Soofi S：德国首个真正意义上的人工智能模型——面向中小企业的安全人工智能解决方案？

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

Available in 27 languages 📢

在 Google 上更倾向于选择 Xpert.Digital。ⓘ

发布日期：2026年7月15日 / 更新日期：2026年7月15日 – 作者： Konrad Wolfenstein

Soofi S：德国首个真正意义上的人工智能模型——面向中小企业的安全人工智能解决方案？——图片来源：Xpert.Digital

德国制造的人工智能革命？Soofi S 语言模型在实践中究竟能取得怎样的成就？

德国新型人工智能模型 Soofi S：真正的突破，还是仅仅“对欧洲有利”？

Soofi S 评测：新的德语语言模型在全球人工智能精英面前表现如何？

长期以来，人工智能领域的技术霸主之争似乎已成定局——这场竞争完全在美国科技巨头和中国政府资助的项目之间展开。欧洲一度面临沦为消费者和监管者的风险。但如今，德国的人工智能产业正凯旋回归国际舞台：SOOFI项目背后的公私合作联盟推出了“Soofi S 30B-A3B”，这是一种世界领先的完全开放系统语言模型。.

Soofi S 在慕尼黑本地基础设施上进行训练，其设计以绝对的数据透明度和 GDPR 合规性为核心，旨在为中小企业和高度监管行业提供一种自主的替代方案。但该模型能否经受住严峻的现实考验？深入分析基准测试结果、创新的混合架构以及令人警醒的市场现实，我们发现 Soofi S 是一个意义非凡的里程碑，证明了欧洲有能力构建具有竞争力的 AI——但这距离真正实现数字化独立还有很长的路要走。本文将对此进行全面分析。.

在标杆声誉与前沿现实之间——为什么“对欧洲有利”并非充分的答案

德国人工智能联盟发布了 Soofi S 30B-A3B 语言模型，该模型在完全开放的模型中处于世界领先地位，但仍落后于中国的 Qwen3.5。这种既有真正进步又有令人警醒的相对性同时出现的情况，是理解德国人工智能领域当前发展状况的关键。.

Soofi S 的技术特点是什么？

该模型的官方代号为 30B-A3B，这精准地描述了其架构：总共有 316 亿个参数，但每个处理的令牌中只有大约 32 亿个参数处于激活状态。这种差异并非缺陷，而是智能架构原则的核心。Soofi S 采用混合专家架构，将 Mamba 2 层与经典的 Transformer 注意力机制层相结合——这一概念直接借鉴自英伟达的 Nemotron 3 Nano，并在此基础上进行了进一步发展。.

这种架构的优势只有在实际应用中才能显现。虽然密集模型会随着上下文长度的增加而消耗越来越多的计算能力，导致吞吐量显著下降，但 Soofi S 几乎始终保持高效。在 40,000 个 token 的上下文长度和 32 个并发请求的情况下，它每个 GPU 每秒生成的 token 数量大约是参数量在 140 亿到 240 亿之间的同类密集模型的八倍。52 层中只有 6 层维护了键值缓存，即使处理非常长的文档，也能保持较低的内存压力。上下文窗口最大可扩展至一百万个 token——如此大的规模使得处理海量文档或冗长对话历史的应用成为可能。.

该训练的实际计算量于2026年3月24日至5月13日期间，在德国电信位于慕尼黑的工业人工智能云平台上，使用多达512张NVIDIA B200显卡完成，总计达25.3万GPU小时。根据项目报告，该设施完全使用可再生电力，采用艾斯巴赫河水进行冷却，并将余热回馈至图赫尔帕克工业园区——在一个能源需求极高的行业中，这绝不仅仅是环保营销那么简单。.

培训如何重新评估德语

训练语料库包含约 27 万亿个词元——这一数据集足以与 Frontier 的产品相媲美，也解释了其相比以往欧洲尝试取得的显著质的飞跃。任何想要了解为何 Apertus、EuroLLM、Teuken 和 Salamandra 等前辈在基准测试中远远落后于国际标准的人，都能在这里找到最清晰的答案：它们训练所用的数据量实在太少。可扩展性和数据量并非语言模型开发中的可有可无的奢侈品，而是性能的关键前提。.

在这个语料库中，该联盟特意增加了德语的占比。在第一阶段训练中，德语占总训练语料的7.2%，在第二阶段，这一比例上升至15.3%。相比之下，在英伟达的Nemotron模型中，所有非英语语言加起来仅占约5%。这种刻意的语言偏好解释了为什么该模型在德语基准测试中表现如此出色。.

数据来源的记录异常透明。除了HPLT网络文本和德国公共语料库（German Commons corpus）之外，训练过程中还纳入了一个商业授权的Genios数据库，该数据库包含来自916家德国出版物的1.93亿篇报纸文章。据该联盟称，约99%的训练数据都可追溯且公开可访问——这在业内堪称一次范式转变，因为即使是美国大型公司也常常将训练数据视为商业机密。这些数据包括模型的特定中间状态、超参数、完整的训练代码和评估代码。.

Soofi S 在基准领域中的地位

客观的评估需要调和两个事实。一方面，根据联盟报告，Soofi S 在德国综合基准测试中以 79.1 分的成绩领先于所有完全开源模型，超过了艾伦研究所的 Olmo 3 32B 和瑞士的 Apertus 70B。在英语基准测试中，该模型也是所有完全开源模型中最强的。在编码任务方面，它在 HumanEval 测试中取得了 73.8% 的成绩，在 MBPP 测试中取得了 70.2% 的成绩。.

另一方面，这个领先领域只是一个子类别，而非全球排名。阿里巴巴的中国模型Qwen3.5 35B-A3B在德语竞赛数学中获得76.5分，而Soofi S仅得56分。这并非微不足道的差距，而是在需要抽象推理能力的领域中存在显著差距。Soofi S在与Qwen3.6 27B或GLM 5.2等模型的国际比较中也落后于它们，而这些竞争对手在专业领域被公认为是标杆。.

这些基准本身也受到严格审查。LAION联盟的Jenia Jitsev指出，该联盟自行定义的“能力指数”指标被夸大了。一位数据挖掘教授提出了一个关键问题：所呈现的数据是否经过独立评估，还是仅仅是未经独立验证的自报数据？这种方法论上的质疑是合理的，不容忽视：基准测试结果只有通过独立验证才能获得可信度，而自报则无法做到这一点。.

该联盟及其背后的基础设施

Soofi并非私人创业项目，而是一个公私合作的联合项目，由德国纳入欧洲框架。该项目由德国人工智能协会（德国人工智能行业协会）协调。德国联邦政府通过联邦经济事务和气候行动部，在欧洲IPCEI-CIS框架内提供了约2000万欧元的资金。SOOFI是“欧洲智能主权开源基金会模型”（Sovereign Open Source Foundation Models for European Intelligence）的缩写——名称本身就具有项目规划意义。.

在研究方面，该联盟拥有雄厚的机构实力：弗劳恩霍夫人工智能与智能系统研究所（Fraunhofer IAIS）、弗劳恩霍夫信息系统研究所（Fraunhofer IIS）、德国人工智能研究中心（DFKI）、达姆施塔特工业大学、维尔茨堡大学、汉诺威莱布尼茨大学以及L3S研究中心贡献了学术专长。人工智能公司Ellamind和Merantix Momentum则代表业界参与其中。来自弗劳恩霍夫人工智能与智能系统研究所的Nicolas Flores-Herr博士负责技术项目管理。.

底层基础设施是德国电信与英伟达（NVIDIA）价值十亿欧元合作的成果：位于慕尼黑的工业人工智能云平台运行着超过一万个GPU，其中包括从2026年3月起将投入使用的由约130套NVIDIA DGX B200系统组成的网络，该系统总共拥有超过1000个GPU，将专门用于欧洲语言建模项目。该基础设施的合同由德国电信通过汉诺威莱布尼茨大学授予——这一流程特意在德国进行，其理由十分明确：避免使用美国的云基础设施进行培训。.

真正的开放意味着什么——以及它为何如此重要

在人工智能行业，“开源”一词已被滥用，且常常具有误导性。许多模型被标榜为“开源”，但实际上仅提供最终权重下载——不包含训练数据、代码，也无法了解数据构成。这种形式的开放性足以满足日常商业用途，但却无法实现真正的控制，也无法进行独立验证。.

Soofi S 在结构上更进一步。该出版物包含模型权重、选定的训练检查点、完整的训练代码、所有评估脚本，以及训练数据源的完整分解，并附有精确的混合统计数据。对于采用宽松许可的源数据，构建工件也会公开；对于采用商业许可的源数据，则会提供汇总统计数据。这些是受监管行业进行审计的先决条件，也是欧盟人工智能法案未来将要要求的。.

对于金融服务、医疗技术或公共管理等行业而言，这种可追溯性不仅仅是美观上的优势，更是法律要求。在可审计流程中使用人工智能模型的银行或保险公司必须能够记录哪些数据被输入到模型中，以及谁拥有对这些数据的技术控制权。总部位于美国的Frontier模型无法从结构上回答这个问题——并非他们不愿回答，而是因为训练数据被视为核心商业机密。.

这项优势受限于一个尚未解决的问题：最终的商业许可在发布时仍未获批。任何计划立即进行生产部署的用户都必须等待此问题解决。这对早期用户来说是一个真正的障碍，任何客观的评估都不应将其考虑在内。.

数字主权论

Soofi S 的出现，首次为“主权人工智能”是否仅仅是一个流行词这一问题提供了具体的答案——至少部分答案如此。在德国基础设施上进行训练，而非使用美国云平台，这并非仅仅具有象征意义：它避免了英伟达或其他超大规模云服务提供商的条款和条件被应用于训练数据，并规避了美国《云法案》的域外效力。该法案原则上赋予美国当局访问在美国基础设施上处理的数据的权限，无论服务器位于何处。.

对于许多总部位于德国的公司而言，这种控制是一个切实存在的、与业务息息相关的问题。那些运行包含内部设计方案、客户机密数据或医疗信息的语言模型的公司，在使用美国服务时会面临根本性的信任危机——这并非出于妄想，而是因为法律上存在一些尚未完全明确的风险。而一个完全运行在德国服务器上、拥有完整文档化的训练数据，并采用宽松许可模式的模型，则能从根本上消除这种法律灰色地带。.

毕马威发布的《2026年人工智能地缘政治指数》研究证实了这一结构性框架：欧洲在战略人工智能能力指数中仅获得48.8分，而美国则高达75.2分。德语区（德国、奥地利和瑞士）得分为54分，略低于西欧，并面临着资本市场分散、能源价格高企以及成长型企业计算能力有限的困境。在此背景下，Soofi S本身并非突破性创新，但它切实地平衡了欧洲对非欧洲供应商的技术依赖。.

我们在欧盟和德国的业务拓展、销售和市场营销方面拥有丰富的专业知识

我们在欧盟和德国的业务拓展、销售和市场营销方面拥有丰富的专业知识——图片来源：Xpert.Digital

行业重点领域：B2B、数字化（从人工智能到扩展现实）、机械工程、物流、可再生能源和工业

更多信息请点击这里：

专家商业中心

一个提供见解和专业知识的主题中心：

涵盖全球和区域经济、创新和行业特定趋势的知识平台
汇集了我们重点关注领域的分析、见解和背景信息。
这里汇集了有关商业和技术最新发展的专业知识和信息。
一个为寻求市场、数字化和行业创新信息的企业提供的信息中心。

从研究到产品：Soofi S 要想在市场中取得成功，还需要做些什么

该模型适用于哪些场景——以及不适用于哪些场景。

围绕 Soofi S 的争论有可能混淆了两个截然不同的问题：它是否是一个能够与 GPT-5 或 Gemini 2.5 相媲美的前沿模型？它是否是一个适用于特定用例的实用工具？第一个问题的答案显然是否定的。第二个问题则更为复杂。.

对于复杂的推理任务、大规模软件开发、深度科学分析或大型创意项目，Soofi S 的表现逊于主流的商业模型。对于那些寻求能够胜任高要求生成任务的最佳人工智能助手的用户来说，Qwen3.5、Claude 或 GPT-5 目前是更好的选择。这一结果既不令人意外，也不令人失望——它是 2000 万欧元的联合研究项目与耗资数十亿美元的中美人工智能实验室之间资源差距的必然结果。.

模型实际应用场景截然不同：工业流程、德国公共管理部门、生产环境的边缘硬件，或是符合 GDPR 要求的企业服务器。Soofi S 正是为此类应用领域量身打造的。实时机器监控、质量控制、生产线操作员辅助、合规性预检、故障单分类、数控机床本地故障诊断、预测性维护警报——在这些任务中，拥有 32 亿个活跃参数且在长时间运行下内存需求恒定的模型能够提供结构性优势。对于这些场景，延迟比表达的流畅性更重要，吞吐量比语言的丰富性更重要。.

这种混合专家架构具有极低的键值缓存需求，针对这些场景进行了优化。在 40,000 个上下文令牌和 32 个并行查询的情况下，Soofi S 的吞吐量比密集模型高出八倍。这并非抽象的学术基准测试，而是衡量本地部署成本效益的关键性能指标。.

中产阶级才是真正的目标群体

在联盟的新闻稿中，Soofi S 被明确描述为中小企业的典范——而且这种定位比乍看之下更加合理。德国的中小企业面临着一系列独特的挑战：它们通常缺乏能够对专有前沿模型进行微调的专门机器学习团队；它们经常处理敏感的客户数据或商业机密，而基于云的美国模型由于合规性问题，难以满足这些需求；此外，它们还寻求能够在本地运行、可记录且易于管理的解决方案。.

对于此类用户而言，一个授权许可宽松、完全透明、规模适中且具备强大德语能力的模型，确实比一个性能更高但训练数据、权重和授权结构不透明的模型更具吸引力。德国信息技术协会（Bitkom）的数据也支持这一观点：三分之二的德国人表示希望使用德国的人工智能产品——这并非出于技术上的偏好，而是出于对数据隐私和信任的重视，这一点也体现在采购流程和客户需求中。.

同时，中型企业并非同质群体。拥有全球供应链、使用英语沟通且设计任务复杂的汽车供应商，其需求与需要处理机密信函的地方行政机构或律师事务所截然不同。前者无法在 Soofi S 中找到完整的解决方案，而后者则可能从中发现构建自主人工智能架构的核心组件。.

该模型揭示了德国作为人工智能中心的哪些特征

欧洲研究与创新专家委员会 (EFI) 在其 2026 年年度报告中描绘了一幅令人警醒的图景：基础研究实力雄厚，但几乎没有专有模型，计算能力不足，而且 GDPR 限制了欧洲开发者的发展，而美国模式却能在欧盟市场畅行无阻。Soofi S 正是对这一诊断的直接回应——同时也是变革成为可能的最佳例证。.

普华永道发布的《2026年人工智能适应性指数》排名证明了德国在治理和数据方面的优势，但这种优势并未转化为实际的商业影响。这正是问题的核心：德国在监管和文档编制方面表现出色，但在规模化和商业化方面却步履维艰。Soofi S 也体现了这种模式：完全透明、合规架构清晰、学术实力雄厚——但却没有一款能够立即应用于中型企业生产线的现成产品。截至发稿时，该模型仍处于封闭测试阶段，仅对部分行业合作伙伴开放。.

2026年4月Cohere收购Aleph Alpha的事件在此背景下颇具启发意义。它展现了一种替代方案：一些服务提供商并非自行构建顶级平台，而是依赖于基于国外模式构建的自主运营和合规层。对于许多中型企业而言，这种方式比等待联盟模式更为现实。然而，这并不能彻底解决主权问题——它只是将问题转移到了运营商层面。.

研究项目与市场产品之间缺少什么？

围绕 Soofi S 的一个最常见的误解是将研究成果与市场成功混淆。由弗劳恩霍夫研究所、德国人工智能研究中心 (DFKI)、各大学和初创企业组成的联盟确实取得了一项欧洲前所未有的成就：在完全透明的欧洲基础设施环境下，训练出前沿数据级别的语言模型。然而，这需要研究机构联盟而非以盈利为目的的私营公司来完成，这并非实力的体现，反而暴露了欧洲人工智能生态系统的结构性缺陷。.

市场准备并非理所当然。一个模型需要具备完善的许可证、稳定的生产环境、部署工具、支持体系、精细化调优流程以及可集成的API，才能真正应用于企业级应用。截至发稿时，最终许可证仍在审批中。该模型目前正与行业合作伙伴进行封闭测试，测试内容包括技术文档、代码生成和基于代理的系统。这无疑是正确的一步，但也凸显了从令人瞩目的研究成果到可投入生产的企业级工具，还有很长的路要走。.

此外，还存在训练模型本身的许可问题。专家社区指出，该模型家族内存在不同的变体——伊萨尔河模型和莱茵河模型——并警告说，在商业许可问题最终解决之前，不宜开始使用该模型。这种谨慎是有道理的，因为如果一个模型被集成到关键业务流程中，而之后又被证明不具备商业用途，那么逆转这一过程将产生巨大的技术和法律成本。.

真正的衡量标准：可扩展性和生态系统

Soofi S 的最终发展与其说取决于当前模型的质量，不如说取决于联盟和德国人工智能领域在此基础上进行构建的能力。该项目明确宣布将构建一系列模型，而非单一模型。最初设定的 1000 亿参数目标于 2025 年 12 月公布——拥有 300 亿参数的 Soofi S 是构建这一目标的首个模块。.

如果这个初始模块能够发展成为一个完整的模型系列，并定期更新，与德国电信的计算基础设施相匹配，同时吸引一个真正的产业生态系统，包括微调服务商、集成商和应用软件制造商，那么这将是一项真正的突破。如果它最终只是概念验证——学术上的成功而没有商业上的成功——那么Soofi S将加入众多欧洲项目的行列，这些项目起初都备受瞩目，最终却在运营中销声匿迹。.

因此，决定未来发展的关键指标并非当下的基准，而是授权速度、测试合作伙伴的广度及其公开反馈、后续大型模型项目的资金是否到位，以及最终，以盈利为目的的私营公司是否参与后续开发，还是该模型始终依赖公共资金。人工智能的自主性并非通过标签来实现，而是通过性能、可扩展性以及一个允许并奖励创新的市场来实现。.

欧洲背景和地缘政治维度

Soofi S并非孤立的德国项目，而是欧洲更大规模运动的一部分。IPCEI-CIS计划汇集了七个成员国12亿欧元的国家援助，用于云计算和边缘计算技术，为类似项目提供政治和财政支持。法国的Lucie模式和泛欧层面的OpenGPT-X项目也存在类似的联盟模式。这些举措的共同之处在于其结构性：它们都整合了公共资金、学术能力和私人基础设施。.

上下文使区别更加清晰。任何期望欧洲开发的AI能够与OpenAI、谷歌、Anthropic等数十亿美元投资的公司，或是中国政府支持的模型生态系统相抗衡的人，都问错了问题。更相关的问题是，欧洲是否有能力构建自身完全可控的基础AI模型层，作为欧洲应用开发的基础——而无需完全依赖非欧洲的基础设施、许可条款和地缘政治因素。.

欧盟人工智能法案正在逐步全面实施，为这一问题增添了新的法律维度。对于通用模型，该法案强制要求透明度义务，而对于拥有完整训练数据的完全开放模型来说，履行这些义务在结构上比专有黑盒模型更容易。这并非巧合：欧洲监管的部分目的就是为了使欧洲开源方案相对于专有架构具有比较优势。Soofi S 正好符合这一监管设计。.

对第一步的诚实评估

Soofi S 是首个不仅在新闻稿中大肆宣传，而且在可验证的基准测试中也能与国际竞争对手匹敌的欧洲开源语言模型——至少在完全开源模型领域是如此。这绝非易事。它的欧洲前辈们水平相差甚远，差距是根本性的，而非微不足道的。.

与此同时，将这一进展重新解读为人工智能的突破性进展，在学术上是不诚实的，因为它并非如此。一个拥有300亿参数、落后于Qwen3.5且仍处于测试阶段的模型，仅仅是一个充满希望的开端，而非终点。该联盟的研究质量毋庸置疑，架构决策也经过深思熟虑，透明度更是堪称典范。然而，与全球领先水平的差距依然巨大，仅靠2000万欧元的公共资金是无法弥合的。.

Soofi S 与以往所有关于欧洲自主人工智能的声明最大的区别在于一个关键细节：该模型确实存在，拥有已公布的权重、完整的训练记录和可衡量的结果。这听起来理所当然，但在欧洲人工智能领域却并非如此。对于那些将数据主权、可审计性和 GDPR 合规性视为真正决策标准（而不仅仅是合规口号）的人来说，一个新的局面由此展开。.