这是什么

德国公司 Aleph Alpha 这周在 Hugging Face 上开源了 Kolibri-1：总参数 780 亿（78B），但每个 token（模型处理的最小文本单位）只激活 35 亿参数（3.46B active）—— 这就是 MoE（Mixture of Experts，混合专家）架构的典型特征：模型很大，但跑起来不贵。

上下文窗口做到了 100 万 token（约等于一本《战争与和平》的长度），开源协议是 Apache 2.0（允许商用、修改、再闭源都可以，是对企业最友好的开源协议之一）。

Aleph Alpha 一直定位欧洲「主权 AI」（不依赖美国技术栈的本土 AI 方案），背后站着德国零售巨头 Schwarz 集团——也就是 Lidl 的母公司。

行业怎么看

我们注意到 Reddit 的 LocalLLaMA 社区和 Hugging Face 圈子里，工程师的看法比较分化。

正面声音：3.46B 激活参数意味着推理（一问一答时的实际算力消耗）成本接近一个中等小模型，但知识容量来自 78B。这是开源模型第一次在「大参数 + 小激活」组合上做到百万级上下文，对想做本地部署的企业是个信号。

但反对意见也很明确：

  • 78B MoE 部署显存（GPU 临时存储，模型运行时需要占用的内存）门槛不低，1M 上下文要 H100/A100 级显卡堆满才能跑，不是「本地就能玩」
  • Aleph Alpha 上一轮融资估值已经回调，过去一年商业化进展不快，开源更像是「不得不做」
  • 目前没有看到完整第三方基准测试，参数堆得好不好要看跑分，不是看 PDF 报告

对普通人的影响

对企业 IT：如果所在公司正在评估私有部署（把 AI 装在自家服务器上），MoE + 百万上下文正在成为新的「性价比参考线」。采购算力时，「总参数」已经不是核心指标，「激活参数 × 上下文长度」才是。

对个人职场：MoE 不会直接改变日常工作，但会改变 AI 工具的价格。开源 MoE 模型成熟后，企业版 ChatGPT 类订阅费（年人均几千到几万）会有下压空间。

对消费市场：短期内消费者用不到 Aleph Alpha 的模型。但它主攻欧洲政府和大型企业，这条路线如果跑通，意味着中国大模型公司在 B 端（企业客户）和 G 端（政府客户）面对的不只是美国方案，又多了一个欧洲选项。