德国 Soofi S 30B 开源模型发布：全栈本土训练，英德双语 benchmark 领先

7 月 13 日，德国研究联盟 Soofi Project 正式发布 Soofi S 30B-A3B，并随后在 Hugging Face 上开放 beta 权重。这是少数完全在欧洲本土训练完成的大规模语言模型：全部 27 万亿 token 的训练跑在慕尼黑 Deutsche Telekom 工业 AI 云上，硬件、数据与算力链均留在德国境内。

Soofi S 采用 MoE（Mixture-of-Experts）架构，总参数量 316 亿，但每 token 仅激活约 32 亿参数，实际推理成本接近 3B 级模型。其架构直接复用 Nvidia Nemotron 3 Nano 的混合设计（Mamba-2 层 + 标准注意力层），并训练了长达 100 万 token 的长上下文能力。训练数据分三阶段：第一阶段约 20 万亿 token 学习语言基础；第二阶段 6 万亿高质量 token 精炼；第三阶段用超长文档扩展上下文。德语比例被刻意提高——第一阶段占 7.2%，第二阶段升至 15.3%，显著高于常见开源配方。

官方与 The Decoder 报道均强调，Soofi S 在英德双语开源基准上领先同尺寸全开放模型。不过发布后也有争议：批评者认为其参数/数据比例远高于经典 Chinchilla 定律的「甜点」，质疑是否过度训练；项目方回应称传统 dense 模型缩放律并不直接适用于 MoE 架构，并引用了新的 MoE 缩放研究作为反驳。

对中文用户而言，Soofi S 的意义更多在于「开源模型的地域多样性」：它证明了欧洲本土算力与数据可以支撑一线开源模型训练，也为德语区企业和研究者提供了一个可私有化部署的旗舰选择。当前 beta 权重与预训练技术报告已在 Hugging Face 发布，稳定版与 API 服务时间表尚待官方公布。