AAirunsВойти

← Все модели

Карточка модели

Kolibri 1

aleph-alpha/kolibri-1
Сравнить с другой моделью

Характеристики

Семейство
—
Контекст (макс. по поставщикам)
1,05 млн токенов
Ввод (объединено)
текст
Вывод (объединено)
текст
Возможности
рассуждение, инструменты, структурированный вывод
Поставщиков
3

Значения объединены по всем поставщикам; у конкретного поставщика они могут быть уже. Точные данные — в таблице ниже.

Поставщики и цены

ПоставщикID у поставщикаКонтекстВвод, $/1MВывод, $/1MКэш чтениеКэш записьИнференс
Munito AIaleph-alpha/kolibri-11,05 млн$0.13$0.51$0.078——
Munito AI (EU)aleph-alpha/kolibri-11,05 млн$0.16$0.56$0.094——
NanoGPTaleph-alpha/kolibri-11,05 млн$0.168$0.588$0.0987——

«Доступен» — у Airuns настроен системный ключ этого поставщика, модель можно запускать прямо сейчас.

Hugging Face

Автоматическое совпадение по имени
Репозиторий
Aleph-Alpha/Kolibri-1
Скачивания
24 175
Лайки
995
Лицензия
apache-2.0
Задача
text-generation
Библиотека
transformers
Доступ к весам
открытый доступ
Обновлено
20.10.2026
Скачать с Hugging FaceСкачать с ModelScope

README · Aleph-Alpha/Kolibri-1

Отрывок на языке оригинала:

Kolibri is Aleph Alpha's mixture-of-experts (MoE) reasoning model, with a focus on German and English. The model supports an explicit reasoning mode and tool calling. It is optimized for long-context and inference efficiency.

Kolibri is intended to process text input and output in German and English and to perform a wide range of tasks beyond natural-language generation, for example multi-step reasoning, coding, structured extraction, retrieval-augmented generation, long-document processing and agentic tool calling.

Kolibri was pre-trained on sequences of 16,384 tokens, mid-trained on 65,536 and trained on 262,144 tokens in a final long-context phase, which is its native context length. Because positional encoding is applied only in the sliding-window layers, the context can be extended beyond that length without any position scaling, in principle to arbitrary lengths. We have validated…

Читать дальше на Hugging Face →

Бенчмарки из README

GPQA Diamond (EN)

Qwen3.8 27B89.2
Kolibri84.3
Qwen3.5 35B-A3B83.8
Qwen3.6 35B-A3B83.4
Gemma 4 26B-A4B IT81.1
Nemotron 3 Super 120B-A12B78.0
GPT-OSS 120B76.4
Qwen3-Next 80B-A3B Thinking76.1

GPQA Diamond (DE)

Qwen3.8 27B88.1
Qwen3.5 35B-A3B84.2
Kolibri81.3
Qwen3.6 35B-A3B80.6
Gemma 4 26B-A4B IT80.1
Nemotron 3 Super 120B-A12B76.6
GPT-OSS 120B76.0
Mistral Small 4 119B-A6B72.9

AIME 2025 (EN)

Qwen3.8 27B97.9
Kolibri96.9
Nemotron 3 Super 120B-A12B91.7
GPT-OSS 120B90.6
Nemotron 3 Nano 30B-A3B89.6
GLM-4.7 Flash 30B-A3B89.4
Qwen3.5 35B-A3B88.1
Gemma 4 26B-A4B IT87.3

AIME 2025 (DE)

Qwen3.8 27B96.5
GPT-OSS 120B90.6
Gemma 4 26B-A4B IT88.1
Kolibri87.5
Nemotron 3 Super 120B-A12B85.6
Nemotron 3 Nano 30B-A3B84.4
Qwen3.6 35B-A3B82.9
Qwen3-Next 80B-A3B Thinking80.6

AIME 2026 (EN)

Qwen3.8 27B97.7
Kolibri96.0
Qwen3.5 35B-A3B92.1
Qwen3.6 35B-A3B91.0
GPT-OSS 120B90.8
Nemotron 3 Super 120B-A12B90.4
Qwen3-Next 80B-A3B Thinking88.5
GLM-4.7 Flash 30B-A3B88.3

AIME 2026 (DE)

Qwen3.8 27B96.9
GPT-OSS 120B91.0
Kolibri90.0
Gemma 4 26B-A4B IT88.1
Nemotron 3 Super 120B-A12B87.5
Qwen3-Next 80B-A3B Thinking86.7
Qwen3.6 35B-A3B84.4
Nemotron 3 Nano 30B-A3B84.2

Данные авторов модели из README на Hugging Face; методики тестирования могут отличаться между моделями.

Источник каталога: https://models.dev/api.json. Получено: 01.11.2026 00:22 UTC. Цены и лимиты — данные источника; перед использованием проверяйте условия поставщика.