一句话看懂：德国AI协会（KI Bundesverband）领衔的研究联盟发布了开源大模型Soofi S（30B参数，激活3.2B）。该模型在英语和德语基准测试中，得分超过OLMo 3 32B和Apertus 70B等完全开源竞品，并且是首批完全在德国电信工业AI云上训练完成的大模型。
事件核心：发生了什么
根据该联盟发布的预训练报告，Soofi S是一款混合专家模型（MoE），总参数量为31.6亿，但每个token仅激活约3.2亿参数，推理计算成本接近3B模型。其架构复用了Nvidia Nemotron 3 Nano的设计，融合了Mamba-2层与标准注意力层。这种混合架构的关键优势在于内存效率：传统Transformer的KV缓存随上下文线性增长，而Soofi S的52层中只有6层维护此类缓存，使其在40,000 token上下文、32路并行请求下，单GPU每秒生成的token数约为同规模稠密模型的8倍，并且吞吐量在4,000到256,000 token区间内基本持平。
训练数据总量约27万亿token，分三阶段进行。第一阶段混合通用数据，第二阶段引入6万亿高质量数据，第三阶段将上下文窗口扩展至100万token。对德语的侧重非常显著：第一阶段德语占7.2%，第二阶段升至15.3%，远超Nvidia参考方案中所有非英语语言合计5%的比例。数据源包括HPLT德语网页、德语公有领域语料库、FinePDFs和FineWiki的德语部分，以及包含9.16亿篇报纸文章的商业授权Genios语料库。
在评估中，Soofi S在所有完全开源模型中，德语和英语综合得分均位居第一。在代码基准上，HumanEval得分73.8%，MBPP得分70.2%，德语版MBPP得分84.2%，均为开源最佳。在德国地域知识测试INCLUDE-DE上同样领先。
为什么重要
Soofi S的发布有三个方面值得关注。首先，它验证了“算力主权”路径的可行性：一个完全使用欧洲本土云基础设施训练出的30B级模型，能在多项基准上与全球头部开源模型竞争，这对于希望减少对美、中算力依赖的欧洲机构具有示范意义。其次，其混合Mamba-Transformer架构证明了在长上下文场景下，通过减少KV缓存开销可以实现接近恒定的推理吞吐量，这可能推动更多模型从纯Transformer向混合架构迁移。第三，在德语AI生态中，Soofi S提供了一个基准级开源模型，有望降低德国乃至德语区企业、大学和公共机构开发AI应用的门槛。
对用户/开发者/创作者的影响
对于开发者：Soofi S已在允许商用的许可下开源，开发者可以直接在本地或云环境部署，用于构建德语和英语的对话、写作、代码生成等应用。其低激活参数和长上下文吞吐量优势，特别适合需要处理长文档（如法律合同、学术论文）的产品。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于企业用户：如果企业有德语数据处理需求（如客户服务、文档摘要），Soofi S提供了一种可审计、可定制的开源选项，避免依赖封闭API，有利于数据合规。但其28万亿token的训练规模相比同类模型偏小，在极端复杂的推理任务上可能不如更大模型。
对于普通创作者：目前Soofi S尚未推出面向公众的聊天或写作界面，直接使用门槛较高。但开发者社区可能会基于它快速推出德语专用的AI工具，尤其是在文本生成、知识问答和区域文化内容创作领域。
值得关注的后续
1. 落地应用：Soofi S是否会推出更易用的API或产品化版本，以及德国AI协会是否会继续迭代更大规模的版本。2. 竞品反应：OLMo和Apertus等开源模型的下一个版本是否会针对德语和混合架构进行优化。3. 生态建设：开源社区围绕Soofi S开发的微调模型和工具链能否建立，将决定其长期影响力。
