Open source LLM 2026 — bästa AI-modellerna med öppen källkod

Open source LLM 2026 — bästa AI-modellerna med öppen källkod

De flesta känner till ChatGPT, Claude och Gemini. Vid sidan av dem finns en annan sorts AI: modeller som vem som helst får ladda ner och köra på egen hand, utan abonnemang. De kallas open source-modeller, och under det senaste året har de blivit förvånansvärt bra. Här är topplistan just nu, varför nästan alla kommer från Kina, och vad det innebär för er.

Vad är en open source LLM?

En vanlig AI-tjänst fungerar som ett abonnemang. Du skickar frågan till OpenAI eller Google, de kör den på sina datorer och skickar tillbaka svaret. Du betalar per användning, och din text passerar deras servrar.

En open source LLM — en språkmodell med öppen källkod — är i stället en fil du får hämta hem. Den kan köras på en kraftig dator hos er, eller på en server ni hyr i Europa. Gör ni det lämnar er information aldrig huset.

Tre saker gör det intressant för ett mindre företag:

• Ingen prenumeration. Ni betalar för datorkraften, inte per fråga. Kör ni samma uppgift tusentals gånger i månaden blir skillnaden stor.
• Er data stannar hos er. Skönt om ni hanterar personuppgifter, avtal eller kunduppgifter.
• Ingen kan dra undan mattan. En modell ni redan laddat ner kan inte plötsligt bli dyrare, ändras eller läggas ner. Det är samma modell om tre år.

Haken är att någon måste sätta upp det och hålla igång det. Det är därför de flesta ändå börjar med ett vanligt abonnemang — och tittar åt det här hållet först när volymen eller integritetskraven motiverar det.

En sak som ofta missförstås: öppen källkod betyder här oftast att själva modellfilen är fri att använda. Det är inte alltid samma sak som att träningsdatan är offentlig eller att licensen tillåter precis allt. Läs licensen innan ni bygger något kommersiellt på en modell.

Bästa open source-modellerna just nu

Oberoende Artificial Analysis kör alla modeller genom samma uppgifter och sätter ett samlat betyg på hur smarta de är. Så här ser topplistan ut bland de fritt nedladdningsbara modellerna i september 2026. Du behöver inte läsa varje rad — mönstret är poängen.

• GLM-5.3 (Z.ai, Kina) — betyg 45, ungefär 2 dollar per löst uppgift. Bäst av alla öppna modeller.
• Kimi K3 (Moonshot AI, Kina) — betyg 44, ungefär 2 dollar.
• GLM-5.3-Flash (Z.ai, Kina) — betyg 42, ungefär 25 cent.
• Qwen3.8 (Alibaba, Kina) — betyg 40, ungefär 2,15 dollar.
• DeepSeek V4.1 Flash (DeepSeek, Kina) — betyg 40, ungefär 27 cent.
• DeepSeek V4 Pro (DeepSeek, Kina) — betyg 36, ungefär 67 cent.
• Nemotron 3 Ultra (NVIDIA, USA) — betyg 23. Bäst i väst, och långt efter.

Se hela listan och uppdaterade siffror hos Artificial Analysis

Två saker sticker ut. Det ena är prisskillnaden: GLM-5.3-Flash får nästan lika högt betyg som storebror men kostar en åttondel. Att välja den dyraste modellen är sällan rätt svar. Det andra är att hela toppen kommer från samma land.

De sju namn du kommer att stöta på

Topplistan ovan mäter en sak: hur smart modellen är. Familjerna bakom siffrorna är färre än raderna, och det är dem du kommer att se i verktyg, molntjänster och artiklar.

• DeepSeek — det kinesiska bolaget som slog igenom 2025 genom att matcha de amerikanska modellerna till en bråkdel av kostnaden. Finns i två spår: en allmän modell och en som är byggd för att resonera sig fram till svar steg för steg.
• Qwen (Alibaba) — bredast av alla. Hanterar över 200 språk, tar emot både text och bild, och kommer i allt från små varianter som går på en bärbar dator till jättemodeller. Fri licens på de flesta versioner.
• GLM (Z.ai) — modellen som just nu leder topplistan. Byggd för längre uppdrag där AI:n ska hålla ihop många steg i rad, till exempel programmering.
• Kimi (Moonshot AI) — specialiserad på att arbeta med bild och text samtidigt, och på att dela upp ett stort uppdrag i mindre bitar som körs parallellt.
• MiniMax — inriktad på vanliga kontorsuppgifter och programmering, och på att lösa dem med så få steg som möjligt. Billig att köra.
• Llama (Meta) — den mest kända västerländska öppna modellen, och den som har flest färdiga guider och verktyg runt sig. Prestandamässigt har den halkat efter.
• Gemma (Google) — Googles lillasyster till Gemini. Poängen är inte toppresultat utan att den är liten nog att köra på egen hårdvara, till och med på en telefon.

Ska ni välja en i dag och vill ha minsta möjliga krångel: Qwen har bredast stöd i verktyg, GLM bäst resultat, och Gemma minst hårdvarukrav.

Nästan hela toppen är kinesisk — och många modeller är destillerade

Sex av de sju bästa öppna modellerna kommer från kinesiska bolag. Bästa västerländska öppna modellen, NVIDIAs Nemotron, får betyg 23 mot GLM-5.3:s 45. Metas Llama och Googles Gemma ligger längre ner än så.

Förklaringen är delvis strategisk. De amerikanska toppmodellerna hålls stängda eftersom de är produkten — OpenAI och Anthropic tjänar pengar på abonnemang. Kinesiska labb använder i stället öppna släpp för att snabbt vinna användare och utvecklare.

Men en stor del av förklaringen är teknisk, och heter destillation.

Vad betyder destillation?

Destillation är en teknik där en liten modell får gå i lära hos en stor. Den stora modellen får svara på hundratusentals frågor, och den lilla tränas på att härma svaren så nära det går. Tänk en lärling som följer en hantverkare i ett år: hen lär sig inte allt mästaren kan, men tillräckligt för att göra nästan samma jobb — mycket snabbare och billigare.

Resultatet blir en modell som är en bråkdel så stor men nästan lika duktig. Det är därför en kinesisk modell kan kosta en tiondel av en amerikansk och ändå hänga med på de flesta vardagsuppgifter. Det förklarar också varför flera av dem finns i "Flash"- eller "Mini"-versioner: samma kunskap, mindre paket.

Att destillera sin egen stora modell till en mindre är helt legitimt, och alla stora AI-bolag gör det. Det omtvistade är när någon misstänks ha destillerat en konkurrents modell genom att mata den med frågor. OpenAI har anklagat DeepSeek för just det, men något bevis har inte lagts fram offentligt.

Tre saker att tänka på med kinesiska AI-modeller

De är bra och de är billiga. Men det finns saker att ha koll på innan ni släpper in dem i verksamheten.

• De är censurerade. Fråga en kinesisk modell om Himmelska fridens torg, Taiwans status eller kritik mot regeringen i Peking, och du får undvikande svar eller inget alls. För fakturahantering och produkttexter spelar det ingen roll. För omvärldsbevakning, journalistik eller research gör det det. Testa själv med ett par känsliga frågor innan ni bestämmer er.
• Appen och den nedladdade modellen är inte samma sak. Använder ni DeepSeeks egen app eller molntjänst skickas er text till servrar i Kina. Laddar ni i stället ner modellen och kör den själva, eller hos en europeisk leverantör, gäller inte det. Den skillnaden är helt avgörande för GDPR, och den missas ofta i diskussionen.
• Värderingarna följer med. Vad modellen tränats på, och hur den finjusterats, speglar var den är byggd. Det märks sällan i vardagsuppgifter, men ha det i bakhuvudet när svaret rör politik, historia eller samhällsfrågor.

Värt att säga rakt ut: de amerikanska modellerna har också begränsningar och värderingar inbyggda. Skillnaden är att censuren i de kinesiska är statligt motiverad och betydligt mer förutsägbar — den träffar samma ämnen varje gång.

Vad kostar det att köra en modell själv?

Här faller de flesta av stolen, åt båda hållen. Att ladda ner modellen kostar ingenting. Datorkraften gör det.

En liten modell som Gemma eller en mindre Qwen går att köra på en modern kontorsdator eller en Mac med tillräckligt med minne — helt gratis, helt lokalt, utan internet. Det räcker längre än många tror för sammanfattningar, mallar och enklare frågor.

De stora toppmodellerna kräver serverhårdvara. Då hyr man i stället kapacitet, gärna hos en europeisk leverantör, och betalar per timme eller per användning. Det blir inte alltid billigare än ett abonnemang — men ni vet var datan ligger, och priset ändras inte för att någon annan beslutar det.

Så skulle vi göra

• Ska ni skriva text, sammanfatta möten och ställa frågor? Stanna i ChatGPT eller Claude. Enklare, och kvaliteten är värd pengarna.
• Har ni en uppgift som körs tusentals gånger i månaden? Räkna på en öppen modell. Det är där kalkylen vänder.
• Får datan inte lämna huset? Då är en modell ni kör själva ofta enda vägen, och en europeisk leverantör den enklaste kompromissen.
• Börja litet. Ta en uppgift ni redan gör, kör den i båda spåren en månad och jämför resultat och kostnad. Det är enda sättet att veta om det lönar sig hos just er.

Vill du läsa vidare har vi gått igenom vad DeepSeek är och grunderna i vad en LLM är. Och vill ni ha hjälp att avgöra vilken modell som passar er — och bygga det som ska köra den — gör vi det som AI-konsult.