78.1B 參數掛上 Apache 2.0：Kolibri 的「主權 AI」帳，從每 token 啟動 3.46B 開始算

2026 年 10 月 5 日，APPI News 刊出對德國 Aleph Alpha 模型 Kolibri 的企業選型分析。這篇文章的核心提問很直接：開放權重模型可以下載、可以自行部署，組織是否就因此掌握了 AI？答案藏在成本結構與控制權的細節裡，而這些細節多數不會出現在模型卡上。

先把規格攤開。Kolibri 是德英雙語的混合專家（Mixture of Experts，MoE）模型，權重以 Apache 2.0 授權釋出，模型卡列出總參數約 78.1B，每個 token 啟動約 3.46B 參數，最長上下文 1,048,576 tokens，官方建議服務部署以不超過 262,144 tokens 為宜。Aleph Alpha 的技術報告在八張 B200 GPU、指定序列長度等條件下，比較了 Kolibri 與其他模型的英德文評測分數與推論吞吐量。

這組數字需要兩層還原。第一層是 MoE 的會計邏輯：每 token 啟動 3.46B 參數描述的是運算時實際參與工作的參數量，但完整 78.1B 權重仍須載入記憶體。用啟動參數估算推論成本會嚴重低估硬體需求；換算成採購語言，就是顯示記憶體規格與運算單價要分開計價。第二層是評測條件：八張 B200 與指定序列長度是廠商選定的測試環境，不是獨立機構對所有工作負載的驗收，更無法預測企業在自己的硬體、提示與併發量下的表現。Kolibri 以德語、英語為焦點，繁體中文能力須另行測試。

這與我們先前整理的企業 AI 自建或外購的總持有成本帳是同一條思考線：帳面上的授權成本只是起點，治理責任與維運人力往往才是大宗。

開放權重與主權之間，隔著五道查核關卡

APPI News 的分析把「權重可下載」與「企業主權」之間的落差，拆成部署前應逐項核對的面向。

其一是資料與執行環境。權重、程式與營運控制是三件事：權重可取得回答參數能否下載；可自行部署回答能否在自己選的基礎設施上執行；資料自主則要看輸入、日誌、備份與輸出實際存在哪裡、誰能存取。模型放在自有伺服器，仍可能依賴特定推論套件、硬體驅動、容器映像或供應商支援，主機位置不足以說明控制能力。

其二是硬體與成本驗證。長上下文會增加記憶體、延遲與吞吐量負擔，1,048,576 tokens 的上限是單次請求可處理的文字範圍，不等同模型可靠記住所有內容。實際效果受提示設計、輸入文件與推論設定影響，成本估算必須把上下文長度、併發量、延遲要求與硬體供應一起納入。

其三是授權範圍。Aleph Alpha 模型卡明載：「開放權重授權適用於此模型庫發布的權重與設定檔；未包含在庫中的其他成果不在該授權範圍內。」採購文件應列明各元件的提供者、版本、替代方案、支援期限與中止服務後的移轉方式。

其四是模型能力與語言任務。官方評測呈現的是特定測試條件下的比較，引用分數時應記下基準任務、版本、精度、硬體與推論設定。對臺灣組織而言，德英雙語的規格表無法回答繁體中文文件與在地用語的表現，這一欄目前是空白，需要企業自行補測。

其五是維運責任。模型版本由誰核準更新、出現弱點時誰負責通知與修補、日後更換模型時提示與知識庫能否攜出，這些問題若沒有可驗收的答案，主權便停留在定位口號。

影響推演：誰受惠、誰承壓

受惠的一方，是已建立內部 MLOps 能力、能把上述五項查核轉成驗收條件的大型組織。開放權重加 Apache 2.0 授權降低了換模型的退出成本，對供應商鎖定風險是一種對沖。承壓的一方，是缺乏推論基礎設施與維運人力的中型企業：78.1B 總參數的記憶體需求、長上下文的延遲成本、以及繁中能力待補測的空缺，都會轉成內部人力與顧問費用，實際總持有成本未必低於 API 外購。

Aleph Alpha 以歐洲監管脈絡與主權 AI 為訴求，這是廠商的設計主張。企業採購可以把主張拆成可驗收的問題：敏感資料是否離開指定區域、管理者能否限制存取、更新由誰核準。模型卡的規格是起點，採購決策的帳，要從自己那欄的資料邊界與維運人力開始記。