iniziative simili, dall’investimento di Canada e Germania in LawZero alle collaborazioni industriali francesi, come l’accordo tra TotalEnergies e Mistral. Il filo comune è la volontà europea di avere alternative credibili e controllabili.

La sovranità, insomma, sta diventando una caratteristica di prodotto e non più soltanto uno slogan politico.

Il contesto: Aleph Alpha e Cohere

Per capire il peso di Kolibri-1 bisogna guardare la cornice societaria. Come riportato da BetaKit, il 24 aprile 2026 Cohere ha annunciato l’operazione con Aleph Alpha, presentata pubblicamente come una fusione. Secondo le stime del Financial Times citate dalla testata, l’entità combinata varrebbe circa 20 miliardi di dollari, mentre i termini finanziari non sono stati comunicati ufficialmente.

Tra i protagonisti c’è Schwarz Group, il gruppo tedesco della grande distribuzione già azionista di Aleph Alpha, che si è impegnato a investire 500 milioni di euro e a guidare il prossimo round di finanziamento. L’obiettivo dichiarato è costruire una potenza transatlantica dell’AI sovrana, un’alternativa per organizzazioni che non vogliono affidare il controllo dei propri sistemi a un singolo fornitore o a una sola giurisdizione.

Cohere non è nuova a mosse di questo tipo. Il gruppo canadese ha già puntato su modelli aperti e mirati ai compiti aziendali, come nel caso di North Small Translate, e Kolibri-1 si inserisce nello stesso solco: modelli efficienti, rilasciabili e usabili in contesti controllati.

Cosa non sappiamo ancora

Va detto con chiarezza che il lancio è appena avvenuto e mancano alcuni elementi decisivi. Startup Fortune sottolinea che Aleph Alpha non ha pubblicato, insieme all’annuncio, risultati di benchmark indipendenti. La scheda del modello parla di risultati solidi su conoscenza, matematica, codice e compiti agentici in entrambe le lingue, ma finché non arriveranno verifiche di terze parti conviene trattare queste affermazioni con prudenza.

Altre domande restano aperte: quanto sarà competitivo Kolibri-1 rispetto ai modelli aperti più diffusi, quanto costerà metterlo in produzione con strumenti di servizio reali e quali integrazioni offrirà Aleph Alpha ai clienti pubblici. Sono tutti aspetti che si chiariranno solo con i primi test sul campo.

Resta però un dato di fatto interessante: pubblicare i pesi con licenza permissiva significa permettere a università, aziende e sviluppatori di valutare il modello in autonomia, e questo è già un passo avanti rispetto a molte offerte chiuse.

Cosa cambia per chi lavora con l’AI in Europa

Per un professionista, un’agenzia o un’azienda italiana, Kolibri-1 non è una scelta immediata: il modello è ottimizzato per tedesco e inglese, non per l’italiano. Ma il suo arrivo è un segnale utile per chi deve valutare strategie di adozione dell’AI in contesti regolamentati, dove la localizzazione dei dati conta quanto la qualità delle risposte.

Il primo effetto riguarda la scelta tra servizi in cloud e modelli ospitati in proprio. Con architetture Mixture-of-Experts efficienti, la seconda strada diventa praticabile anche per organizzazioni di medie dimensioni, soprattutto se il carico di lavoro è prevedibile e i dati sono delicati. Chi vuole approfondire il tema dei modelli compatti può partire dalla nostra guida ai Small Language Models.

Il secondo effetto è competitivo. Quando più laboratori europei offrono modelli aperti e utilizzabili on premise, i grandi fornitori statunitensi sono spinti a rivedere prezzi, condizioni e garanzie sulla gestione dei dati. Per chi acquista, più alternative significano più potere negoziale.

Il terzo effetto riguarda la lingua. Un modello con una quota così rilevante di tedesco nei dati dimostra che l’addestramento bilingue mirato può dare risultati utili senza inseguire la scala dei modelli più grandi. È un’indicazione interessante anche per chi, in Italia, sogna un modello davvero forte sull’italiano per amministrazione e imprese.

Conclusioni: cosa fare adesso

Kolibri-1 è un rilascio da seguire con attenzione, non da celebrare a scatola chiusa. Ha numeri tecnici concreti, una licenza aperta e un posizionamento chiaro sull’AI sovrana, ma gli mancano ancora le prove indipendenti che ne misurino davvero le prestazioni.

Il consiglio è pratico: se gestisci progetti con dati sensibili, tieni il modello nella tua lista di valutazione e leggi la scheda su Hugging Face per verificare requisiti e limiti. Se invece segui il mercato, osserva come evolverà l’asse Cohere e Aleph Alpha nei prossimi mesi. Continua a seguire intelligenzaartificiale.net per gli aggiornamenti e dimmi nei commenti se useresti un modello sovrano nella tua attività.