Soofi S 30B-A3B: Münchner MoE-Modell schlägt Olmo 3 im Test

Europas KI-Industrie macht einen messbaren Schritt nach vorn. Mit dem Soofi S 30B-A3B steht seit kurzem ein offenes Foundation Model bereit, das auf deutscher IT-Infrastruktur trainiert wurde und etablierte internationale Konkurrenten hinter sich lässt. Die Veröffentlichung stärkt die technologische Souveränität, da das Modell hohe Leistung mit einer im Sektor seltenen Transparenz verknüpft.

Soofi S 30B-A3B dominiert deutsche und englische Benchmarks

Soofi S 30B-A3B erzielt in aktuellen Evaluationen sowohl im englischen als auch im deutschen Aggregat Spitzenwerte. Das Modell platziert sich damit vor Olmo 3 32B und Apertus 70B. Technisch basiert das System auf einem Mixture-of-Experts-Hybrid (MoE) mit einer Mamba-Basis. Ein markantes Merkmal ist der Trainingsdatensatz von rund 27 Billionen Tokens. Dabei wurde die deutsche Sprache gezielt übergewichtet, was die Präzision in lokalen Sprachkontexten erhöht.

Die Entwickler setzen auf radikale Offenlegung. Im Gegensatz zu proprietären Modellen sind die Datenherkunft pro Quelle, sämtliche Hyperparameter sowie der vollständige Trainings- und Evaluations-Code unter freien Lizenzen verfügbar. Auch die Checkpoints sind öffentlich zugänglich. Das Training fand auf der Industrial AI Cloud der Deutschen Telekom in München statt. Damit beweist das Projekt, dass souveräne KI im Jahr 2026 als einsatzbereites Modell auf eigener Infrastruktur existiert und über den Status von Absichtserklärungen hinausgewachsen ist.

Kostentreiber bei Coding-Agenten und Gemini-Integration in Waze

Neben den Fortschritten bei den Sprachmodellen rückt die Effizienz von KI-Werkzeugen in den Fokus. Aktuelle Messungen belegen, wie hoch der unsichtbare Token-Overhead beim Einsatz von Coding-Agenten ausfällt. Diese Kosten entstehen durch komplexe Kontext-Fenster und wiederholte Abfragen, was die wirtschaftliche Kalkulation für Entwicklerteams erschwert. Parallel dazu weitet Google den Radius seiner Modelle aus: Gemini wird in das Navigationssystem Waze integriert, um die Nutzerführung durch Assistenzfunktionen zu erweitern.

Feature	Soofi S 30B-A3B	Olmo 3 32B	Apertus 70B
Architektur	MoE-Hybrid (Mamba)	Transformer	Transformer
Trainings-Tokens	27 Billionen	k.A.	k.A.
Offenheit	Vollständig (Code & Daten)	Teilweise	Teilweise
Fokus	Deutsch & Englisch	Englisch	Englisch

Technische Spezifikationen und Relevanz für Entwickler

Für Entwickler bietet Soofi S 30B-A3B eine Alternative zu geschlossenen Systemen, da es die Integration in eigene Workflows ohne Abhängigkeit von außereuropäischen API-Anbietern ermöglicht. Die Kombination aus 30 Milliarden Parametern und einer MoE-Architektur, bei der nur ein Bruchteil der Gewichte pro Token aktiv ist, sorgt für hohe Inferenz-Geschwindigkeit bei moderatem Ressourcenverbrauch.

Die folgenden Punkte fassen die Kernaspekte der Veröffentlichung zusammen:

• Vollständige Offenlegung der Trainings-Pipelines und Datenquellen.
• Optimierung auf deutsche Sprachnuancen durch gezielte Gewichtung im Datensatz.
• Bereitstellung auf hochverfügbarer Cloud-Infrastruktur innerhalb Deutschlands.
• Nachgewiesene Überlegenheit gegenüber größeren Modellen in spezifischen Sprach-Aggregaten.

Die Verfügbarkeit solcher Modelle reduziert die Hürden für Unternehmen, die sensible Daten verarbeiten und dennoch moderne LLM-Funktionen nutzen wollen. Soofi S 30B-A3B zeigt, dass Open-Source-Ansätze 2026 die Lücke zu geschlossenen Modellen schließen können.