Kolibri 發布後最辣的指控就是這一句：德國主權模型，結果是拿中美模型蒸出來的。這句半對半錯，對的是有借，錯的是借了多少、借在哪一段。
先把時間軸釘死：Aleph Alpha 不是被抓包，是 10 月 3 日發布當天自己在 model card、技術報告、EU AI Act 訓練資料摘要裡寫的。傳成醜聞，是二手轉述把比例誇大了。
自建的部分：權重、架構、管線
- 權重從隨機初始化訓起，不是拿 Qwen 或 GLM 接著微調。證據是架構對不上：50 層全 MoE、每層 384 個小 expert 加 1 個 shared expert、每 token 路由 6 個，model dim 2560，48 query 對 4 KV。這不是 Qwen dense 27B 的形狀，也不是 GLM 家的形狀。
- 算力帳單具體到無法編：768 張 B200，前訓練 20T 跑 21 天，加中期 3.44T 加長上下文 200B，合計近 24T。Muon 優化器加自研 exact quantile balancing，38 次硬體中斷自動重啟。
- Tokenizer 自研 UniBPE，128k 詞表，德語壓縮 4.90 bytes per token 同場最佳。
Bundessozialgerichtes切得比 GPT-5、Qwen、Gemini 乾淨，這段沒人幫他做。 - 前訓練 20T 的大頭是自洗原生語料：英文約六成二、德語約兩成二到兩成四、程式約一成四。從 200T 原始 token 過濾去重下來的，去重、啟發式過濾、quality classifier 這套 recipe 才是他宣稱的 know-how。
借的部分：改寫、標註、一部分合成
- 德語 2.4T 不重複池：1.3T 自建 Common Crawl 德語管線洗出來的原生網頁，約 1T 德文改寫，390B 開放資料集，剩下是國會議事錄、法律文本等公有領域加少量翻譯。翻譯只佔整體 6%。
- 德文改寫用 Mistral-NeMo，英文改寫用 Google Gemma 4，Qwen3-32B 只做 quality filter 打分。這段是 data-level 加工，知識還是自己的德文，不是英翻德。
- SFT 用 174B token 合成資料過濾剩 167B，混開源資料一起訓。RL 是 80 萬任務環境，涵蓋推理、agentic、指令遵循、程式、問答、tool calling。
- 混入合成池的老師名單：Gemma、Qwen、Mistral Nemo、GLM、Kimi K2.6。確切版本和比例沒全公開，這是目前資訊缺口。
所以技術上這就是蒸餾，overall pipeline 叫 synthetic distillation 或 data distillation 都成立。但不是整顆行為複製，不是對著別家 API 狂打幾千萬次那種 adversarial distillation。
授權那條我之前講錯了，更正
上一輪我說 Gemma、Qwen、GLM、Kimi 大多禁拿輸出訓競品，被問有確定嗎。回去對原文，答案是大多沒禁：
- Qwen3 系列、Mistral-NeMo 是 Apache 2.0，直接放行。
- GLM 的 5、5.2、Flash 系是 MIT，直接放行。只有 GLM-5.3 自訂授權多一條大廠託管審查，跟蒸餾無關。
- Kimi K2 base 是 Modified MIT，只有超大商用要掛名。禁競品的是 Kimi-K2-Thinking 自訂授權，但 Kolibri 寫的是 Kimi K2.6，版本對不上。
- 唯一沾邊的是 Gemma：拿 Gemma 輸出訓出來的模型算 Model Derivative，要繼承它的 Prohibited Use Policy。Google 對 Output 本身不主張權利。
真正的灰區只剩一題：Aleph 到底用本地權重跑合成，還是打別家 API 跑合成。API 的 ToS 另有競品限制，但他沒公開走哪條通道，這段目前無從判定。
主權到底是什麼
Aleph 的定義從第一天就寫明：團隊在德國、算力在德芬、受歐盟德國法管、無外國控制，pipeline 自持、可交代、可審計。原文那句 Sovereign doesn't mean nothing from outside Europe went in 就是預防針。
你要用血統純正標準打他，他確實摻了中美模型的口水，不純。要用管轄權加可審計加斷供還能跑的標準看，他的主張站得住。主權在這裡是供應鏈和法域的事，不是每個字都歐洲原生。
結論：借了，但沒全借。自建的是權重、架構、管線、德語料大頭。借的是改寫器、標註器、一部分合成料。罵要罵在點上：版本比例沒公開、API 通道沒交代、Gemma 衍生條款沒處理，這三個才是還沒回答的問題。
資料來源：Aleph Alpha 官方部落格與 189 頁技術報告（2026/10/03），Hugging Face Aleph-Alpha/Kolibri-1 model card，EU AI Act 訓練資料摘要 data-summary.pdf，各家授權原文（Gemma Terms、Qwen Apache 2.0、GLM MIT 與 GLM-5.3 自訂授權、Kimi Modified MIT 與 Thinking 自訂授權）。