El 10 de julio de 2026, Aleph Alpha publicó un artículo detallado que explica cómo la arquitectura de sus modelos de lenguaje Kolibri influye tanto en el coste de entrenamiento como en el de implementación. El texto repasa fórmulas para calcular el total de parámetros y los parámetros activos, los FLOPs por token y el tamaño de la caché KV que almacena el contexto. Una herramienta interactiva permite ajustar la configuración y comparar Kolibri Origin, Kolibri y otros modelos de pesos abiertos.
Por qué importa
Los desarrolladores pueden usar la herramienta para encontrar un equilibrio entre el tamaño y la velocidad del modelo, y elegir una configuración que se ajuste a su presupuesto de hardware.
