Öppna AI-modeller flyttar från molnet till företagens egna servrar

Läget i dag

Under några år har de mest kapabla AI-modellerna mest funnits bakom någon annans gränssnitt. Man skickar en fråga till en leverantörs moln och betalar per användning. Så ser det fortfarande oftast ut. Men de senaste lanseringarna visar hur snabbt alternativet växer: modeller vars vikter vem som helst kan ladda ner och köra på egen hårdvara.

Mistral har släppt vikterna till Mistral Large 4, en modell med runt en biljon parametrar. Det franska företaget säger att företag och myndigheter nu kan köra den själva, och marknadsför den för att upptäcka och hantera cyberhot. Nvidia har lanserat tre Nemotron-modeller med öppna vikter: en stor för AI-agenter i företag och två mindre Bolt-modeller som körs lokalt på datorer och arbetsstationer med Nvidias kretsar. Meta har släppt Muse Spark Open, en modell med 816 miljarder parametrar som är byggd för att köras lokalt på Apples Mac-datorer.

Att köra lokalt har fortfarande sina gränser. Muse Spark Open kräver minst en terabyte RAM. Det är en kraftfull arbetsstation, inte en vanlig bärbar dator. De största öppna modellerna kräver fortfarande rejäl hårdvara.

Samtidigt blir ekonomin bakom de slutna modellerna tydligare. Anthropics börsansökan visar intäkter på 16,3 miljarder dollar under första halvåret och en nettoförlust på 80,7 miljarder dollar. Bolaget varnar själv för att det kanske inte når eller behåller lönsamhet. Enligt TechCrunch bör kunder i Europa räkna med högre priser när aktieägare börjar kräva marginaler. Google har presenterat Gemini 4 Carbon men väntar med den breda lanseringen tills modellen har testats av amerikanska myndigheter, och något datum finns inte.

I Sverige växer kapaciteten att köra stora modeller på hemmaplan. Sferical AI, som bildats tillsammans med flera stora svenska företag, har invigt Sferical One, byggd på 16 Nvidia DGX GB300-system. Det franska molnföretaget Scaleway planerar en AI-superdator i Sverige med AMD Instinct MI355X, byggd av Bull.

Om fem år

Vi tror på en delad marknad. Slutna modeller från ett fåtal leverantörer behåller troligen ledningen i toppen, för de svåraste uppgifterna. Men en stor del av företagens vardagliga AI-användning kommer att köras på öppna modeller som företaget själv styr över. Det handlar om att sammanfatta dokument, söka i intern kunskap, sortera supportärenden, granska kod och bevaka loggar efter angrepp.

Skälen är praktiska. Ett företag som kör en egen modell vet vad den kostar nästa år. Känsliga uppgifter kan stanna inom de egna väggarna eller i ett europeiskt datacenter. Företaget blir inte beroende av en lanseringsplan som styrs av ett annat lands testprocess. För banker, vård, försvar och myndigheter i Europa väger det tungt.

För teknikföretagen förändras arbetet. Färre team kommer bara att anropa ett API. Fler behöver personer som kan välja modell, anpassa den, drifta den, säkra den och mäta kvaliteten. Det liknar mer att driva en databas än att köpa en prenumeration. Svenska anläggningar som Sferical One och Scaleways planerade superdator passar in i den bilden, men bara om svenska företag och forskare faktiskt använder dem. Computer Sweden pekar med rätta på att det är den svårare delen.

För vanliga människor blir förändringen mest osynlig. Assistenten i ett arbetsverktyg eller i en myndighets chatt kan köras på en server i Sverige i stället för i USA. Vissa funktioner körs direkt på datorn, utan nätuppkoppling. Nvidias mindre Bolt-modeller pekar åt det hållet.

Utvecklingen hänger på två saker. De öppna modellerna måste ligga tillräckligt nära de slutna i kvalitet. Och hårdvaran måste bli billigare, så att lokalt betyder en vanlig arbetsstation och inte en maskin med en terabyte minne.

Om tio år

Tio år är lång tid inom AI, och vi håller den här bedömningen löst. Det mest sannolika är att tillgång till kapabla modeller blir en standardvara, ungefär som operativsystem och databaser med öppen källkod blev det. Värdet flyttar till data, integration och förtroende. Företag konkurrerar mindre med vilken modell de använder och mer med vad de kopplar den till.

Vi räknar med kraftfulla modeller i vanliga datorer och telefoner, som sköter de flesta personliga uppgifter utan att data lämnar enheten. De allra största modellerna finns sannolikt kvar i stora datacenter, med tillgång som formas av myndighetstester och reglering. Googles hantering av Gemini 4 Carbon antyder redan det.

För Europa kan det minska beroendet av ett fåtal amerikanska leverantörer. Mistral visar att ett europeiskt företag kan hävda sig i toppen bland de öppna modellerna. Om Europa bygger en varaktig position avgörs av om företagen gör produkter av de öppna modellerna som folk vill använda, inte bara av att det finns datorkraft här.

Det som kan ändra bilden

Den största osäkerheten är om de öppna släppen fortsätter. Meta, Nvidia och Mistral har var och en sina affärsskäl att publicera vikter. De skälen kan ändras. Om de ledande labben slutar släppa, eller om regeringar begränsar de mest kapabla modellerna av säkerhetsskäl, blir den öppna vägen smalare.

Säkerheten går åt båda hållen. En modell som går att ladda ner kan hjälpa till att försvara nätverk, som Mistral vill. Samma vikter kan missbrukas, och det finns ingen central avstängningsknapp. En allvarlig incident kan snabbt ändra regelverket.

Priserna spelar också roll. Om de slutna leverantörerna håller nere priserna trots stora förluster blir kostnadsargumentet för egna modeller svagare. Om de höjer dem, som TechCrunch tror, går övergången till öppna modeller snabbare.

Till sist vet ingen hur snabbt hårdvaran blir billigare. Dagens krav på en terabyte minne är ett verkligt hinder. Sjunker det långsamt stannar de öppna modellerna hos stora företag och i datacenter längre än vi räknar med.