Briefing 283: Was nützt uns Soofi?

Hi,

es ist Sommer. In den nächsten Tagen erscheint eine Sonderausgabe des Briefings mit vielen interessanten akademischen Papers zu KI. Danach gibt es eine zweiwöchige Sommerpause.

Marcel

Im Fokus dieser Ausgabe:

• Kimi K3: Moonshots neues Modell kommt der Frontier so nah wie kein offenes Modell zuvor. Warum das Lab mein Favorit unter Chinas KI-Aufsteigern bleibt.
• Soofi S: Deutschlands Konsortium-Modell ist da. Ob es etwas bedeutet, zeigen erst die Lerneffekte und das Tempo der nächsten Schritte.

Für Abonnenten:

• Waymo und Uber: Warum die Zweckgemeinschaft von Lieferant und Plattform ein Ablaufdatum hat.
• Mistral erhält Milliarden von Microsoft und verhandelt mit Samsung: Kapital für europäische Strukturen, egal aus welchem Motiv.
• Robotik: China führt den Humanoiden-Produktions-Ramp an; Marktführer Unitree in Zahlen.

und mehr

Zitat des Tages

What if the Great Filter is government bureaucracy
The Dark Forest is export license paperwork

Emostaque auf X

Podcast-Sommer: Vibecoding, Europas Herausforderungen

Ich habe mit Sascha Lobo über seine und meine Vibecoding-Erfahrungen im „Tech, KI & Schmetterlinge“-Podcast gesprochen.

Desktop-Apps für den eigenen (Arbeits-)Alltag sind heute leichter erstellt als vor 5 Jahren eine Website. Das ist ein sehr großer Trend. Sascha hat recht, wenn er sagt, dass es hier um eine neue Kulturtechnik geht, die bald zu fast jedem Wissensjob dazugehören wird.

Auf LinkedIn hat Philipp A. Michel, Facharzt für Orthopädie und Unfallchirurgie, kommentiert, was er mit Hilfe von KI gebaut hat:

ein browserbasiertes Planungswerkzeug für die Hüft- und Knieendoprothetik — entstanden in Feierabend-Sessions, mit KI-Unterstützung beim Programmieren und mit dem Fachwissen aus hunderten OP-Planungen als eigentlichem Bauplan.

Ich habe bereits von einigen Ärzt:innen gehört, die mit KI Werkzeuge erstellt haben, die ihnen helfen. Etwa eine App für Patient:innen für das richtige Verhalten nach einer OP.

Tiefes Fachwissen und, vor allem, Prozesswissen, oder, weniger hochtrabend, Arbeitsalltagswissen, sind heute für viele Einsatzzwecke unendlich viel wertvoller für die Softwareerstellung geworden als Programmierkenntnisse.

Mit Marco Herack habe ich außerdem bei den Mikroökonomen über Europas Aufholmöglichkeiten und -herausforderungen bei KI gesprochen. Die europäische Schwäche beim Thema wird zunehmend prekär.

(Aktuell ist es noch eine Premium-Folge für dortige Mitglieder.)

Und in den Exchanges sprechen Jochen Krisch und ich über Übernahmen und Börsengänge im Onlinehandel:

Nach dem AI-Special (“Meine KI-Freunde”) gehen Jochen Krisch und Marcel Weiß In den neuesten Exchanges die großen Übernahmen und Börsengänge der Saison durch, von Uber Eats und Delivery Hero über das Werben von Stripe um PayPal bis zu den geplanten IPOs von Reformation, Shein und RedNote. Außerdem schwingt die alte europäische Frage nach Kapital und Exit-Möglichkeiten mit.

🤖 KI

Claude Opus 5

Anthropic hat Opus 5 veröffentlicht, ohne Wartezeit für die Nutzer.

Anthropics „Fable“-Einführungsstrategie geriet ins Chaos, als die Trump-Regierung den Export von „Mythos“ und „Fable“ verbot, bis OpenAI wettbewerbsfähig war. Sie hatten geplant, ordentliche Einnahmen aus der API zu erzielen und ihre Kapazitäten auszubauen bzw. zu optimieren, bis die Nachzügler aufgeholt hätten. Sowohl GPT-5.6 als auch Kimi K3 haben Anthropic unter Druck gesetzt. Deshalb kam jetzt so schnell Opus 5.

Viel relevanter für uns in Europa ist die Intransparenz des Ganzen: Was ist an Opus 5 anders als an Fable 5, dass kein Exportbann kommt? Aus Gesprächen und ersten Tests lässt sich erahnen, dass Anthropic Opus 5 die Möglichkeit genommen hat, komplexere Arbeitsabläufe autonom zu handhaben. Es kann keine vergleichbar großen Pläne autonom ausführen wie Fable.

Die kleinen Schritte mögen einzeln beeindruckender im Benchmark gegenüber Fable wirken, aber es fehlt die agentische Qualität des mächtigeren Modells.

Das ist etwas, auf das wir uns einstellen müssen: Was dieses oder jenes Modell kann, wird aufgrund der geopolitisch angespannten Lage und der steigenden Fähigkeiten der Modelle künftig noch schwerer erkennbar sein als das bereits seit längerem ist. (Benchmarks erzählen immer nur einen Teil der Story.)

Die Welle der offenen Modelle

Kimi K3

Moonshot hat für Aufsehen gesorgt, weil ihr neues Modell K3 sehr nah an die Frontier-Modelle kommt.

Beispielhaft Guillermo Rauch, Vercel, auf X:

Kimi K3 is the best performing model on nextjs.org/evals, ahead of Fable, reaching a comparable success rate in less time. This is the first time that an open model is ahead of all proprietary ones for this comprehensive web engineering benchmark.

Die Benchmarks täuschen allerdings über die sehr unterschiedliche Verteilung der Fähigkeiten hinweg. Und: Kimi K3 mag günstig per Token sein, aber es verbraucht beim Reasoning sehr viele Tokens.

Ich hatte vor ziemlich genau einem Jahr, im Juli 2025, in der FAZ über Kimi K2 geschrieben und dort Kimi K2 den „zweiten Deepseek-Moment“ genannt:

Die eigentliche Machtverschiebung aber liegt darin, dass China ein ganz eigenes Innovationszentrum für offene KI geschaffen hat und Europa jetzt noch stärker Gefahr läuft, strategisch zwischen den Blöcken zu sitzen. Wenn KI weiter so rasant commodifiziert, werden Entscheider in Europa massenhaft zu chinesischen Anbietern schielen. Einfach weil diese Modelle günstiger und flexibler und damit attraktiver sind.

Das Zeitalter der „Deepseek-Momente“ ist nicht vorbei, es ist auf absehbare Zeit die neue Realität.“

K3 war jetzt ein Einschlag, der sehr viel näher als alles andere vorher gekommen ist.

Seit ich letztes Jahr über sie geschrieben habe, ist Moonshot mehr noch als Deepseek oder Z.ai mein (jetzt nicht mehr so) geheimer Favorit bei der Frage, welches chinesische Lab am besten vorankommt. Letztes Jahr haben sie unter anderem auf der Architekturseite mit einem neuen Optimizer für Aufsehen gesorgt, der das Training stabiler und damit günstiger werden ließ.

Yang Zhilin, der Gründer von Moonshot, ist so eine Art Rockstar in der Branche und wird von vielen als Genie gefeiert. Eine Folge seines Kultstatus ist, dass das Forschungsteam rund um ihn stabil geblieben ist (zum Teil wohl viele, die bereits mit ihm studiert haben).

Ein paar Zitate aus einem FT-Porträt über ihn:

China’s AI race has been a battle for talent, with deep-pocketed tech groups aggressively poaching from smaller start-ups. Throughout this, Yang has kept one of China’s strongest research teams together. Many of Moonshot’s founding researchers studied alongside him either at Tsinghua University, where he graduated top of his computer science class, or at Carnegie Mellon University, where he completed his PhD. During his CMU years, Yang had stints at Google Brain and Meta. [..]
That cohesion has distinguished Moonshot from Chinese AI groups including Alibaba and Baidu, which have seen prominent researchers depart amid disagreements over balancing frontier research with commercial demands. [..]
Former classmates recall Yang, born in the southern province of Guangdong, as unusually gifted. He began coding in high school and won first prize in the National Olympiad in Informatics — an achievement that earned him direct admission to university. He also balanced elite academic performance with music. A drummer in a campus band called Splay, he organised university music competitions alongside future Moonshot co-founder Zhou Xinyu. [..]
“The fact that Yang could get top grades while doing all that made him famous at Tsinghua,” one former classmate said. “People called him Yang Shen” — which translates to “Yang the genius”. “Friends would describe him as romantic and idealistic,” they added.

Soofi S

Ein bisschen unfair, aber setzen wir dem den europäischen großen Wurf Soofi S direkt gegenüber.
Ein vom KI-Bundesverband koordiniertes deutsches Konsortium veröffentlicht ein 30B-A3B-Modell, trainiert auf der Industrial AI Cloud der Telekom in München. Unter den vollständig offenen Modellen erzielt es die besten Werte für Englisch und Deutsch, vor OLMo 3 32B und Apertus 70B (The Decoder, Paper).

Jetzt stellt sich die Frage: Wofür genau braucht man vollständig offene Modelle?

Oder konkret: Was braucht Europa?

Europa braucht eigene Modelle für den Wirtschaftsalltag, die unter europäischer Kontrolle liegen. (Oder unter Kontrolle von Partnern auf Augenhöhe wie Kanada, wo Cohere, der neue Besitzer von Aleph Alpha, sitzt.)

Dafür wiederum braucht Europa neben der Infrastruktur (Rechenleistung, siehe Briefing 282) Kernkompetenzen im Aufbau von Modellen mit allem, was dazu gehört: Datenpipeline, Evaluation, Post-Training, Inferenz-Stack, Monitoring, Sicherheit. Also: die Fähigkeit, Modelle zu trainieren und sie in produktive und bezahlbare Systeme zu übersetzen, die in Unternehmen wirklich laufen.

Dafür kann Soofi S ein erster Schritt sein.

Die Existenz dieses ersten Modells sagt aktuell allerdings noch gar nichts aus über die Bedeutung des Projekts.

Es gibt zwei Anhaltspunkte, die uns etwas über Soofi S sagen können:

1. Wie wurde es gebaut, und was waren die Lerneffekte daraus für die Zukunft?
2. Wie schnell geht es weiter zu den nächsten Modellen und Meilensteinen?

Zu Ersterem:

• Trainiert in der Industrial AI Cloud der Telekom in München: Dort mit Nvidia B200 GPUs
• GPU-Verbindung: NVLink/NVSwitch von Nvidia
• als Basis wurde die Nemotron-3-Architektur von Nvidia genutzt (Nemotron 3 Nano wurde unverändert übernommen)

Das ist viel Nvidia-Infrastruktur, naheliegend, weil man das Rad nicht komplett neu erfinden muss, aber es wirft auch die Frage auf, wie groß oder besser klein dieser erste Schritt jetzt war.

Zu den Erkenntnissen aus dem ersten Trainingslauf schreiben sie im Paper etwa über Gelerntes zur GPQA-Kontamination oder dies hier:

A mixture consisting almost entirely of German FinePDFs (D08) performs competitively on English but collapses on German bits-per-byte, suggesting that document-style PDF text alone is too narrow for the German tail.

Das ist nicht nichts, aber das sind alles kleine operative Erkenntnisse, kein großer Wurf wie die Entwicklung eines eigenen Optimizers bei Kimi K2 vor einem Jahr in China.

Eine große Erkenntnis scheint zu sein, dass es funktioniert zu haben scheint, die Architektur nicht selbst zu entwickeln, stattdessen die Nvidia-Bausteine zu nutzen und sich auf das Datenrezept zu konzentrieren. (Das kann aber auch eine Selbstrechtfertigung sein für die eigenen Entscheidungen. Unabhängige Einschätzungen stehen noch aus.)

Eine Folge daraus: Der Fokus soll weiter auf Datenaufbereitung liegen, um bessere Grundlagen zu erhalten.

continued scaling of the high-quality German data pipeline that this release identified as the principal bottleneck for further gains

Aber wie weit wird uns all das gegen GPT-5.6, GPT-6, Fable 5, Opus 6 und Kimi K3 bis K4, K5 und K6 bringen? Das ist eine offene Frage.

(Im Detail lautet die Frage: Was können wir damit mittelfristig bauen, was einzelne Einsatzzwecke von nichteuropäischen Modellen hin zu Soofi-Modellen oder verwandten oder abgewandelten Modellen verschieben wird, und was davon wird souveränitätsrelevant sein und nicht nur nice-to-have? Und: Welche Teile von Multi-LLM-Systemen müssen dringend selbst gebaut und verstanden werden?)

Zu Zweitem:

[Soofi S] bildet die Grundlage für weitere Soofi-Modelle, darunter spezialisierte Varianten für Dialog-, Reasoning- und Agentenanwendungen.

Wie sich das für Europa gehört, werden Dinge nicht einfach veröffentlicht, damit es schnell vorangeht:

Derzeit liegt der Fokus auf praxisnahen Tests mit Industriepartnern. Eine allgemeine Veröffentlichung zur direkten Nutzung ist noch nicht erfolgt.
Für die nächste Testphase sucht Soofi Unternehmen und Organisationen, die industrielle KI-Anwendungen erproben möchten.

Soofi S allein sagt uns aktuell also noch nichts darüber, ob wir hier etwas vor uns haben, das uns in Europa weiterhelfen wird. Das werden wir erst wissen, wenn wir sehen, wie schnell die nächsten Modelle kommen und wie effizient die Pipeline zum produktiven Einsatz hochgezogen wird. Ob vom Konsortium oder von Dritten.

Für den Kontext sei nochmal auf die komplett offene Modellfamilie Olmo von AI2 aus den USA verwiesen, zu der auch bereits ein erstes Modell für Robotik gehört.

Wir sind spät dran. Wir sollten uns jetzt nicht zu viel Zeit lassen.

Das Soofi-Projekt wurde im November 2025 gestartet.

Thinking Machines Inkling & Tinker

Das erste eigene Modell des Startups von Ex-OpenAI-CTO Mira Murati; ein offenes MoE-Modell (975 Mrd. Parameter, 41 Mrd. aktiv, Apache 2.0), multimodal trainiert. Es ist bewusst nicht als stärkstes Modell positioniert, sondern als Basis für Anpassung per Fine-Tuning über die hauseigene Tinker-Plattform (Thinking Machines, TechCrunch).

Das ist ein schöner Kontrast zu Soofi: Tinker ist eine flexible API zum Fine-Tuning von Open Source Sprachmodellen, die von Thinking Machines entwickelt wurde. Das Produkt wurde am 1. Oktober 2025 angekündigt und ist seit dem 12. Dezember 2025 allgemein verfügbar.

LLMs allein reichen im Agentenzeitalter, das von Tools und Harnesses bestimmt wird, längst nicht mehr aus. APIs wie Tinker zeigen außerdem, dass Infrastruktur auch auf der Modelltrainingsebene entsteht.

„Wir haben ein eigenes Modell gebaut“ ist 2026 einfach zu wenig, um wirklich eine Bedeutung zu haben.

Mehr: Qwen 3.8 und Meituan LongCat 2.0

Qwen3.8 (Alibaba, 19.07.): Auf der WAIC in Shanghai als Max-Preview vorgestellt. Alibaba nennt es „second only to Fable 5“, legt aber weder Benchmarks noch Model Card vor; offene Gewichte sind ohne Datum „bald“ versprochen (SiliconANGLE, TNW).

LongCat-2.0 (Meituan, 30.06.): 1,6-Bio.-Parameter-MoE (rund 48 Mrd. aktiv, 1 Mio. Token Kontext) unter MIT-Lizenz, nach Firmenangaben komplett auf chinesischen Chips trainiert. (VentureBeat, SiliconANGLE).

Besonders Meituan nehme ich gern als Beispiel dafür, wie sehr die europäische Wirtschaft das Thema verschläft: Während ein chinesischer Restaurant- und Lebensmittellieferdienst LLMs produziert, ist es völlig abwegig so etwas von einem führenden deutschen Konzern wie VW zu erwarten.

Warum ist das so? Worth pondering.

Das Entscheidende aus dem OpenAI-HuggingFace-Vorfall