Kinesiska AI-bolag släpper allt fler avancerade modeller som andra får ladda ner och köra själva. Det förändrar inte bara vem som kan använda kraftfull AI. Det utmanar också den amerikanska modellen där några få företag äger tekniken, driver den i sina egna datahallar och tar betalt varje gång den används.

Liknelsen med datorspel är inte perfekt, men den gör skillnaden begriplig.

Att använda ChatGPT, Claude eller Gemini är ungefär som att spela via en molntjänst. Programmet körs inte i mobilen eller datorn framför dig. Frågan skickas över internet till företagets datahall, där modellen arbetar fram svaret och skickar tillbaka det.

En AI-modell med öppna vikter kan i stället laddas ner och installeras på egen utrustning. Det liknar mer att köpa ett spel och köra det på den egna datorn.

Skillnaden är att de största AI-modellerna är betydligt mer krävande än vanliga datorspel. Att en modell går att ladda ner betyder därför inte att den går att köra på en vanlig laptop eller speldator.

Tre sätt att använda en AI-modell

Uppdelningen mellan lokal AI och moln-AI är egentligen lite för enkel. I praktiken finns minst tre vanliga upplägg.

Upplägg	Var körs modellen?	Vem kontrollerar driften?
Stängd molntjänst	Hos AI-företaget	Modellens ägare
Öppen modell via API	Hos en extern molnleverantör	Molnleverantören
Självhostad öppen modell	På egna datorer eller servrar	Användaren eller företaget

Det första är hur de flesta använder AI i dag. Användaren skriver en fråga i en app eller webbtjänst. Företaget bakom tjänsten sköter modell, servrar, uppdateringar och säkerhet.

Det andra alternativet använder en nedladdningsbar modell, men modellen körs fortfarande i någon annans datahall. Företaget kan byta modell och leverantör lättare, men informationen lämnar fortfarande den egna miljön.

Det tredje alternativet är det som ger störst kontroll. Modellen installeras på företagets egna servrar eller på hyrd infrastruktur som företaget själv styr över. Dokument och frågor kan då behandlas utan att skickas till modellutvecklaren.

Vad är en öppen AI-modell?

När en AI-modell tränas justeras ett mycket stort antal matematiska värden. Dessa värden kallas modellens vikter och bestämmer hur modellen reagerar på text, bilder och instruktioner.

När vikterna publiceras kan andra ladda ner modellen och använda den utan att varje fråga måste skickas tillbaka till bolaget som skapade den. Modellen kan också anpassas, komprimeras eller finjusteras för särskilda arbetsuppgifter.

Uttrycket ”öppen AI-modell” kan dock vara missvisande. I många fall är det bara vikterna som är öppna.

Utvecklaren kan fortfarande hålla följande hemligt:

• vilken träningsdata som användes
• hur datan valdes ut och rensades
• den fullständiga träningskoden
• vilka mänskliga tester som genomfördes
• hur modellens säkerhetsbeteende skapades

En modell med öppna vikter är därför inte automatiskt öppen källkod i samma mening som ett vanligt datorprogram.

Kinas nya modeller kan laddas ner

Kinesiska bolag som DeepSeek, Alibaba, Moonshot AI och Zhipu AI har gjort öppna vikter till en central del av sin internationella strategi.

Moonshot AI har exempelvis lanserat Kimi K3, en mycket stor modell som går att ladda ner och installera på egen infrastruktur. DeepSeek har fortsatt att släppa modeller under tillåtande licenser, medan Alibabas Qwen-familj innehåller allt från mindre modeller för persondatorer till mycket stora servermodeller.

Utvecklingen har fått verkligt genomslag. Enligt Hugging Faces kartläggning av öppna AI-modeller stod kinesiska modeller för 41 procent av modellnedladdningarna på plattformen under den senaste tolvmånadersperioden.

Det betyder inte att 41 procent av all AI-användning i världen sker med kinesiska modeller. Nedladdningar är inte samma sak som aktiva användare. Siffran visar däremot att modellerna har blivit en viktig del av den tekniska grund som utvecklare och företag bygger vidare på.

Kan man köra modellerna på en vanlig dator?

Vissa går att köra lokalt. Andra gör det inte.

Mindre modeller med några få miljarder parametrar kan köras på moderna datorer, särskilt om de har komprimerats. Prestandan beror bland annat på arbetsminne, grafikminne, processor och hur modellen är paketerad.

De kan användas för exempelvis:

• sammanfattningar
• enklare textproduktion
• sökning i egna dokument
• programmeringshjälp
• klassificering av information
• lokala assistenter utan internetanslutning

De allra största modellerna kräver däremot flera kraftfulla servrar.

Kimi K3 har totalt 2,8 biljoner parametrar, även om bara en mindre del används för varje enskilt svar. En mycket hårt komprimerad version av vikterna skulle ändå kräva omkring 1,4 terabyte lagringsutrymme. Därutöver behövs arbetsminne, grafikminne och kapacitet för att faktiskt genomföra beräkningarna.

Att modellen är nedladdningsbar betyder alltså att ett företag eller en molnleverantör kan köra den själv. Det betyder inte att en vanlig användare kan installera den på sin hemmadator.

Den viktiga skillnaden är:

Öppen betyder att du kan få tillgång till modellen. Lokal betyder att din egen utrustning klarar att köra den.

Träningen kräver fortfarande enorma datahallar

Påståendet att kinesiska bolag inte behöver investera i datahallar eftersom användarna kan köra modellerna själva är bara delvis sant.

Det är mycket dyrt att skapa en avancerad modell. Träningen kräver stora mängder specialiserade AI-chip, el, kylning, lagring och teknisk personal. Beräkningarna kan pågå i veckor eller månader.

Det som förändras när vikterna släpps är framför allt kostnaden efter att modellen har tränats.

Ett företag som utvecklar en stängd molnmodell måste fortsätta driva modellen åt sina kunder. Varje fråga innebär nya beräkningar i företagets datahallar.

När vikterna är öppna kan andra aktörer ta över den kostnaden. Kunden kan använda egna servrar, anlita en annan molnleverantör eller bygga en egen tjänst ovanpå modellen.

Kostnaden försvinner inte. Den flyttas.

Varför ger Kina bort avancerad AI?

Det kan verka märkligt att lägga stora resurser på en AI-modell och sedan låta andra ladda ner den gratis. Men öppenheten kan vara en effektiv affärsstrategi.

När en modell får stor spridning börjar utvecklare anpassa sina program efter den. Företag bygger system kring den. Molnleverantörer erbjuder färdiga installationer och konsulter lär sig att arbeta med tekniken.

Modellutvecklaren kan sedan tjäna pengar på:

• betalda API-tjänster
• färdiga företagslösningar
• molndrift
• support och anpassning
• finjustering av modeller
• andra produkter i samma ekosystem

Det liknar strategin bakom flera öppna datorprogram. Grundtekniken är tillgänglig, men det finns en stor marknad för tjänster runt den.

Spridningen har också ett strategiskt värde för Kina. Om företag i andra länder bygger sina produkter kring Qwen, DeepSeek eller Kimi blir kinesisk teknik en del av deras digitala infrastruktur.

Ett land behöver då inte ha den bästa enskilda konsumenttjänsten för att få inflytande. Det kan räcka att landets modeller blir standardverktyg för tusentals andra företag.

Därför är utvecklingen ett problem för USA

De ledande amerikanska AI-bolagen har till stor del byggt sina affärer kring slutna modeller.

OpenAI, Anthropic och Google låter normalt användaren komma åt modellerna genom en webbplats, app eller ett programmeringsgränssnitt. Kunden får använda tekniken, men får inte själva modellen.

Det ger leverantören kontroll över:

• priset
• användningsvillkoren
• säkerhetsspärrarna
• vilka funktioner som erbjuds
• när en modell uppdateras eller tas bort

En kund som bygger hela sin verksamhet kring en sådan tjänst blir samtidigt beroende av leverantören.

Öppna kinesiska modeller erbjuder ett alternativ. Ett företag kan ladda ner modellen, anpassa den och flytta den mellan olika leverantörer. Det pressar både priserna och kundernas vilja att låsa sig till en enda amerikansk plattform.

USA står dock inte helt utanför den öppna utvecklingen. Meta har släppt Llama-modeller, Nvidia utvecklar öppna modeller och OpenAI har lanserat sin modellserie gpt-oss.

Den verkliga konflikten är därför inte ett helt öppet Kina mot ett helt stängt USA. Skillnaden är snarare att kinesiska bolag har varit särskilt aggressiva med att använda öppna modeller för att vinna spridning.

Företag kan få större kontroll över sin information

För svenska företag kan möjligheten att köra AI lokalt vara viktigare än modellens ursprungsland.

En advokatbyrå, myndighet, bank eller vårdaktör kan vilja använda AI på material som inte bör skickas till en extern konsumenttjänst. En lokalt installerad modell kan då arbeta med dokumenten inom organisationens egna system.

Det kan även bli lättare att:

• styra var informationen lagras
• dokumentera hur modellen används
• behålla samma modell under en längre tid
• anpassa modellen till interna uttryck och arbetsflöden
• undvika oväntade pris- eller villkorsändringar

Lokal drift är däremot inte automatiskt säkrare.

Företaget måste självt hantera behörigheter, uppdateringar, övervakning och skydd mot intrång. En dåligt administrerad lokal server kan vara mindre säker än en professionellt driven molntjänst.

Att modellen finns på den egna servern löser inte heller problem med felaktiga svar, snedvridningar eller brister i träningsmaterialet.

Säkerhetsspärrar kan tas bort

När en modell endast erbjuds som molntjänst kan utvecklaren styra hur den används. Företaget kan blockera vissa frågor, upptäcka missbruk och snabbt uppdatera modellen.

Den kontrollen minskar när vikterna kan laddas ner.

En tekniskt kunnig användare kan försöka ändra modellen eller ta bort delar av dess säkerhetsanpassning. Modellen kan därefter användas på ett sätt som utvecklaren aldrig skulle ha godkänt i sin egen tjänst.

Samma öppenhet har dock en annan sida. Oberoende forskare kan granska modellen, testa dess svagheter och utveckla egna säkerhetslösningar utan att behöva lita på modellföretagets beskrivning.

Öppna vikter gör alltså både legitim granskning och skadlig modifiering lättare.

En kinesisk modell behöver inte skicka data till Kina

Det är viktigt att skilja mellan modellens ursprung och platsen där den körs.

Om ett företag laddar ner en kinesisk modell och driver den på en egen svensk server behöver frågorna normalt inte skickas till modellutvecklaren i Kina.

Om samma företag använder utvecklarens molntjänst eller API skickas informationen däremot till den miljö där tjänsten körs.

Det går därför inte att avgöra datarisken enbart genom att titta på modellens namn. Företaget behöver veta:

• var modellen körs
• vem som administrerar servrarna
• vilken information som loggas
• vilka villkor som gäller
• om programvaran kommunicerar med externa system

Lokal drift kan minska beroendet av utländska molnleverantörer. Den kräver samtidigt att organisationen klarar att granska och underhålla lösningen själv.

Öppna modeller blir inte automatiskt bäst

De bästa slutna modellerna leder fortfarande på flera avancerade uppgifter. De är dessutom enklare att använda.

En vanlig användare behöver inte installera något, köpa grafikkort eller förstå hur modellen ska optimeras. Tjänsten fungerar direkt i webbläsaren och uppdateras i bakgrunden.

Den som jämför olika tjänster kan läsa vår guide till vilken AI som är bäst 2026.

Öppna modeller har i stället sina största fördelar när kontroll, kostnad, anpassning och stora användningsvolymer väger tyngre än maximal enkelhet.

Många företag lär därför använda båda.

En mindre öppen modell kan hantera stora mängder rutinuppgifter på egen infrastruktur. En dyrare sluten modell kan kopplas in när uppgiften är mer komplicerad eller kräver den högsta tillgängliga kvaliteten.

AI håller på att bli något man kan äga

Kinas öppna modeller innebär inte att ChatGPT, Claude eller Gemini är på väg att försvinna. Molntjänsterna är fortfarande bekvämast för de flesta användare och de starkaste slutna modellerna ligger fortsatt långt framme.

Förändringen är mer grundläggande.

AI-modellen håller på att gå från att enbart vara en tjänst som hyrs av ett stort teknikbolag till att också bli en teknisk komponent som företag kan ladda ner, flytta, anpassa och driva själva.

Precis som med datorspel kan användaren välja mellan att låta någon annan sköta all datorkraft i molnet och att köra programmet på egen utrustning.

Skillnaden är att valet inte bara påverkar prestandan. Det påverkar även kostnader, datasäkerhet, leverantörsberoende och vem som i slutänden kontrollerar tekniken.

Kinas stora framgång behöver därför inte vara att landet alltid utvecklar världens allra bästa AI-modell. Det kan räcka att kinesiska modeller blir den billiga, tillgängliga och flyttbara grund som resten av världen bygger vidare på.