# Aleph Alpha explica las decisiones de diseño de Kolibri

> El blog analiza cómo el número de parámetros, los FLOPs y el tamaño de la caché afectan al coste de entrenamiento y a la velocidad de ejecución de sus modelos Kolibri de pesos abiertos.

Oossa · 2026-10-07 · https://oossa.com/es/aleph-alpha-explains-trade-offs-in-kolibri-model-design

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.

## Los hechos

- Artículo publicado el 10/07/2026 (2026-07-10).
- El modelo Kolibri tiene 78.1 B de parámetros en total y 3.5 B de FLOPs activos por token, con una ventana de contexto de 16 K.

## 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.

## Fuentes y referencias

1. [Designing Kolibri: Architecture Trade-Offs from First Principles](https://www.aleph-alpha.com/en/blog/designing-kolibri-architecture-trade-offs-from-first-principles/) – Aleph Alpha
2. [Specialized LLMs punch above their weight](https://www.aleph-alpha.com/en/blog/specialized-llms-punch-above-their-weight/) – Aleph Alpha

Última actualización: 2026-10-08