# Aleph Alpha förklarar avvägningarna i Kolibris modellutformning

> Blogginlägget går igenom hur antalet parametrar, FLOPs och cacheminnets storlek påverkar träningskostnaden och inferenshastigheten för företagets Kolibri-modeller med öppna vikter.

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

Aleph Alpha publicerade den 10 juli 2026 ett ingående blogginlägg som visar hur arkitekturen hos företagets Kolibri-språkmodeller påverkar både träningskostnader och kostnader för driftsättning. Inlägget går igenom formler för totalt antal respektive aktiva parametrar, FLOPs per token och storleken på KV-cachen som lagrar kontext. Med ett interaktivt verktyg kan användarna ändra inställningar och jämföra Kolibri Origin, Kolibri och andra modeller med öppna vikter.

## Fakta

- Blogginlägg publicerat 07/10/2026 (2026-07-10).
- Kolibri-modellen har 78.1 B parametrar totalt och 3.5 B aktiva FLOPs per token, med ett kontextfönster på 16 K.

## Varför det spelar roll

Utvecklare kan använda verktyget för att väga modellstorlek mot hastighet och hitta en konfiguration som ryms inom hårdvarubudgeten.

## Källor och referenser

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

Senast uppdaterad: 2026-10-08