# Aleph Alpha licht ontwerpkeuzes voor Kolibri toe

> De blog laat zien hoe het aantal parameters, FLOPs en de cachegrootte de trainingskosten en serveersnelheid van de open-weight Kolibri-modellen beïnvloeden.

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

Aleph Alpha publiceerde op 10 juli 2026 een uitgebreide blog waarin wordt uitgelegd hoe de architectuur van de Kolibri-taalmodellen de trainings- en implementatiekosten beïnvloedt. De blog behandelt formules voor het totale en actieve aantal parameters, FLOPs per token en de grootte van de KV-cache waarin de context wordt opgeslagen. Met een interactieve tool kunnen gebruikers instellingen aanpassen en Kolibri Origin, Kolibri en andere modellen met open gewichten vergelijken.

## De feiten

- De blog is gepubliceerd op 07/10/2026 (2026-10-07).
- Het Kolibri-model heeft 78.1 B parameters in totaal en 3.5 B actieve FLOPs per token bij een contextvenster van 16 K.

## Waarom het ertoe doet

Ontwikkelaars kunnen de tool gebruiken om de balans tussen modelgrootte en snelheid af te stemmen en zo een configuratie te kiezen die binnen hun hardwarebudget past.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-08