Tysklands svar på amerikanska jättar: Vad den nya AI-modellen "Soofi S" verkligen kan göra

Att flytta bort från amerikanska beroenden: Varför den tyska ekonomin nu tittar på AI:n "Soofi S"

Körs helt på egna servrar: Denna nya tyska AI löser det största problemet med dataskydd

Artificiell intelligens har för länge sedan utvecklats från en ren teknologisk trend till en konkret geopolitisk maktfaktor. Medan teknikjättar från USA och i allt högre grad från Kina dominerar den globala marknaden med alltmer gigantiska och resurskrävande modeller, växer oron i Europa för ett farligt teknologiskt beroende. Med "Soofi S" har ett anmärkningsvärt tyskt konsortium av forsknings- och industripartners nu presenterat ett konkret svar på denna utmaning. Med en jämförelsevis blygsam finansiering på 20 miljoner euro och en mycket effektiv arkitektur syftar denna grundläggande modell till att lägga grunden för Europas digitala suveränitet. Men kan en modell med nästan 32 miljarder parametrar ens överleva i den globala kapplöpningen mellan jättar? Och lever projektet upp till de första djärva tillkännagivandena? Följande analys undersöker de tekniska detaljerna i Soofi S, gör en ärlig jämförelse med dess internationella konkurrenter och visar varför modellen är mindre avsedd som en ChatGPT-rival för slutanvändare och mer som en skräddarsydd, dataskyddskompatibel lösning för europeiska företag.

Suverän underrättelsetjänst från München: Soofi S och den tyska AI-metoden: En grundläggande modell som ett testfall för Europas digitala självhävdelse

Utgångspunkten: Varför en tysk AI-modell ens är nödvändig

När Soofi-konsortiet presenterade de första resultaten av sin Soofi S-basmodell den 17 juni 2026 var det mer än bara ett typiskt produktmeddelande från forskningssektorn. Det var den preliminära kulmen på ett industripolitiskt experiment som hade förberetts sedan november 2025 och stöddes av cirka 20 miljoner euro i finansiering från det tyska förbundsministeriet för ekonomi och energi. Den verkliga ekonomiska kärnan i initiativet ligger inte i den teknologiska kapplöpningen om ständigt ökande parameterantal, utan i en strukturell oro som har cirkulerat i europeiska affärskretsar i åratal. De som inte själva kontrollerar de grundläggande AI-modellerna avstår från viktiga byggstenar för framtida digitala värdekedjor till externa aktörer vars affärsmodeller, dataskyddsstandarder och geopolitiska intressen kanske inte överensstämmer med europeiska mål. Denna oro härrör från observationen att praktiskt taget hela det kommersiella basmodelllandskapet domineras av amerikanska leverantörer som OpenAI, Google, Anthropic och Meta, samt alltmer kinesiska konkurrenter som DeepSeek, medan europeiska företag i huvudsak blir användare snarare än skapare av denna teknik.

Projektet finansieras inom ramen för det så kallade 8ra-paraplyinitiativet, i centrum för vilket det viktiga projektet av gemensamt europeiskt intresse för molninfrastrukturer, eller IPCEI-CIS, ligger. Denna europeiska finansieringsarkitektur syftar till att stödja utvecklingen av grundläggande digitala infrastrukturer över hela kontinenten, där Soofi representerar en av de första synliga AI-specifika byggstenarna inom detta bredare ramverk. Ur ett ekonomisk-politiskt perspektiv är det anmärkningsvärt att finansieringen avsiktligt inte tilldelades ett enda stort företag, utan snarare ett konsortium av forskningsinstitutioner, universitet och mindre AI-företag, samordnat av den tyska AI-föreningen som branschrepresentant.

Vilka står bakom projektet och hur har resurserna fördelats?

Struktur och finansiering av ett ovanligt forskningskonsortium

Konsortiet består av en anmärkningsvärd mängd akademiska och industriella intressenter. Deltagande institutioner inkluderar Fraunhofer-institutet för intelligent analys och informationssystem, Fraunhofer-institutet för integrerade kretsar, det tyska forskningscentret för artificiell intelligens, Julius-Maximilians-universitetet i Würzburg med sitt kompetenscenter CAIDAS, Leibniz-universitetet i Hannover genom sitt forskningscenter L3S, Tekniska universitetet i Darmstadt med hessian.AI, Berlins yrkeshögskola och de två företagen Ellamind och Merantix Momentum. Denna struktur återspeglar ett mönster av industripolitisk teknikfrämjande som är typiskt för Tyskland: istället för att subventionera ett enda marknadsdominerande företag distribueras kunskap över många institutioner. Även om detta komplicerar samordningen förhindrar det samtidigt utvecklingen av ensidiga beroenden av en enda privat aktör.

Den finansiella ramen är intressant i en internationell jämförelse. De cirka 20 miljoner euro i finansiering, som löper ut i slutet av juli 2026, verkar nästan blygsamma jämfört med de summor som amerikanska leverantörer spenderar på individuella utbildningar. Rapporter tyder på att individuella utbildningar för stora modeller skulle kunna nå 1 miljard euro-strecket år 2027 – ett belopp som endast ett fåtal ekonomiskt starka teknikföretag klarar av. Att Soofi S kan uppnå ett konkurrenskraftigt resultat med en bråkdel av dessa resurser ses inom yrkesvärlden som ett bevis på att teknologisk suveränitet inte nödvändigtvis kräver gigantiska mängder kapital, utan också kan uppnås genom smarta arkitekturbeslut och fokuserade datastrategier.

Tekniska grunder för modellen i detalj

Arkitektur, träningsdata och effektivitetens roll

Soofi S är utformad som en Mixture-of-Experts (MoE)-modell, med ett totalt parameterantal på cirka 31,6 miljarder. Emellertid aktiveras endast cirka 3,2 miljarder av dessa parametrar faktiskt per bearbetad token. Denna skillnad mellan det totala antalet parametrar och antalet aktiva parametrar är ekonomiskt betydande, eftersom den till stor del avgör driftskostnaderna i produktionen. Ett företag som använder en sådan modell för att analysera teknisk dokumentation eller regulatoriska texter betalar i slutändan för datorkraft som mer liknar en mycket mindre, tätare modell, medan kvaliteten på resultaten närmar sig den hos en betydligt större modell. Själva arkitekturen följer en hybridmetod bestående av 23 Mamba 2/MoE-lager och sex klassiska uppmärksamhetslager med 128 routingexperter. En öppen ritning från Nvidia fungerade som utgångspunkt, och initialt genomfördes ingen kostsam anpassad efterutbildning.

Utbildningen ägde rum mellan november 2025 och maj 2026 och sträckte sig över tre faser, under vilka andelen tysk utbildningsdata medvetet ökades från initialt 7,2 procent till 15,3 procent. Totalt cirka 27 biljoner tokens bearbetades, med användning av upp till 512 Nvidia B200-grafikprocessorer och en total GPU-belastning på cirka 253 000 timmar. Den fysiska utbildningsmiljön, Deutsche Telekoms Industrial AI Cloud i München, är i sig en del av berättelsen om suveränitet, eftersom den använder kylvatten från Münchens Eisbach-kanal, vilket signalerar en viss grad av ekologisk blygsamhet jämfört med betydligt mer energiintensiva amerikanska datacenter. Förutom tyska och engelska som huvudspråk har modellen också begränsat stöd för franska, italienska och spanska, med en kunskapsbas daterad till slutet av 2025 och en kontextlängd på upp till en miljon tokens som riktas in i den slutliga utbildningsfasen, medan den stabila genomströmningen, enligt den tekniska rapporten, ligger mellan 4 000 och 256 000 tokens.

Prestandajämförelse med internationella konkurrentmodeller

Där Soofi S verkligen imponerar och där begränsningar blir uppenbara

Benchmarkresultaten som publicerades i juli ger en nyanserad bild. I jämförande tester mot sexton andra öppna modeller hävdar Soofi S att den leder de aggregerade poängen för tyska och engelska bland helt öppna modeller och uttryckligen överträffar den amerikanska modellen Olmo 3 i klassen 32 miljarder parametrar och den schweiziska modellen Apertus med 70 miljarder parametrar. Enligt tillgängliga siffror behåller Soofi S också sin ledning gentemot andra europeiska konkurrenter som den spanska Alia med 40 miljarder parametrar och den flerspråkiga EuroLLM med 22 miljarder parametrar. Särskilt inom programmeringsuppgifter, mätt med benchmarks som HumanEval och MBPP, uppnår modellen de bästa resultaten bland de öppna modellerna i jämförelse.

Samtidigt avslöjar resultaten även svagheter. I uppgifter som kräver bred, faktabaserad kunskap, såsom de i MMLU-Pro-riktmärket, såväl som i avancerad vetenskaplig logik, såsom i det tyska GPQA Diamond-testet, ligger Soofi S efter slutna internationella frontmodeller, även om den fortfarande är bland de bästa inom gruppen av öppna modeller. En relativ svaghet är också tydlig i tysk konkurrensmatematik och vissa former av faktabaserad frågeställning. Denna differentiering är ekonomiskt betydelsefull eftersom den visar att Soofi S inte är en universell ersättning för de stora, slutna modellerna för teknikföretag, utan snarare strävar efter en riktad positionering som den högst presterande helt öppna modellen i sin storleksklass, med särskilt fokus på det tyska språket.

En ny dimension av digital transformation med 'Managed AI' (Artificial Intelligence) – Plattform & B2B-lösning | Xpert Consulting - Bild: Xpert.Digital

Här får du lära dig hur ditt företag kan implementera skräddarsydda AI-lösningar snabbt, säkert och utan höga inträdesbarriärer.

En hanterad AI-plattform är din heltäckande och bekymmersfria lösning för artificiell intelligens. Istället för att behöva hantera komplex teknik, dyr infrastruktur och långa utvecklingsprocesser får du en färdig lösning skräddarsydd efter dina behov från en specialiserad partner – ofta inom bara några dagar.

De viktigaste fördelarna i korthet:

⚡ Snabb implementering: Från idé till färdig applikation på dagar, inte månader. Vi levererar praktiska lösningar som skapar omedelbart mervärde.

🔒 Maximal datasäkerhet: Dina känsliga uppgifter stannar hos dig. Vi garanterar säker och korrekt behandling utan att dela data med tredje part.

💸 Ingen ekonomisk risk: Du betalar bara för resultat. Höga initiala investeringar i hårdvara, mjukvara eller personal elimineras helt.

🎯 Fokusera på din kärnverksamhet: Koncentrera dig på det du gör bäst. Vi tar hand om hela den tekniska implementeringen, driften och underhållet av din AI-lösning.

📈 Framtidssäkert och skalbart: Din AI växer med dig. Vi säkerställer kontinuerlig optimering och skalbarhet, och anpassar modellerna flexibelt till nya krav.

Mer information här:

• Den hanterade AI-lösningen - Industriella AI-tjänster: Nyckeln till konkurrenskraft inom tjänste-, industri- och maskintekniksektorerna

Det nuvarande utvecklingsläget sedan tillkännagivandet

Vad som egentligen förändrades mellan juni och juli 2026

Sedan det första tillkännagivandet i mitten av juni har mycket hänt, vilket avsevärt utökar det ursprungliga pressmeddelandet. I mitten av juli publicerades den kompletta Pretraining Tech Report, som anses vara projektets första stora milstolpe, och som avslöjade de tekniska detaljer som tidigare bara varit kända i stora drag. Detta förvandlade tillkännagivandet till en verifierbar teknisk verklighet – komplett med publicerade modellvikter, tränings- och utvärderingskod samt en uppdelning av de datakällor som använts. Enligt konsortiets egen bedömning uppfyller projektet därmed kriterierna i Open Source AI Definition 1.0, och cirka 99 procent av träningsprocessen kan verifieras och reproduceras oberoende.

Vid närmare granskning upptäcks dock en betydande skillnad mellan allmänhetens påstående om fullständig öppenhet och faktisk tillgänglighet. Modellen som tillhandahålls på Hugging Face-plattformen är uttryckligen märkt som en betaförhandsvisning och forskningsartefakt, inte en slutgiltig öppen release. Åtkomst är för närvarande knuten till registrering, och licensen är för närvarande markerad som användardefinierad, utan att den slutliga licenstexten ännu är tillgänglig. Fraunhofer bekräftar själva på sin projektwebbplats att modellen för närvarande befinner sig i en sluten testfas med utvalda branschpartners och att fri åtkomst för allmänheten fortfarande är avsiktligt begränsad, med tillkännagivandet att bredare åtkomst kommer att följa om några veckor. För företag som vill använda modellen produktivt innebär detta att en konkret begäran med bevis på ett applikationsscenario krävs innan åtkomst beviljas.

Utöver grundmodellen har ytterligare varianter sedan dess tillkännagivits, inklusive en Instruct-version optimerad för assistentuppgifter och två specialiserade resonemangsmodeller internt kallade Isar och Rhine. För lokal drift på lokal hårdvara finns kvantiseringar i GGUF- och FP8-format redan tillgängliga, kompatibla med vanliga verktyg som llama.cpp eller Ollama. Detta är särskilt relevant för företag med strikta dataskyddskrav som inte vill använda en molnanslutning.

Klassificering av den ursprungliga ambitionsnivån

Från tillkännagivandet av en hundramiljarderdollarmodell till pragmatisk verklighet

En aspekt som ofta förbises i den allmänna uppfattningen gäller utvecklingen av det ursprungliga målet. När projektet först presenterades i november 2025 var planen att utveckla en AI-språkmodell med cirka 100 miljarder parametrar, från vilken högspecialiserade resonemangsmodeller för komplexa applikationer som AI-styrd robotik skulle härledas. Deutsche Telekom talade också i sina egna uttalanden om en planerad modell med 100 miljarder parametrar som ett europeiskt svar på ChatGPT. Soofi S som faktiskt presenterades, med cirka 30 miljarder parametrar totalt, når betydligt mindre än denna ursprungliga skala, och "S" i modellnamnet står uttryckligen för den mindre storleksklassen inom en planerad modellfamilj.

Denna uppskjutning kan tolkas på två sätt ur ett ekonomiskt perspektiv. Å ena sidan skulle den kunna ses som en realistisk anpassning till begränsade datorresurser och finansiering inom den ursprungligen fastställda tidsfristen i juli 2026, vilket verkar rimligt med tanke på det relativt lilla finansieringsbeloppet på 20 miljoner euro. Å andra sidan avslöjar den en metodologiskt mer skicklig strategi än vad som ursprungligen aviserats: att först publicera en mindre men mycket effektiv modell gör det möjligt för konsortiet att samla praktisk erfarenhet tidigt innan större och dyrare modeller utvecklas. Konsortiets egna uttalanden pekar i denna riktning, eftersom Soofi S uttryckligen beskrivs som den första byggstenen i en modellfamilj från vilken större och kraftfullare efterföljande modeller, såväl som specialiserade varianter för dialog, resonemang och agentapplikationer, ska utvecklas.

Ekonomiska målgrupper och praktiska tillämpningsscenarier

Vem Soofi S egentligen är avsedd för

Till skillnad från många populära chatbot-applikationer riktar sig Soofi S inte medvetet till slutkonsumenter, utan snarare till företag, industriella små och medelstora företag, offentliga förvaltningar, forskningsinstitutioner och startups som vill utveckla sina egna AI-applikationer baserade på sina egna data utan att bli permanent bundna till enskilda icke-europeiska leverantörer. Specifikt nämnda tillämpningsområden inkluderar industriella processer, analys av omfattande tekniska och regulatoriska dokument, kodgenerering och agentiska AI-system som självständigt kan utföra flerstegsuppgifter. För reglerade sektorer som finans, hälso- och sjukvård eller offentlig förvaltning är möjligheten att driva en AI-modell helt på sin egen eller europeiska infrastruktur av stor betydelse, eftersom det gör det lättare att hantera frågor relaterade till den allmänna dataskyddsförordningen (GDPR), granskningsbarhet och spårbarhet än med slutna, utländska modeller.

Särskilt värdefullt för denna tillämpning är modellens förmåga att bearbeta mycket långa dokument, vilket är relevant för att till exempel analysera tekniska manualer, myndighetskrav eller komplexa kontrakt. Konsortiet testar redan modellen med industripartners i praktiska tillämpningsscenarier för att nära anpassa dess vidareutveckling till faktiska affärsbehov. Denna metod skiljer sig från ett rent akademiskt forskningsprojekt, eftersom kommersiell tillämpbarhet och marknadsrelevans beaktas från början, även om konsortiet uttryckligen fortfarande söker ytterligare industripartners för nästa utvecklingsfas, inklusive inom områden som teknisk dokumentation, kodgenerering och agentapplikationer.

Kritisk bedömning och öppna frågor

Mellan berättigad stolthet och nykter marknadsverklighet

Den allmänna responsen på Soofi S har varit övervägande positiv, med särskild tonvikt på den kostnadseffektivitet som uppnåtts av ett relativt litet tyskt konsortium, vilket kan konkurrera med betydligt större internationella projekt. Samtidigt uppmanar oberoende fackpublikationer till försiktighet vid bedömningen av den faktiska mognadsnivån. Så länge den slutliga licensen ännu inte är fastställd och åtkomsten förblir begränsad till en sluten testfas med utvalda partners, är modellen för närvarande bättre lämpad för experiment och utvärdering än som en tillförlitlig grund för produktiva affärsapplikationer. Denna bedömning överensstämmer med Fraunhofer-institutets eget uttalande, som uttryckligen beskriver den nuvarande fasen som en sluten beta och avser att acceptera offentlig feedback från öppen källkodsgemenskapen först efter att den pågående testfasen med industripartners är avslutad.

Ur ett bredare ekonomiskt perspektiv uppstår den grundläggande frågan om en modell av denna skala verkligen kan göra en strategisk skillnad för europeisk digital suveränitet, eller om den bara kommer att förbli en viktig men begränsad signal. En enda öppen modell med 30 miljarder parametrar – hur kraftfull den än må vara inom sin jämförelsegrupp – kan för närvarande inte konkurrera i absoluta termer med de slutna frontmodellerna hos de stora amerikanska och kinesiska leverantörerna, som arbetar med betydligt högre investeringar och större parameterantal. Det verkliga värdet av Soofi S ligger därför mindre i direkt konkurrens om topplatsen i den globala AI-rankingen, utan snarare i dess bevisade förmåga att skapa en konkurrenskraftig, helt transparent basmodell tränad på europeisk infrastruktur, som kan fungera som utgångspunkt för specialiserade, suveräna applikationer.

Utsikter för projektets vidare utveckling

Vad du kan förvänta dig under de kommande månaderna

Med projektets ursprungliga finansieringsperiod som slutar i slutet av juli 2026 står konsortiet inför viktiga beslut gällande dess fortsättning. Lanseringen av en slutgiltig version under en tillåtande licens utan åtkomstbegränsningar har redan tillkännagivits, även om den exakta tidpunkten fortfarande är öppen. Större modeller inom Soofi-familjen är också under utveckling, men den specifika strukturen och tidslinjen för dessa efterföljande modeller har ännu inte offentliggjorts. Med tanke på den ursprungliga ambitionen om en betydligt större modell med cirka 100 miljarder parametrar återstår det att se om och i vilken form detta mål kommer att eftersträvas efter att den nuvarande finansieringsfasen är avslutad. Detta kommer sannolikt till stor del att bero på det federala ministeriet för ekonomi och energi och potentiella privata investerares vilja att tillhandahålla ytterligare finansiering för en andra projektfas.

För företag som överväger att använda Soofi S rekommenderas en tvådelad strategi i detta skede: Teknisk utvärdering av modellen kan påbörjas nu, särskilt för organisationer med specifika behov av statlig infrastruktur och långsiktig dokumentanalys. De slutliga licensvillkoren bör dock klargöras innan den faktiska produktionsdriftsättningen. De kommande veckorna och månaderna kommer att visa om Soofi S framgångsrikt övergår från ett högprofilerat forskningsprojekt till en allmänt använd industriell infrastrukturkomponent, och om det europeiska AI-landskapet därmed har fått en hållbar byggsten för sitt digitala oberoende.

☑️ Vårt affärsspråk är engelska eller tyska

☑️ NYTT: Korrespondens på ditt modersmål!

Konrad Wolfenstein

Jag och mitt team står gärna till er förfogande som er personliga rådgivare.

Du kan kontakta mig genom att fylla i kontaktformuläret här [email protected]:eller helt enkelt ringa mig på +49 7348 4088 965. Min e-postadress är

Jag ser fram emot vårt gemensamma projekt.

☑️ Stöd till små och medelstora företag inom strategi, konsultation, planering och implementering

☑️ Skapande eller omstrukturering av den digitala strategin och digitaliseringen

☑️ Utökning och optimering av internationella säljprocesser

☑️ Globala och digitala B2B-handelsplattformar

☑️ Pionjär inom affärsutveckling / marknadsföring / PR / mässor

Från synlighet till förtroende: Din skalbara väg med Xpert.Digital - Bild: Xpert.Digital

Inom industriell B2B uppstår sällan hållbara affärsrelationer över en natt. De utvecklas steg för steg – genom synlighet, professionell relevans, återkommande kontaktpunkter och växande förtroende. Xpert.Digitals 4-stegsmodell adresserar just detta: Den erbjuder en strukturerad väg som börjar med en hanterbar ingångspunkt och kan utvecklas till djupare samarbete inom affärsutveckling vid behov.

Istället för att förlita sig på högljudda marknadsföringslöften sätter den här modellen relationen i förgrunden. Företag börjar med tydligt definierade, lättberäknade mått och bestämmer sedan, baserat på egen erfarenhet, hur långt de vill utöka samarbetet. En nyckelfaktor för denna ostörda förtroendeskapande process: Plattformen undviker helt irriterande reklam, så det redaktionella fokuset ligger enbart på företagens expertis.

Mer information här:

• Från synlighet till förtroende: Din skalbara väg med Xpert.Digital