德国AI联盟发布Soofi S 30B开源模型，英德双语基准测试领先

一句话看懂

德国研究联盟发布Soofi S 30B-A3B开源模型，在英德双语基准测试中登顶，采用高效混合架构，仅激活部分参数。

详细发生了什么

德国研究联盟（German AI consortium）发布了Soofi S 30B-A3B，一个完全开源的30B参数语言模型。该模型在德国电信（Deutsche Telekom）位于慕尼黑的云基础设施上完成训练，使用了高效的混合架构，每个token仅激活31.6亿总参数中的一小部分，从而在超长上下文下仍能保持稳定吞吐量。

训练数据集特意向德语倾斜，但Soofi S在德语和英语的多个基准测试中均超越了所有完全开源的竞争对手。具体基准测试结果包括：在德语LAMBADA、德语HellaSwag、德语ARC等任务上取得最高分，同时在英语MMLU、HellaSwag等标准测试中也领先于同等规模的开源模型。

Soofi S采用Apache 2.0许可证发布，模型权重和训练代码已在Hugging Face上公开。该模型支持高达128K token的context window，并针对tool calling和RAG场景进行了优化。

中文圈视角

Soofi S的出现对中文AI社区有几点启示：

小语种模型思路值得借鉴：德国团队通过数据加权策略，在保持英语性能的同时大幅提升德语表现。中文社区可以类似地训练“中文优先”的开源模型，而非一味追求通用能力。目前国内开源模型如Qwen、DeepSeek虽支持中文，但并非专门针对中文优化。
混合架构的能效优势：Soofi S的MoE-like架构（30B总参数，3B激活）使其推理成本远低于同等稠密模型。这对算力受限的中小企业和个人开发者是利好——可以在消费级GPU上运行。国内类似架构的有DeepSeek-V2（236B总参数，21B激活），但Soofi S更轻量。
数据主权与合规：模型完全在德国境内训练，符合欧盟数据保护要求。中文用户若涉及数据出境合规，可考虑类似“本地训练”方案。不过Soofi S本身对中文支持有限，中文任务仍需依赖国产模型。
开源生态竞争：Soofi S的发布加剧了开源模型的多语言竞争。中文社区应关注其训练数据配比和评估方法，可复用到中文模型开发中。目前国内ModelScope上已有类似尝试，但缺乏德语这样的双语标杆。

几条值得记住的细节

Soofi S 30B-A3B总参数31.6亿，每个token仅激活约3B参数。
训练在德国电信慕尼黑云基础设施上完成，使用约2万亿token数据。
德语数据占比约40%，英语占60%，其他语言少量。
支持128K token context window，并针对tool calling和RAG优化。
模型权重以Apache 2.0许可证在Hugging Face开源。

一句话总结

Soofi S证明：通过数据加权和高效架构，小语种开源模型也能在双语基准上超越通用模型。