Aleph Alpha Rilis Kolibri, Model AI Mandiri untuk Server Internal Kantor
Kolibri hadir untuk perusahaan yang ingin memakai AI pada server sendiri tanpa khawatir data rahasia bocor ke luar.
Ilustrasi: AINewsID
Poin penting
- Kolibri memakai 78,1 miliar parameter namun hanya mengaktifkan 3,46 miliar parameter per kata.
- Model ini dapat dipasang di server milik sendiri sehingga data sensitif kantor tetap aman.
- Kolibri dirancang membaca dokumen panjang dan dilatih jujur saat data rujukan tidak lengkap.
Perusahaan asal Jerman, Aleph Alpha, merilis model kecerdasan buatan baru bernama Kolibri. Model bahasa besar ini bisa dipasang langsung pada server internal perusahaan.
Langkah ini memberi kendali penuh bagi pemilik bisnis. Data sensitif perusahaan tidak perlu dikirim ke server pihak ketiga di luar negeri.
Menurut ulasan Tejas Kumar, Kolibri dirilis pada 3 Oktober 2026 dengan lisensi terbuka Apache 2.0. Model ini dibangun sesuai aturan ketat privasi data Uni Eropa.
Hemat Daya Komputasi dengan Sistem Spesialis
Kolibri dibangun dari 78,1 miliar parameter atau unit pemroses data. Model ini dilatih pada 768 unit kartu grafis NVIDIA B200 di Jerman dan Finlandia.
Meski berukuran besar, Kolibri hanya mengaktifkan 3,46 miliar parameter per kata. Cara kerjanya mirip pembagian tugas dokter spesialis di rumah sakit.
Kolibri membagi jaringan ke dalam 384 modul ahli. Sistem lalu memilih enam ahli yang paling sesuai untuk membaca setiap kata.
Pendekatan ini membuat proses berpikir komputer menjadi jauh lebih hemat daya. Namun, perusahaan tetap butuh memori grafis sebesar 78 gigabita untuk menyimpannya.
Lebih Jujur Membaca Dokumen Panjang
Kolibri dirancang untuk memeriksa ribuan halaman berkas bisnis sekaligus. Kapasitas bacanya teruji hingga satu juta token atau satuan kata.
Kolibri juga memakai pemecah kata bernama UniBPE. Alat ini 11,2 persen lebih hemat token dibanding milik GPT-5 saat membaca teks Jerman.
Model ini dilatih khusus agar tidak mudah mengarang fakta bohong. Kolibri belajar menolak menjawab jika bukti pada dokumen tidak ditemukan.
Pada uji Omniscience, Kolibri berani mengaku tidak tahu sebanyak 44 persen. Angka kejujuran ini melampaui sebagian besar model pembanding di kelasnya.
Dampak bagi Keputusan Bisnis
Kolibri diuji unggul pada berkas sektor publik, otomotif, dan semikonduktor. Namun, model ini masih lemah dalam membuat kode pemrograman dan menjawab kuis tanpa dokumen pendukung.
Bagi para direktur, Kolibri menjadi pilihan menarik untuk mengolah dokumen rahasia. Perusahaan dapat menikmati bantuan AI cerdas tanpa takut melanggar aturan kerahasiaan data.
Lihat hasil pemeriksaan
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Aleph Alpha merilis model AI Kolibri yang dapat dipasang di server internal kantor. | Didukung | “In plain words, a ministry or a car supplier can run it on its own servers, with its data never leaving the building.” Dinyatakan dalam blog Tejas Kumar. |
| Kolibri dirilis pada 3 Oktober 2026 dengan lisensi terbuka Apache 2.0 dan dibangun dengan mempertimbangkan EU AI Act. | Didukung | “It came out on 3 October 2026 under the Apache 2.0 license” Dinyatakan dalam blog Tejas Kumar. |
| Kolibri memiliki total 78,1 miliar parameter namun hanya mengaktifkan sekitar 3,46 miliar parameter per token. | Didukung | “78.1 billion in total, 3.46 billion per token (4.4%)” Dinyatakan dalam blog Tejas Kumar. |
| Model dilatih menggunakan 768 GPU NVIDIA B200 pada infrastruktur di Jerman dan Finlandia. | Didukung | “Training about 24 trillion tokens, more than a fifth of them German, on 768 NVIDIA B200 graphics processing units (GPUs)” Dinyatakan dalam blog Tejas Kumar. |
| Kolibri memiliki 384 pakar per layer dan me-route tiap token ke 6 pakar. | Didukung | “Kolibri has 50 layers, each with 384 experts plus 1 shared expert that every token goes through, and its router sends each token to 6 of the 384.” Dinyatakan dalam blog Tejas Kumar. |
| Memori bobot model membutuhkan sekitar 78 GB (FP8). | Didukung | “Memory about 78 GB of weights in 8-bit floating point (FP8)” Dinyatakan dalam blog Tejas Kumar. |
| Konteks Kolibri diuji hingga 1.048.576 token (1 juta token). | Didukung | “Context 262,144 tokens natively, tested up to 1,048,576” Dinyatakan dalam blog Tejas Kumar. |
| Tokenizer UniBPE milik Kolibri membutuhkan 11,2% lebih sedikit token dibanding milik GPT-5 untuk teks bahasa Jerman. | Didukung | “needs 11.2% fewer tokens for German text than GPT-5’s tokenizer” Dinyatakan dalam blog Tejas Kumar. |
| Pada uji Omniscience, Kolibri menyatakan tidak tahu atau memberi jawaban parsial sebanyak 44% saat tidak mengetahui jawaban. | Didukung | “when Kolibri didn’t know an answer, it said so (or gave a partial answer) 44% of the time instead of making one up.” Dinyatakan dalam blog Tejas Kumar. |
| Kolibri diuji unggul pada dokumen industri seperti semikonduktor, sektor publik Jerman, dan otomotif, namun lebih lemah dalam coding dan pertanyaan tanpa dokumen pendukung. | Didukung | “The company-documents row is 5 tests Aleph Alpha built from customer-like work in semiconductors, the German public sector, aerospace, an automotive supplier and industrial drives” Dinyatakan dalam blog Tejas Kumar. |
Tanya jawab
Apa itu Kolibri dari Aleph Alpha?
Kolibri adalah model kecerdasan buatan dari perusahaan Jerman Aleph Alpha yang bisa dipasang langsung di server internal kantor. Model ini dirilis pada 3 Oktober 2026 dengan lisensi terbuka Apache 2.0.
Berapa kapasitas parameter dan memori yang dibutuhkan Kolibri?
Kolibri memiliki total 78,1 miliar parameter tetapi hanya mengaktifkan 3,46 miliar parameter per kata. Untuk menyimpannya, perusahaan memerlukan memori grafis sebesar 78 gigabita.
Sumber: Tejas Kumar: Aleph Alpha Kolibri: How the Sovereign German LLM Works
