Open source-AI-modeller för företag: De viktigaste modellerna i översikt (per oktober 2026)

Om man vill köra AI-modeller i det egna företaget i stället för att skicka data till ChatGPT och liknande, finns det i dag ett bra urval av öppna modeller (”open source” eller mer exakt ”open weights”). För företag i Tyskland är per oktober 2026 framför allt familjerna Mistral, Qwen, gpt-oss, DeepSeek och Apertus intressant. Llama 4 från Meta är däremot i praktiken inte användbart för företag med säte i EU på grund av en licensklausul. Vilken modell som passar beror på licens, kunskaper i tyska, storlek och befintlig hårdvara.

”Open Source” eller ”Open Weights” – vad betyder det egentligen?

För de flesta ”öppna” AI-modeller är modellvikter publicerad – alltså den tränade modell som du kan ladda ner och köra på egna servrar. Träningsdata och den fullständiga träningsprocessen förblir oftast konfidentiella. Experter talar därför om Open Weights. För företagsvardagen är det avgörande: Du kan köra modellen själv, dina data lämnar inte er infrastruktur, och ni är inte beroende av prisändringar eller avstängningar hos en molntjänst.

Det viktiga är licensen: den reglerar om ni får använda modellen kommersiellt, ändra den och bygga in den i egna produkter. Licenser som Apache 2.0 eller MIT är mycket generösa. Tillverkarnas egna licenser kan däremot innehålla begränsningar – ända till att hela regioner utesluts.

Översikt över de viktigaste modellfamiljerna

Mistral (Frankrike)

Det franska företaget Mistral AI publicerar många modeller under Apache 2.0, däribland den stora Mistral Large 3 (december 2025) och Mistral Small 4 (mars 2026), som förenar text, bilder och flerstegsresonemang i en modell. Fördelar för tyska företag: europeisk leverantör, goda kunskaper i tyska, tydlig licens och modeller i många storlekar – från små varianter för en enskild server till stora modeller för datacenter.

Qwen (Alibaba)

Qwen-modellerna från Kina hör till de mest kraftfulla öppna modellerna och släpps i snabb följd (bland annat Qwen3.6 i april och Qwen3.8 i augusti 2026). De fritt nedladdningsbara varianterna står oftast under Apache 2.0; de största ”Max”-modellerna är däremot inte öppna. Qwen erbjuder särskilt många storlekar, inklusive kompakta modeller som kan köras på ett enda grafikkort.

gpt-oss (OpenAI)

Med gpt-oss-20b och gpt-oss-120b har OpenAI 2025 för första gången på flera år publicerat öppna modeller – under Apache 2.0. Den mindre varianten är avsedd att köras på jämförelsevis blygsam hårdvara, den större för kraftfulla servrar. För många företag är det en naturlig ingång, eftersom beteende och stil känns bekanta.

DeepSeek (China)

DeepSeek publicerar sina modeller under MIT-licensen och var 2025 en föregångare med sina ”Reasoning”-modeller. Vid egen drift skickas inga data till Kina – till skillnad från vid användning av DeepSeek-appen eller -API:et. Vissa företag granskar ändå noggrant hur modellerna beter sig i politiskt känsliga frågor.

Apertus (Schweiz)

Apertus publicerades av Swiss AI Initiative (EPFL, ETH Zürich, CSCS) i september 2025, i storlekarna 8 och 70 miljarder parametrar, under Apache 2.0. Särskilt: Det är helt öppet – även träningsdata och metoder är dokumenterade – och har utvecklats med hänsyn till europeisk lagstiftning. Prestandamässigt ligger den första versionen efter de ledande modellerna; för företag med höga krav på transparens är den ändå ett intressant alternativ.

Gemma (Google)

Google publicerar med Gemma kompakta öppna modeller som är särskilt avsedda för enheter med lite minne. Gemma omfattas av en egen Google-licens med användningsvillkor – inte av Apache 2.0. Innan användning bör du kontrollera villkoren.

Llama 4 (Meta): Observera, uteslutning av EU

Meta publicerar Llama under en egen ”Community License”. För Llama 4 utesluter den tillhörande användningspolicyn företag med huvudkontor i EU från rättigheterna till de multimodala modellerna – och alla Llama-4-modeller är multimodala. För tyska företag som vill drifta en modell själva är Llama 4 därmed i praktiken inget alternativ. Äldre, rena textmodeller som Llama 3.3 påverkas inte av detta, men är tekniskt sett inte längre helt uppdaterade.

Vad företag bör tänka på vid valet

• Licens: Apache 2.0 eller MIT är för företag de mest okomplicerade. Läs egna tillverkarlicenser noggrant.
• Tyska: Testa med riktiga texter från din vardag – stavning, facktermer, ton.
• Storlek och hårdvara: Större modeller är bättre, men kräver betydligt mer grafikminne. Mer om detta: Vilken hårdvara behöver en egen AI?.
• Uppgift: För sammanfattningar och sökning i dokument räcker ofta medelstora modeller; för komplexa analyser behövs större.
• Ursprung och förtroende: Vid egen drift skickas inga data till tillverkaren – modellens beteende i känsliga frågor måste ändå granskas.
• Vidareutveckling: Välj familjer som uppdateras regelbundet och planera för övergången till nya versioner.

Hur företag använder öppna modeller i praktiken

Nästan inget företag använder en modell ”renodlat”. Typiskt är kombinationen med ett gränssnitt som Open WebUI, en körmiljö som Ollama och en kunskapsbas från egna dokument via RAG. Så skapas en intern AI-assistent som får åtkomst till ert innehåll utan att data lämnar företaget. Om detta lönar sig jämfört med en molntjänst visar jämförelsen Lokal AI vs. ChatGPT & Co..

bettersorted använder för sina kunder öppna, insynsbara byggstenar – körda på servrar i Tyskland och samlade i automaisa Hub. Vi ger tillverkaroberoende rådgivning, är registrerad rådgivare hos BAFA och auktoriserad INQA-coach. Rådgivning och den ledsagade införandet kan finansieras till 80 % via INQA-Coaching; den lämpliga vägen visas av stödchecken. För ett förutsättningslöst första samtal: Kontakt.

Exempel: modellval i en social organisation

Ett illustrativt scenario: En social organisation vill ha en intern assistent för koncept, tjänsteföreskrifter och bidragsriktlinjer. Hälso- och socialdata får inte lämna huset. Tre öppna modeller i mellanstorlek testas med 40 verkliga frågor från vardagen. Bedömningen gäller korrekthet, begriplighet på tyska och hastighet på den befintliga servern. Resultatet: En mellanstor modell med Apache-2.0-licens ger i kombination med en bra dokumentsökning de bästa svaren – en större modell hade krävt dyrare hårdvara utan att vara märkbart bättre.

Checklista för ert modellbeslut

1. Läst licensen och är kommersiell användning i EU tillåten?
2. Testat med 20–50 verkliga uppgifter på tyska?
3. Ryms modellen i det tillgängliga grafikminnet – med marginal för flera användare?
4. Är det tydligt vem som ansvarar för uppdateringar och modellbyten?
5. Är dataskydd och användningsregler dokumenterade (AI-policy)?
6. Finns det ett enhetligt gränssnitt så att modellen senare förblir utbytbar?

Kostnader och finansiering

Kostnaderna för en egen AI-modell består av tre delar: Installation (planering, installation, anslutning, tester), löpande drift (server eller hosting, uppdateringar, övervakning, säkerhetskopiering av data) och Stöd till medarbetarna (utbildning, regler, kontaktpersoner). Vi anger inga fasta priser eftersom omfattning och utgångsläge varierar kraftigt. Själva programvaran medför inga licenskostnader vid open source-lösningar.

Det är inte tekniken som finansieras, utan rådgivning och guidad införande: via INQA-Coaching övertar förbundet i hela landet 80 % av coachningskostnaderna (upp till 11.520 €, checkar till 30.06.2028). En förhandsanalys kan subventioneras via BAFA-Beratungsförderung – med 80 % i de nya förbundsländerna, Lüneburg och Trier, annars 50 %, för ansökningar till och med 31.12.2026. För investeringar erbjuder vissa delstater egna program – se Fördermöglichkeiten für Unternehmen in Deutschland.

Vanliga frågor

Vilken öppen källkodsmodell för AI är bäst för företag?

Det finns ingen enskild bästa modell för alla. För tyska företag är Mistral, Qwen och gpt-oss ofta förstahandsval på grund av sin Apache-2.0-licens och goda kunskaper i tyska. Testa två eller tre modeller med era egna uppgifter.

Får jag använda Llama 4 i Tyskland?

Som företag med huvudkontor i EU får ni enligt användningspolicyn inga rättigheter till de multimodala Llama-4-modellerna, och alla Llama-4-modeller är multimodala. För egen drift i Tyskland är Llama 4 därmed i praktiken uteslutet.

Är modeller med öppen källkod lika bra som ChatGPT?

De bästa öppna modellerna ligger för många uppgifter nära de kommersiella toppmodellerna. För typiska företagsuppgifter som att sammanfatta, formulera och söka i egna dokument räcker de oftast.

Vad är skillnaden mellan Open Source och Open Weights?

Med Open Weights är modellvikterna fritt tillgängliga, men träningsdata och metoder är ofta inte det. Helt öppna modeller som Apertus gör även detta öppet. För egen drift räcker Open Weights med lämplig licens.

Status: oktober 2026. Modeller, versioner och licenser ändras snabbt – kontrollera den aktuella licensen hos leverantören innan du fattar ett beslut.