Soofi S 30B-A3B: Das offene MoE-Modell aus München

Soofi S 30B-A3B ist ein offenes Foundation Model aus München, veröffentlicht im Juli 2026 und trainiert auf der Industrial AI Cloud der Deutschen Telekom. Das Mixture-of-Experts-Modell schlägt in Benchmarks Olmo 3 32B und Apertus 70B — und ist damit der Beleg, dass souveräne KI aus Deutschland konkurrenzfähig ist.

Soofi S im Steckbrief

Merkmal	Soofi S 30B-A3B
Herkunft	München, Deutschland
Architektur	MoE-Hybrid mit Mamba-Basis
Gesamtparameter	30 Milliarden (nur Bruchteil pro Token aktiv)
Trainings-Tokens	~27 Billionen, Deutsch übergewichtet
Trainings-Infrastruktur	Industrial AI Cloud der Deutschen Telekom
Offenheit	Code, Daten, Hyperparameter, Checkpoints — freie Lizenzen
Benchmark-Position	vor Olmo 3 32B und Apertus 70B (Deutsch + Englisch)

Benchmarks: Kleiner als Apertus 70B, trotzdem vorn

Soofi S 30B-A3B erzielt in aktuellen Evaluationen Spitzenwerte im englischen wie im deutschen Aggregat und platziert sich damit vor Olmo 3 32B und dem mehr als doppelt so großen Apertus 70B. Der Grund liegt im Trainingsansatz: Rund 27 Billionen Tokens flossen ins Training, wobei die deutsche Sprache gezielt übergewichtet wurde — das erhöht die Präzision bei lokalen Sprachnuancen deutlich. Die MoE-Architektur mit Mamba-Basis aktiviert pro Token nur einen Bruchteil der 30 Milliarden Parameter, was hohe Inferenz-Geschwindigkeit bei moderatem Ressourcenverbrauch bedeutet. Die vollständigen Testergebnisse haben wir im Benchmark-Bericht vom Juli 2026 aufbereitet.

Radikale Offenheit als Alleinstellungsmerkmal

Soofi S geht bei der Transparenz weiter als fast alle Open-Source-Modelle am Markt: Die Datenherkunft ist pro Quelle offengelegt, sämtliche Hyperparameter, der komplette Trainings- und Evaluations-Code sowie alle Checkpoints stehen unter freien Lizenzen bereit. Wo andere Anbieter nur Gewichte veröffentlichen, lässt sich hier der gesamte Entstehungsprozess nachvollziehen und reproduzieren. Für Forschung und Compliance-Abteilungen ist das Gold wert — jede Trainingsentscheidung ist auditierbar. Die Modelle liegen auf Hugging Face unter Soofi-Project bereit, der technische Report auf arXiv dokumentiert die Details.

DACH-Relevanz: Souveräne KI, die wirklich existiert

Soofi S beweist, dass KI-Souveränität 2026 mehr ist als eine Absichtserklärung: Das komplette Training lief auf der Industrial AI Cloud der Deutschen Telekom am Standort München — auf deutscher Infrastruktur, unter lokalen Standards. Für Unternehmen im DACH-Raum ergeben sich daraus handfeste Vorteile:

Datensouveränität — sensible Daten verarbeiten, ohne von außereuropäischen API-Anbietern abzuhängen
Deutsch als Stärke, nicht Nachgedanke — übergewichtete deutsche Trainingsdaten statt englisch-zentriertem Modell
Lokaler Betrieb — dank MoE-Effizienz auf eigener Infrastruktur oder in privaten Clouds lauffähig
Auditierbarkeit — volle Offenlegung erleichtert Compliance-Prüfungen nach europäischen Maßstäben

Damit reduziert Soofi S die Hürden für Firmen, die moderne LLM-Funktionen nutzen wollen, aber Cloud-Angebote aus den USA oder China ausschließen müssen.

Offizielle Links

Hugging Face: huggingface.co/Soofi-Project/Soofi-S-Base
Technical Report: arxiv.org/html/2607.09424v1

Häufige Fragen

Was ist Soofi S 30B-A3B?

Soofi S 30B-A3B ist ein offenes Foundation Model aus München, veröffentlicht im Juli 2026. Technisch basiert es auf einem Mixture-of-Experts-Hybrid mit Mamba-Basis und 30 Milliarden Gesamtparametern, von denen pro Token nur ein Bruchteil aktiv ist. Trainiert wurde auf rund 27 Billionen Tokens — mit gezielt übergewichteter deutscher Sprache.

Wie schlägt sich Soofi S gegen Olmo 3 und Apertus?

In aktuellen Evaluationen erzielt Soofi S 30B-A3B sowohl im englischen als auch im deutschen Aggregat Spitzenwerte und platziert sich vor Olmo 3 32B und dem deutlich größeren Apertus 70B. Gerade im deutschen Sprach-Aggregat zahlt sich die gezielte Übergewichtung deutscher Trainingsdaten aus.

Warum ist Soofi S für Nutzer im DACH-Raum relevant?

Das Modell wurde vollständig auf der Industrial AI Cloud der Deutschen Telekom in München trainiert — souveräne KI auf deutscher Infrastruktur statt Absichtserklärung. Unternehmen mit sensiblen Daten können moderne LLM-Funktionen nutzen, ohne von außereuropäischen API-Anbietern abzuhängen, und profitieren von der Optimierung auf deutsche Sprachnuancen.

Wie offen ist Soofi S wirklich?

Radikal offen: Datenherkunft pro Quelle, sämtliche Hyperparameter, der vollständige Trainings- und Evaluations-Code sowie die Checkpoints sind unter freien Lizenzen verfügbar. Damit geht das Projekt deutlich weiter als viele Modelle, die nur Gewichte veröffentlichen.