---
title: "ドイツ発の新AI「Kolibri」はなぜ米中勢と作り方が違うのか。781億パラメータの主権AIモデルを読み解く"
description: "Aleph Alphaが公開したKolibriは約781億パラメータ、各MoE層で384個から6個を選び共有1個も使用。公開・合成データの学習、長い文脈の推奨条件と、主権AIという設計方針を読み分ける"
url: https://itpostjp.com/ai/aleph-alpha-kolibri-sovereign-open-weight-llm/
category: "AI・生成AI"
published_at: 2026-10-04T10:30:00Z
updated_at: 2026-10-04T10:30:04Z
author: "IT Post編集部"
editor: "編集長 千田智也"
publisher: "IT Post by Rice Studio Lab"
language: ja-JP
ai_generated: true
ai_model: claude-sonnet-5
terms: ["MoE（専門家混合）", "オープンウェイト"]
---

# ドイツ発の新AI「Kolibri」はなぜ米中勢と作り方が違うのか。781億パラメータの主権AIモデルを読み解く

IT Post編集部 ＆ 編集長 千田智也

Aleph Alphaが公開したKolibriは約781億パラメータ、各MoE層で384個から6個を選び共有1個も使用。公開・合成データの学習、長い文脈の推奨条件と、主権AIという設計方針を読み分ける

## 30秒で分かる結論

- ドイツのAleph Alpha社は2026年10月3日、新しい大規模言語モデル「Kolibri」をHugging Faceで公開しました。重みファイルを含む「オープンウェイト」モデルで、ライセンスはApache 2.0(商用利用・改変が可能)です。
- KolibriはMoE型で、総パラメータは約781億、1トークンの計算で使うアクティブパラメータは約34.6億です。各MoE層では384個から6個を選ぶほか、1個の共有エキスパートを使います。長い文脈や性能の検証値は開発元の説明です。
- 開発元は、ドイツとフィンランドのインフラで学習し、EUのAI法やGDPRなどを意識して設計したと説明しています。公開ウェブや公開データセット、選別・合成したデータを組み合わせており、「すべて自前の学習データ」ではありません。

## まず初めに

速さを競うAIの売り場に、「管理の仕方も見てほしい」と名乗るモデルが加わった。地味な自己紹介だが、業務の調達ではその地味さが仕事をする。ただし「主権AI」という看板を、そのまま安心の保証書にしてはいけない。規制を意識した設計と、自分の用途で要件を満たすことの間には、まだ確認作業がある。※個人の感想です

## 何が起きているのか

Aleph Alphaはドイツの生成AI企業で、2026年10月3日、新しい大規模言語モデル「Kolibri」を公開しました。モデルの重みファイルや設定ファイルはHugging Face上で公開され、ライセンスはApache 2.0です。Apache 2.0は、商用利用や改変、再配布を比較的自由に認めるオープンソースライセンスの一つです。

Kolibriは独英2言語に対応したMoE(Mixture of Experts、混合専門家)型のモデルです。MoEは、モデル内部に多数の「専門家」と呼ばれる小さなネットワークを用意し、入力ごとに一部だけを選んで計算する仕組みです。[公式モデルカード](https://huggingface.co/Aleph-Alpha/Kolibri-1)によると、総パラメータ数は約781億、1トークンあたりのアクティブパラメータは約34.6億です。各MoE層でルーティング対象の384個から6個を選び、それに加えて1個の共有エキスパートを使います。「6個だけが動く」という説明では共有部分が抜けています。計算量を抑えるための設計ですが、総パラメータ数が同じ別のモデルと同等の性能を保証するものではありません。

コンテキストの長さ(モデルが一度に読み込める文章量)は、公式モデルカードではネイティブに262,144トークンで学習し、1,048,576トークンまで品質と実行効率を検証したとされています。ただし、複雑な仕事や実行効率を重視する用途には262,144トークン以下を推奨しています。いずれも開発元の説明であり、IT Postが実測した結果ではありません。

Aleph Alphaは、Kolibriをドイツで開発し、ドイツとフィンランドのインフラで学習させたと説明しています。[公式ブログ](https://aleph-alpha.com/en/blog/kolibri-has-landed-a-sovereign-open-weight-model/)が自社で管理すると述べているのは、データの選別から学習・最適化までのパイプラインです。これを、利用したインフラやデータセンターもすべて自社所有だという意味には広げられません。

同社はEUのAI法、汎用AIの行動規範、GDPRなどを意識した設計を掲げています。これは開発元の設計方針の説明であり、すべての導入先や用途で規制への適合性・安全性を保証するものではありません。学習データも全量を自社が新しく作ったものではなく、公開ウェブや公開データセットと、選別・合成・言い換えなどをしたデータを組み合わせています。報道によれば、ベンチマークでは英語・ドイツ語の両方で、QwenやNVIDIAのNemotronシリーズなど、より大きいアクティブパラメータを持つ競合モデルと同等か、それを上回る性能を示したとされる一方、外部の文脈を与えずに知識を直接答えさせるテスト(クローズドブック形式)や、複数ターンにわたるツール呼び出し・コーディングの性能では、同程度の350億パラメータ級モデルに後れを取るとも報じられています。

なお、Aleph Alphaは、AI企業のCohereとの統合(報道では総額200億ドル規模)が進行中で、ドイツの小売大手Schwarz Group傘下のSchwarz Digitsから6億ドルの資金提供を受けているとも報じられています。

## なぜ重要なのか

生成AIの分野では、OpenAI・Google・Anthropicなど米国勢と、DeepSeek・Qwen・Moonshot AIなど中国勢の動向が大きく報じられる一方、欧州発の大規模モデルが話題になる機会は多くありません。Kolibriは、米中以外の地域でも、学習やデータの管理を重視する大規模モデルの開発が進んでいることを示す事例です。

「主権AI」という考え方は、AIの学習データや実行環境を自国・自地域内に置き、外部のクラウド事業者や他国の規制に依存しない形でAIを使えるようにする発想です。Kolibriは、官公庁や規制の厳しい業種を想定した管理方針を掲げ、商用利用も可能なApache 2.0ライセンスで重みを公開しています。ただし、ライセンスと学習場所の説明だけで、利用者の業務要件や法令上の条件を満たすと判断することはできません。

## 私たちへの影響

Kolibriは日本国内で直接提供されているサービスではなく、今すぐ私たちの生活に影響するものではありません。ただし、オープンウェイトかつApache 2.0ライセンスで公開されているため、日本の開発者や企業が自前のサーバーでKolibriを動かし、独自のサービスに組み込むことは技術的には可能です。

また、「データを自国・自地域内で管理したい」という発想は、日本の官公庁や企業がAIを選定する際の論点ともなり得ます。海外の主要クラウド事業者のAIを使う場合との違いを考えるうえで、Kolibriのような主権AIの事例は参考になります。

## 初心者が知っておくべきこと

オープンウェイトとは、AIモデルの学習済みの重み(パラメータの数値データ)を誰でもダウンロードできる形で公開することです。公開されたモデルは、利用者が自分のサーバー上で動かしたり、追加学習を行ったりできます。

MoE(混合専門家)とは、モデル内部に多数の小さなネットワーク(専門家)を用意し、入力ごとに一部だけを選んで計算する設計方式です。すべての専門家を毎回使うモデルに比べて、同じ総パラメータ数でも実際の計算量を抑えられる利点があります。

## IT Postの見方――管理の説明は武器になる。看板だけで安心は買えない

IT Postでは、性能だけでなく、学習データや管理の説明を比較する選択肢が増えることを評価したいと考える。調達の場では、派手な得点表より、情報をどこで扱い、誰が管理するかという説明が必要になる場面もある。

だが「主権AI」の看板は、自動で適合性の判子を押してくれる機械ではない。公開データを使っていること、共有エキスパートも動くこと、長い文脈には推奨条件があることまで読んでから比べたい。自己紹介が律儀でも、採用試験まで免除する理由にはならない。

## 今後どうなりそうか

Aleph Alphaは、Cohereとの統合交渉や、Schwarz Digitsからの資金提供を背景に、今後も主権AI路線の展開を進めるとみられます。現時点で確認できた出典の範囲では、日本国内での提供や日本語対応の予定は明らかになっていません。IT Postでは、続報があれば改めて取り上げます。

## 訂正履歴

- 2026-10-04T10:30:04Z: 学習データとインフラをすべて自社所有・自製とした説明を訂正しました。公開ウェブ・公開データセット・選別や合成したデータを併用し、公式説明の自社管理パイプラインとインフラ所有を区別しました。各MoE層で384個から6個を選ぶほか共有1個も使用、アクティブ約34.6億と明記し、総パラメータ数相当の性能保証を取り除きました。長い文脈は開発元の検証と推奨条件に帰属させ、規制を意識した設計を全用途の適合性・安全性の保証として扱う表現を修正しました。

## 情報源

- [Kolibri Has Landed: A Sovereign Open-Weight Model](https://aleph-alpha.com/en/blog/kolibri-has-landed-a-sovereign-open-weight-model/) — Aleph Alpha公式（一次情報）
- [Aleph-Alpha/Kolibri-1](https://huggingface.co/Aleph-Alpha/Kolibri-1) — Hugging Face（一次情報）
- [Aleph Alpha Releases Kolibri: A Sovereign Open-Weight German LLM](https://hyper.ai/en/stories/acd05619cf666288017e8f85ead84993) — Hyper.ai
- [Aleph Alpha's Kolibri: 1M Context, Trained to 256K](https://fourweekmba.com/ai-aleph-alpha-kolibri-open-weights-1m-context-trained-256k/) — FourWeekMBA

## この記事に出てくるIT用語

- [MoE（専門家混合）](https://itpostjp.com/terms/mixture-of-experts-moe/): AIモデルを多数の「専門家」に分割し、入力内容に応じて一部だけを働かせることで、効率よく高い性能を実現する仕組みです。
- [オープンウェイト](https://itpostjp.com/terms/open-weights/): AIモデルの学習済みデータ(重み)そのものが公開され、誰でもダウンロードして自分の環境で動かせる状態のことです。

---

この記事は、公開情報と出典URLの検証、文章作成の一部に生成AIを使用しています。内容の責任はIT Post by Rice Studio Labが負います。

出典表記: IT Post by Rice Studio Lab — https://itpostjp.com/ai/aleph-alpha-kolibri-sovereign-open-weight-llm/