Ein deutsches Forschungskonsortium hat Soofi S 30B-A3B veröffentlicht, ein offenes Large-Language-Model, das sowohl als Leistungsmodell als auch als Souveränitätsbaustein für Europas KI-Stack positioniert wird. Laut Berichten von The Decoder unter Berufung auf den Vortrainingsbericht des Modells wurde das System vollständig auf der Infrastruktur von Deutsche Telekom in München trainiert und ist darauf ausgelegt, starke Leistungen auf Deutsch zu liefern, ohne bei Englisch- und Programmieraufgaben an Wettbewerbsfähigkeit einzubüßen.

Der Start ist bedeutsam, weil sich Europas Open-Model-Bemühungen oft in zwei Lager aufgeteilt haben: mehrsprachige Projekte im öffentlichen Interesse, die Abdeckung und Governance betonen, und globale Open-Weight-Systeme, die in Benchmarks gewinnen, aber meist von US- oder chinesischen Laboren geprägt sind. Soofi S versucht, diese Lücke zu überbrücken. Das Konsortium sagt, das Modell führe nun unter vollständig offenen Mitbewerbern bei aggregierten deutschen und englischen Benchmarks, und nutze zugleich eine Architektur, die eine effiziente Inferenz bei langen Kontexten ermöglichen soll.

Diese Kombination könnte die Veröffentlichung über Forschungskreise hinaus relevant machen. Für Unternehmenskunden wird Soofi S als Modell dargestellt, das auf regionaler Infrastruktur mit transparenter Trainingsdokumentation betrieben werden kann. Für Entwickler ist es ein weiteres Zeichen dafür, dass sich der Wettbewerb bei offenen Modellen von reinen Parameterzahlen hin zu einer Mischung aus Datenkuratierung, Inferenz-Effizienz und jurisdiktionaler Kontrolle verschiebt.

Was Soofi S ist und wer es gebaut hat

Laut The Decoder ist Soofi S ein Mixture-of-Experts-Modell mit 31,6 Milliarden Gesamtparametern, von denen pro erzeugtem Token nur etwa 3,2 Milliarden aktiv sind. Das Konsortium bezeichnet das Modell als Soofi S 30B-A3B und verweist damit auf dieses spärliche Aktivierungsmuster. Praktisch bedeutet das, dass sein Rechenprofil bei der Token-Erzeugung eher dem eines deutlich kleineren Modells als dem eines dichten 30B-Systems ähneln kann.

Das Projekt wurde vom KI Bundesverband koordiniert und über das deutsche Bundesministerium für Wirtschaft und Energie im Rahmen des europäischen IPCEI-CIS-Programms finanziert, wie aus dem von The Decoder zitierten Bericht hervorgeht. Zu den beteiligten Institutionen gehören Fraunhofer IAIS, Fraunhofer IIS, DFKI, TU Darmstadt, die Universität Würzburg, das L3S Forschungszentrum, die Hochschule für Technik und Wirtschaft Berlin, Ellamind und Merantix Momentum.

Der Infrastruktur-Aspekt ist zentral für die Geschichte. Das Modell wurde laut The Decoder auf der Industrial AI Cloud von Deutsche Telekom in München trainiert, wobei der Trainingslauf von März bis Mai auf bis zu 512 Nvidia-B200-GPUs stattfand. Die Veröffentlichung berichtet, der Lauf habe rund 253.000 GPU-Stunden verbraucht. Die Einrichtung von Deutsche Telekom wird im Bericht als mit erneuerbarer Energie betrieben, mit Kanalkühlung und mit Einspeisung von Abwärme in das umliegende Viertel beschrieben, wobei diese Nachhaltigkeitsdetails aus den Materialien des Projekts selbst stammen und nicht unabhängig verifiziert sind.

Architektur und Trainingsentscheidungen sind die eigentliche Produktgeschichte

Das technische Design erklärt, warum das Konsortium Durchsatz ebenso stark betont wie reine Benchmark-Leistung. Der Bericht sagt, Soofi S übernehme Nvidias Nemotron-3-Nano-Architektur unverändert und verwende ein hybrides Design, das Mamba-2-Schichten mit herkömmlichen Attention-Schichten kombiniert.

Das ist wichtig, weil die Inferenz mit langem Kontext zu einem der teuersten und betrieblich umständlichsten Teile beim Bereitstellen von Frontier-ähnlichen Modellen geworden ist. Standard-Transformer-Modelle verlassen sich auf einen Key-Value-Cache, der mit der Kontextlänge wächst. Wenn Eingaben länger werden und die Parallelität steigt, werden Speicherbandbreite und Cache-Bewegung zum Engpass. Laut The Decoder behalten nur sechs von Soofi S’ 52 Schichten diesen Cache bei, was die Skalierung des Modells bei langen Prompts verändert.

Das Konsortium behauptet, dass Soofi S bei 40.000 Tokens Kontext und 32 parallelen Anfragen etwa achtmal mehr Tokens pro Sekunde und GPU erzeugt als dichte Modelle im Bereich von 14B bis 24B. Der Bericht sagt außerdem, der Durchsatz bleibe von 4.000 bis 256.000 Tokens nahezu konstant, wobei Alibabas Qwen3.5 35B-A3B als einziges weiteres gemessenes Modell mit ähnlichem Verhalten genannt wird. Das sind wichtige Behauptungen für alle, die dokumentenlastige Workflows, Retrieval-Pipelines oder Agentensysteme mit großen Arbeitskontexten aufbauen, bleiben jedoch vom Konsortium berichtete Messungen und keine unabhängigen Drittanbieter-Benchmarks.

Auch das Trainingsrezept ist bemerkenswert. Das Konsortium sagt, es habe rund 27 Billionen Token über drei Phasen verarbeitet: eine breite erste Phase mit etwa 20 Billionen Token aus Web, Code, Mathematik und domänenspezifischem Text; eine zweite Phase mit rund 6 Billionen qualitativ höherwertigen Token; und eine kürzere finale Phase, die den Kontextfensterbereich mit Dokumenten bis zu einer Million Token erweitern sollte.

Was Soofi S von vielen offenen Mitbewerbern unterscheidet, ist die stärkere Gewichtung des Deutschen. The Decoder berichtet, dass Deutsch in der ersten Phase 7,2 Prozent und in der zweiten 15,3 Prozent ausmachte, verglichen mit rund 5 Prozent für alle nicht-englischen Sprachen zusammen in Nvidias Nemotron-Referenzrezept. Zu den Trainingsdaten sollen HPLT, German Commons, FinePDFs, FineWiki und das kommerzielle Genios-Korpus sowie maschinell übersetzte und synthetische deutsche Texte gehört haben.

Benchmark-Siege kommen mit Vorbehalten

Die Hauptaussage ist klar: Das Konsortium sagt, Soofi S führe alle vollständig offenen Modelle in aggregierten englischen und deutschen Benchmark-Werten an. Zu den Modellen, die es dem Bericht zufolge übertroffen hat, gehören OLMo 3 32B vom Allen Institute for AI und Apertus 70B von ETH Zürich und EPFL. Der Bericht sagt außerdem, dass es bei allen deutschen Benchmarks im Vergleichssatz europäische souveräne Baselines übertroffen habe.

Bei Programmieraufgaben erzielte Soofi S laut The Decoder 73,8 Prozent auf HumanEval, 70,2 auf MBPP und 84,2 auf einer deutschen MBPP-Variante. Auf INCLUDE-DE, einem Benchmark für regionalspezifisches Wissen über Deutschland, habe es sich angeblich mit Qwen3.5 35B-A3B bei 61,2 Punkten die Waage gehalten. Der Bericht behauptet ferner, dass das deutsch fokussierte Datenset im Vergleich zur Nemotron-Basis die Sprachkompetenz um 15,1 Punkte und GPQA-Diamond um 9,6 Punkte verbessert habe, ohne die englische Leistung zu beeinträchtigen.

Das sind starke Ergebnisse, sofern sie sich in breiteren Tests bestätigen, sollten aber mit Vorsicht gelesen werden. Die verfügbaren Belege in diesem Nachrichtenkomplex stammen aus der Berichterstattung von The Decoder über den Vortrainingsbericht und die Website-Materialien des Projekts. Es gibt kein unabhängiges Benchmark-Audit im Quellensatz und keine externe Reproduktion der Durchsatz- oder Qualitätsbehauptungen.

Das Modell zeigt auch deutliche Schwächen. The Decoder berichtet, dass Soofi S bei deutscher Wettbewerbs-Mathematik schwächer abschnitt und auf Minerva MATH-DE 56 Punkte erzielte, hinter sowohl Qwen3.5 35B-A3B als auch Gemma 3 27B. Auch bei NaturalQuestions lag es zurück, was die Autoren dem Bericht zufolge mit der geringeren aktiven Parameterzahl im Vergleich zu dichten Modellen in Verbindung bringen, die möglicherweise mehr Faktenwissen behalten.

Das Verhalten bei langem Kontext ist ebenfalls nicht durchgehend stark. Beim RULER-Test hatte das Modell offenbar Probleme bei Extraktionsaufgaben mit häufig wiederholten Wörtern in langen Dokumenten. Über 32.000 Token hinaus fiel seine Trefferquote laut The-Decoder-Zusammenfassung des Berichts auf etwa 3 Prozent, während das vergleichbare Nemotron-Modell noch rund 60 bis 64 Prozent erreichte. Die Autoren führen diese Lücke auf das Fehlen synthetischer, auf Extraktion ausgerichteter Daten im Langkontext-Training zurück.

Offenes Modell, aber nicht in jeder Definition offen

Soofi S wird laut The Decoder mit Modellgewichten, ausgewählten Zwischen-Checkpoints, Trainings- und Evaluationscode sowie einem detaillierten Dateninventar veröffentlicht. Dieses Maß an Offenlegung ist in einem Markt bedeutsam, in dem „offen“ oft nur herunterladbare Gewichte mit begrenzten Herkunftsinformationen bedeutet.

Das Konsortium sagt, dieses Paket erfülle die Open Source AI Definition 1.0 der Open Source Initiative. Gleichzeitig räumt der Bericht ein, dass es einen strengeren vorgeschlagenen europäischen Open-Data-Standard nicht erfüllen würde, weil rund 1,3 Prozent des Trainingsmixes aus dem kommerziell lizenzierten Genios-Korpus stammten. Das Team sagt, etwa 99 Prozent des Datensatzes könnten unabhängig rekonstruiert werden, doch die genaue Veröffentlichungs-Lizenz war zum Zeitpunkt des Berichts noch nicht finalisiert.

Diese Nuance ist für die Beschaffung in Unternehmen und für nachgelagerte Produktteams wichtig. Für manche Nutzer reichen offene Gewichte plus Code und Dokumentation aus. Für andere, insbesondere öffentliche Käufer und Unternehmen mit strengen Weiterverteilungs- oder Prüfanforderungen, könnten die ungeklärten Lizenzdetails und die Einbeziehung kommerziell lizenzierter Daten eine relevante Einschränkung bleiben.

Warum das für Entwickler und Unternehmenskäufer wichtig ist

Für KI-Entwickler ist die wichtigste Lehre aus Soofi S, dass regionale Spezialisierung weiterhin einen Unterschied machen kann. Anstatt maximal mehrsprachig zu sein, scheint sich das Konsortium auf die Qualität der deutschen Sprache konzentriert und zugleich einen breiten Nutzen auf Englisch beibehalten zu haben. Das ist eine praktische Strategie für Teams, die regulierte Branchen, technische Dokumentation, Kundensupport und interne Wissensarbeitsabläufe bedienen, bei denen lokale Sprachleistung wertvoller ist als universelle Abdeckung.

Für Unternehmens-KI-Deployments schafft die Kombination aus offenen Gewichten, auf Deutsch getunter Leistung und dem Training auf Infrastruktur von Deutsche Telekom eine klare Positionierung im Hinblick auf Datenresidenz und souveräne Infrastruktur. Das löst nicht automatisch Compliance- oder Risikofragen, schafft aber eine konkretere Option für Organisationen, die Alternativen zu geschlossenen US-Plattformen oder undurchsichtigen Open-Weight-Veröffentlichungen suchen.

Die Architektur könnte ebenso wichtig sein wie die Benchmarks. Wenn Soofi S den Durchsatz bei sehr langen Kontexten im realen Produktionsbetrieb aufrechterhalten kann, könnte es für Dokumentenprüfung, Coding-Assistenten-Workflows und KI-Agenten nützlich sein, die ein großes Arbeitsgedächtnis benötigen. Diese Anwendungsfälle hängen jedoch davon ab, ob die Extraktionsschwäche bei RULER auch in Kunden-Workloads auftritt. Ein schnelles Langkontext-Modell ist weniger überzeugend, wenn es in langen Dokumenten wichtige Retrieval- oder Extraktionsaufgaben verfehlt.

Belege und Behauptungen

Der Großteil der substanziellen Belege in dieser Geschichte stammt aus der Berichterstattung von The Decoder über den Vortrainingsbericht des Konsortiums, die Projektwebsite und Kommentare des Erstautors. Daher sollten die stärksten Behauptungen in diesem Artikel, einschließlich Benchmark-Führerschaft, Durchsatzgewinne, Trainingseffizienz und Einhaltung von Open-Source-Vorgaben, als vom Projekt selbst berichtet und nicht unabhängig verifiziert betrachtet werden.

Aus den verfügbaren Quellen gesichert erscheinen die Veröffentlichung selbst, die grundlegende Architektur des Modells, die Beteiligung des vom KI Bundesverband geführten Konsortiums, die Nutzung der Infrastruktur von Deutsche Telekom sowie die Veröffentlichung von Gewichten, Code und Dokumentation. Die Vergleichsleistung und die betrieblichen Vorteile bleiben vorläufig, bis externe Nutzer Soofi S gegen OLMo 3 32B, Apertus 70B, Qwen3.5 35B-A3B, Gemma 3 27B und Nvidia Nemotron in reproduzierbaren Umgebungen testen.

Worauf man als Nächstes achten sollte

Das erste Signal ist die Lizenzierung. Die genauen Veröffentlichungsbedingungen werden bestimmen, ob Soofi S vor allem ein Forschungsartefakt oder ein praktisches Basismodell für kommerzielle Produktteams ist.

Zweitens sind unabhängige Benchmarks und Inferenztests wichtig. Externe Vergleiche bei HumanEval, MBPP, Langkontext-Workloads und deutschen Unternehmensdokumenten werden wichtiger sein als Leaderboard-Positionen, die das Projekt selbst meldet.

Drittens sagt das Konsortium, es suche Industriepartner für die nächste Phase in technischen Dokumenten, Codegenerierung und agentenbasierten Systemen. Echte Deployment-Referenzen in diesen Bereichen wären ein stärkerer Beleg als reine Benchmark-Siege.

Schließlich bleibt abzuwarten, ob Soofi S zu einer Vorlage für andere europäische souveräne KI-Bemühungen wird. Wenn sich die Kombination aus regionaler Datengewichtung, transparenter Berichterstattung und effizientem Langkontext-Design als nützlich erweist, könnte sie beeinflussen, wie zukünftige offene Modelle auf lokaler Cloud-Infrastruktur gebaut werden.

Creati.ai-Perspektive

Soofi S ist nicht nur bemerkenswert, weil Europa ein weiteres offenes Modell hervorgebracht hat, sondern weil das Team offenbar eine schärfere Produktentscheidung getroffen hat als viele KI-Projekte im öffentlichen Interesse. Es wählte einen spezifischen Sprachmarkt, setzte auf offene Dokumentation und übernahm eine Architektur, die für ein reales Serving-Problem optimiert ist: die Kosten langer Kontexte.

Die offene Frage ist, ob diese Designentscheidungen in Adoption münden. Käufer von Unternehmens-KI achten auf klare Lizenzierung, glaubwürdige Benchmarks und das operative Verhalten unter unübersichtlichen Produktions-Workloads. Wenn Soofi S zuverlässige Leistung in deutschen Dokumenten-Pipelines und Coding-Assistenten-Szenarien auf souveräner Infrastruktur zeigen kann, könnte es mehr als nur eine symbolische europäische Alternative werden. Wenn nicht, könnte es eine beeindruckende Forschungsfreigabe mit begrenzter kommerzieller Zugkraft bleiben.