Gemma Öppna modellvikter – Googles Gemma-familj (text, bild, video och ljud) Språkmodellfamiljen Gemma från Google DeepMind kommer med öppna vikter — färdiga modeller som kan laddas ner och köras på egen hårdvara, från telefon till datacenter. Källkod tillgänglig – källkod tillgänglig under begränsad licens. Läs om licensmodeller.CC++Python Startår2024 Betyg 89/100 av 100 Preliminärt Projektdata5 835GitHub-stjärnor9 commits · 13 veckor Visa alla fakta och bedömningarVisa alla fakta Startår2024LicensGemma Terms of Use (Gemma 1–3, 3n och namngivna varianter) / Apache License 2.0 (Gemma 4)Källkod tillgänglig, begränsad licens · Licensen är inte enhetlig inom familjen. Gemma 4 och nyare anges som Apache License 2.0 (licenssidan ai.google.dev/gemma/apache_2, modellkortet för Gemma 4 med raden 'License: Apache 2.0' samt Hugging Face-taggen license:apache-2.0). Gemma 1, 1.1, 2, 3, 3n och de namngivna varianterna (FunctionGemma, EmbeddingGemma, PaliGemma, PaliGemma 2, ShieldGemma, ShieldGemma 2, CodeGemma, CodeGemma 1.1, DataGemma, RecurrentGemma, T5Gemma, T5Gemma 2, TranslateGemma, VaultGemma, Gemma Scope, Gemma-APS) lyder i stället under Gemma Terms of Use (ai.google.dev/gemma/terms, senast ändrad 2026-04-01). Gemma Terms of Use är en egen, användningsbegränsad licens som inte är OSI-godkänd: vid redistribution måste användningsrestriktionerna i avsnitt 3.2 införas som tvingande villkor, en kopia av avtalet medfölja och en NOTICE-textfil bifogas med texten 'Gemma is provided under and subject to the Gemma Terms of Use found at ai.google.dev/gemma/terms'; avsnitt 3.2 hänvisar vidare till Gemma Prohibited Use Policy som förbjuder en rad användningsområden. Vikter under Gemma Terms of Use är alltså nedladdningsbara men inte fri programvara. · LicensmodellerÖppen källkodDelvisPlattformarLinux · Windows · macOS · AndroidAPIEj tillämpligtMCPEj tillämpligtExportEj tillämpligt Modellfamilj; dataexportbegreppet är inte tillämpligt, men modellvikterna kan laddas ned och vidaredistribueras enligt respektive licens (Apache-2.0 för Gemma 4, Gemma Terms of Use för äldre modeller och varianter). Ej verifieratSpråkGränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska Öppenhet och kontroll 5/5 Gäller: Gemma 4 under Apache-2.0 (OSI) — Google bytte explicit för att ta bort Gemma 3:s användningsrestriktioner. Funktionell passform 4/5 Gäller: Täcker telefon till workstation med resonemang, agentflöden och multimodalitet; små modeller har kunskapsluckor. Dataflytt och interoperabilitet 5/5 Gäller: Körs på telefon (LiteRT), laptop (GGUF/Ollama) och datacenter; bred verktygsstöd och kvantisering. Mognad och trygghet 4/5 Gäller: Fyra generationer sedan 2024 med Google DeepMind bakom; Gemma 4 ung (april 2026) men aktiv utveckling. Framtidskraft 4/5 Gäller: Native function calling, konfigurerbart tänkande och dokumenterad finjusterbarhet. Drift och införande 4/5 Gäller: Omfattande dokumentation per storlek; små modeller körs utan GPU (hårdvara kategoriinnevärd). Kostnadsbild 5/5 Gäller: Apache-2.0-vikter helt fria, körbara på konsumenthårdvara, mycket lågt API-pris — låg TCO i hela spektrat. Svensk användbarhet 4/5 Gäller: Verifierad på EuroEval: #3 i svenska totalt och #1 bland open-weights — stark svensk språkförmåga. Kostnad: . Faktakontrollerad 31 oktober 2026 Jämför Gemma
GLM Modellfamilj GLM är en familj språkmodeller med öppna vikter från Z.ai, med tyngdpunkt på kodning och långa agentuppgifter. Källkod tillgänglig – källkod tillgänglig under begränsad licens. Läs om licensmodeller.Python Startår2021LeverantörZ.ai (Zhipu AI)ModellfamiljGLMÖppna vikterJaAPIREST API Betyg 65/100 av 100 Preliminärt Projektdata7 435GitHub-stjärnor7 commits · 13 veckor Visa alla fakta och bedömningarVisa alla fakta Startår2021LeverantörZ.ai (Zhipu AI)ModellfamiljGLMÖppna vikterJaLicensÖppna vikter (varierar)Källkod tillgänglig, begränsad licens · Öppna vikter, men licensen varierar: GLM-5.3 under egen licens, Flash-varianten under MIT. Träningsdata publiceras inte. · LicensmodellerÖppen källkodDelvisÖppna vikter är inte detsamma som öppen källkodUtgåvaGLM-5.3 · GLM-5.3-Flash · GLM-5.2Öppna vikter; flaggskeppet under GLM-5.3-licens, Flash-varianten under MIT.ModaliteterText · BildAPIREST API VerifieratMCPEj tillämpligtExportEj verifierat Ej tillämpligt för en språkmodell. Ej verifieratSpråkGränssnitt: Delvis svenska · Dokumentation: Engelska · Support: Engelska Öppenhet och kontroll 3/5 Gäller: Öppna vikter och Apache-2.0-kod, men vikterna licensieras under en skräddarsydd glm-5.3-licens (inte OSI) med intäktsvillkor — öppna vikter ≠ öppen källkod, och kärntillgångarna är i praktiken leverantörsstyrda. Funktionell passform 4/5 Gäller: Stark kodnings-/agentprofil (öppen SOTA på flera benchmark) och 1M-tokenkontext; något under de bästa stängda frontier-modellerna i bredare uppgifter. Dataflytt och interoperabilitet 4/5 Gäller: Vikter i standardformat (safetensors), körbara via vLLM/SGLang och OpenAI-kompatibelt API samt kvantisering; fullskalemodellen kräver dock mycket tung hårdvara, vilket begränsar praktisk flyttbarhet. Mognad och trygghet 3/5 Gäller: Aktivt och IPO-finansierat labb med regelbundna releaser, men ungt och snabbt skiftande modellfamilj med kort track record och ung säkerhets-/underhållspraxis för vikterna. Framtidskraft 4/5 Gäller: Starkt OpenAI-kompatibelt API, verktygsstöd (vLLM/SGLang/Unsloth) och tillåten finjustering; agentintegrationsförmågan är dock huvudsakligen leverantörsbelagd, inte oberoende verifierad — därför inte 5. Drift och införande 2/5 Gäller: Fullskalig lokal drift kräver flera H200-klass-GPU:er (FP8, ~743 GB vikter); praktiskt är API eller kvantiserad Flash, vilket är en tydlig drifttröskel. Kostnadsbild 3/5 Gäller: Transparenta API-priser; lokal körning medför stor hårdvarukostnad. TCO beror starkt på val av körform. Svensk användbarhet 1/5 Gäller: Ingen svensk lokalisering, dokumentation eller support belagd; modellkortet anger engelska/kinesiska. Svensk språkförmåga är trolig men ej oberoende verifierad — engelskspråkig men tekniskt användbar i Sverige. Kostnad: Vikter gratis (MIT/egen licens). Lokal drift kräver betydande GPU-kapacitet (stor MoE-modell).Faktakontrollerad 31 oktober 2026 Jämför GLM
GPT-OSS Öppna modellvikter (OpenAI:s GPT-OSS) GPT-OSS är OpenAI:s familj av open-weights-språkmodeller — två modeller som kan köras på egen hårdvara utan API-avgifter. Öppen källkod – OSI-godkänd öppen källkod. Läs om licensmodeller.CC++Python Startår2025APIREST API Betyg 79/100 av 100 Preliminärt Projektdata20 516GitHub-stjärnor1 commits · 13 veckor Visa alla fakta och bedömningarVisa alla fakta Startår2025LicensApache License 2.0Öppen källkod (OSI-godkänd licens) · LICENSE-filen i repot openai/gpt-oss innehåller fullständig Apache License 2.0-text (januari 2004); GitHubs licensmetadata anger apache-2.0. Hugging Face-modellkorten för båda modellerna anger license: apache-2.0, och arXiv-modellkortet anger att vikter, inferensimplementationer, verktygsmiljöer och tokenizers släpps under Apache 2.0. Repot innehåller även en USAGE_POLICY som uppmanar till ansvarsfull användning och att följa tillämplig lag; den ändrar inte licenstexten. · LicensmodellerÖppen källkodJaPlattformarLinux · macOS · Windows · WebbläsareAPIREST API VerifieratMCPEj tillämpligtExportEj tillämpligt Fältet avser dataexport ur en applikation; gpt-oss är en familj av modellvikter utan applikationsdata. Vikterna distribueras som filer (safetensors på Hugging Face samt konverterade GGUF-filer) och kan laddas ner fritt, men det är inte en exportfunktion i katalogens mening. Ej verifieratSpråkGränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska Öppenhet och kontroll 5/5 Gäller: Apache-2.0 utan användartrösklar (endast en lättviktig usage policy). Funktionell passform 3/5 Gäller: Stark resonemang/kod men text-only, 128K kontext och ingen uppdatering på över ett år — daterad. Dataflytt och interoperabilitet 5/5 Gäller: Nativt MXFP4-kvantiserad, körs på 16 GB, stöd i Ollama/llama.cpp/vLLM/GGUF dag ett. Mognad och trygghet 3/5 Gäller: Endast en release (aug 2025), ingen efterföljare — familjen i praktiken fryst. Framtidskraft 4/5 Gäller: Native funktionssamtal, webbläsning, Python-execution och full finjusterbarhet. Drift och införande 4/5 Gäller: Väldokumenterade modellkort och låga hårdvarukrav (16 GB för 20b) tydligt kommunicerade. Kostnadsbild 5/5 Gäller: Helt fria Apache-2.0-vikter, ingen API-kostnad, blygsam hårdvara — låg TCO. Svensk användbarhet 1/5 Gäller: Engelskcentrerad; ingen svensk lokalisering eller svensk språkförmåga belagd — tekniskt användbar i Sverige. Kostnad: . Faktakontrollerad 31 oktober 2026 Jämför GPT-OSS
Whisper Whisper är en öppen modellfamilj och Python-bibliotek för automatisk taligenkänning, utgivet under MIT-licens av OpenAI. Den transkriberar tal på många språk direkt från ljudfiler i ett enda steg. Öppen källkod – OSI-godkänd öppen källkod. Läs om licensmodeller.Python Startår2022 Betyg 74/100 av 100 Preliminärt Projektdata111 935GitHub-stjärnor1 commits · 13 veckor Visa alla fakta och bedömningarVisa alla fakta Startår2022LicensMIT LicenseÖppen källkod (OSI-godkänd licens) · Verifierad i repots LICENSE. · LicensmodellerÖppen källkodJaPlattformarLinux · macOS · WindowsAPISaknas VerifieratMCPEj tillämpligtExportEj verifierat Ej verifieratSpråkGränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska Öppenhet och kontroll 5/5 Gäller: MIT-licens verifierad i repots LICENSE på både kod och modellvikter; helt fri lokal körning utan konton eller API-nycklar. Funktionell passform 4/5 Gäller: Täcker transkription och översättning med flera modellstorlekar; mindre lämpad för realtid med hårda latenskrav och saknar färdigt server-API. Dataflytt och interoperabilitet 3/5 Gäller: Modellvikter laddas fritt och biblioteket är portabelt (Linux/macOS/Windows), men det finns ingen nätverks-API-yta eller standardiserad export för integrationer. Mognad och trygghet 4/5 Gäller: Underhållet av OpenAI sedan 2022 med stort derivatekosystem (whisper.cpp, faster-whisper); drift- och säkerhetspolicy ej oberoende bekräftade. Framtidskraft 3/5 Gäller: Väldokumenterat Python-API och CLI används i stor automatisering; inget server-API, SDK eller MCP — agentintegration får byggas runt applikationen. Drift och införande 3/5 Gäller: Enkelt pip-paket men beräkningskraven är betydande för större modeller (GPU rekommenderas); driftansvaret ligger helt på användaren. Kostnadsbild 3/5 Gäller: Kod och vikter kostnadsfria; totalkostnaden styrs av egen beräkningskapacitet och kräver egen beräkning. Svensk användbarhet 1/5 Gäller: Svensk språkförmåga är inte verifierad i de hämtade källorna (repo/README/LICENSE belägger inte svenskt stöd). Kostnad: . Faktakontrollerad 26 oktober 2026 Jämför Whisper
DeepSeek Modellfamilj DeepSeek är en familj språkmodeller med öppna vikter under MIT, positionerade för resonemang och agentarbete — via API eller i egen drift. Öppen källkod – OSI-godkänd öppen källkod — vissa delar kan vara proprietära. Läs om licensmodeller.Python Startår2023LeverantörDeepSeekModellfamiljDeepSeekÖppna vikterJaAPIREST API Betyg 84/100 av 100 Preliminärt Projektdata104 732GitHub-stjärnor0 commits · 13 veckor Visa alla fakta och bedömningarVisa alla fakta Startår2023LeverantörDeepSeekModellfamiljDeepSeekÖppna vikterJaLicensÖppna vikter (MIT)Öppen källkod (OSI-godkänd licens) · Vikter under MIT. Träningsdata publiceras inte, så det är öppna vikter snarare än öppen källkod enligt OSI:s definition. · LicensmodellerÖppen källkodDelvisÖppna vikter är inte detsamma som öppen källkodUtgåvaDeepSeek-V4-Pro · DeepSeek-FlashÖppna vikter under MIT; V4-generationen ersätter V3.ModaliteterTextAPIREST API VerifieratMCPEj tillämpligtExportEj verifierat Ej tillämpligt för en språkmodell. Ej verifieratSpråkGränssnitt: Delvis svenska · Dokumentation: Engelska · Support: Engelska Öppenhet och kontroll 5/5 Gäller: Ren MIT-licens på både kod och vikter utan användartrösklar — verkligt öppen källkod, inte bara öppna vikter. Funktionell passform 4/5 Gäller: Frontierklassad resonemangs-/agentmodell med 1M kontext; vision experimentell och språkfokus engelska/kinesiska. Dataflytt och interoperabilitet 4/5 Gäller: Öppna vikter (FP4/FP8) med SGLang/vLLM-stöd och OpenAI-kompatibelt API; Pro (1,6T) praktiskt olokal. Mognad och trygghet 4/5 Gäller: Kontinuerlig familj sedan V2 2024 (V3, R1, V3.2, V4) med transparenta tech reports; geopolitiska exportregler en riskfaktor. Framtidskraft 4/5 Gäller: Stark agentträning och dokumenterad finjusterbarhet; praktisk agentdrift via API och lokala stackar. Drift och införande 4/5 Gäller: Väldokumenterad; V4-Flash (~167 GB) kräver multi-GPU men är körbar i företagsmiljö (hårdvara kategoriinnevärd). Kostnadsbild 4/5 Gäller: Vikter gratis, API-pris mycket lågt och transparent; TCO = egen hårdvara för Flash/Pro. Svensk användbarhet 3/5 Gäller: Dokumenterad svensk språkförmåga: FOI:s utvärdering visar att modellen kan besvara svenska högskoleprovfrågor och följer svenska instruktioner, men den har en stark tendens att resonera på engelska oavsett frågespråk och svenska är underrepresenterad i träningen. Gränssnitt och dokumentation är engelska/kinesiska; ingen svensk support. Kostnad: Vikter gratis (MIT). Lokal drift kräver GPU-kapacitet; API kostar per användning.Faktakontrollerad 29 oktober 2026 Jämför DeepSeek
Kimi Modellfamilj Kimi är Moonshot AI:s familj av stora språkmodeller med öppna vikter; nuvarande spets K3 har 2,8 biljoner parametrar, en miljon tokens kontext och nativ multimodalitet. Källkod tillgänglig – källkod tillgänglig under begränsad licens. Läs om licensmodeller. Startår2023LeverantörMoonshot AIModellfamiljKimiÖppna vikterJaAPIREST API Betyg 66/100 av 100 Preliminärt Projektdata11 109GitHub-stjärnor0 commits · 13 veckor Visa alla fakta och bedömningarVisa alla fakta Startår2023LeverantörMoonshot AIModellfamiljKimiÖppna vikterJaLicensÖppna vikter (licens varierar)Källkod tillgänglig, begränsad licens · Öppna vikter, men licensen varierar: modifierad MIT på äldre modeller, egen K3-licens med kommersiella villkor på flaggskeppet. · LicensmodellerÖppen källkodDelvisÖppna vikter är inte detsamma som öppen källkodUtgåvaKimi K3 · K2.7 Code · K2.6Öppna vikter; flaggskeppet K3 under egen licens med kommersiella villkor.ModaliteterText · BildAPIREST API VerifieratMCPEj tillämpligtExportEj verifierat Ej tillämpligt för en språkmodell. Ej verifieratSpråkGränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska Öppenhet och kontroll 3/5 Gäller: Öppna vikter men anpassad MIT-licens med MaaS-klausul (>20 mUSD) och attribueringskrav — inte OSI. Funktionell passform 4/5 Gäller: Frontierklassad multimodal agentmodell med 1M kontext; lokal drift opraktisk (1,5 TB vikter). Dataflytt och interoperabilitet 3/5 Gäller: Vikter på Hugging Face med vLLM/SGLang-stöd, men 1,56 TB gör lokala kvantiseringar orealistiska. Mognad och trygghet 3/5 Gäller: Moonshot (2023) levererar snabbt (K2→K3 på under ett år), men familjen ung och licensvillkoren oprövade. Framtidskraft 4/5 Gäller: Agent Swarm-arkitektur, multimodalitet och dokumenterad agentberedskap i långsiktiga benchmarks. Drift och införande 3/5 Gäller: God API-dokumentation, men self-hosting kräver GPU-kluster och licensvillkoren kräver juridisk granskning. Kostnadsbild 4/5 Gäller: Vikter gratis och API-pris lågt, men self-hosting av 2,8T parametrar är kostsam. Svensk användbarhet 1/5 Gäller: Fokus kinesiska/engelska; ingen svensk lokalisering eller svensk språkförmåga verifierad — tekniskt användbar i Sverige. Kostnad: Vikter utan licensavgift (med villkor på K3). Lokal drift kräver mycket GPU-kapacitet (stor modell).Faktakontrollerad 1 november 2026 Jämför Kimi
Llama Modellfamilj Llama är Metas familj av språkmodeller med öppna vikter: modellerna kan laddas ner och köras lokalt eller anropas via API, under en licens med egna villkor. Källkod tillgänglig – källkod tillgänglig under begränsad licens. Läs om licensmodeller.Python Startår2023LeverantörMetaModellfamiljLlamaÖppna vikterJaAPIREST API Betyg 76/100 av 100 Preliminärt Projektdata59 626GitHub-stjärnor0 commits · 13 veckor Visa alla fakta och bedömningarVisa alla fakta Startår2023LeverantörMetaModellfamiljLlamaÖppna vikterJaLicensÖppna vikter (licens varierar)Källkod tillgänglig, begränsad licens · Öppna vikter, men licensen varierar: Llama 4:s multimodala modeller har en community-licens som inte beviljar rättigheter för EU-baserade individer/företag; Llama 3.x tillåter EU-användning. · LicensmodellerÖppen källkodDelvisÖppna vikter är inte detsamma som öppen källkodUtgåvaLlama 4 Maverick · Scout · Llama 3.3Öppna vikter, men Llama 4:s multimodala modeller har EU-begränsad licens.ModaliteterText · BildAPIREST API VerifieratMCPEj tillämpligtExportEj verifierat Ej tillämpligt för en språkmodell. Ej verifieratSpråkGränssnitt: Delvis svenska · Dokumentation: Engelska · Support: Engelska Öppenhet och kontroll 3/5 Gäller: Llama Community License (bespoke, ej OSI) med 700M MAU-tak, attribuerings- och användningspolicykrav. Funktionell passform 4/5 Gäller: Frontierklassad multimodal MoE med lång kontext och 40+ språk; distillerade varianter möjliggör lokal drift. Dataflytt och interoperabilitet 4/5 Gäller: GGUF/kvantiseringar dag ett och alla större värdar; hela viktsatsen stor men små varianter väl belagda. Mognad och trygghet 5/5 Gäller: Referensekosystemet sedan 2023, fyra generationer, enormt community och beprövad säkerhetsinfrastruktur. Framtidskraft 4/5 Gäller: Native agentiska förmågor, Llama Stack och omfattande finjusteringsdokumentation. Drift och införande 4/5 Gäller: Tydliga krav och färdiga kvantiseringar; flaggskepp kräver kluster men distillat väl belagda. Kostnadsbild 4/5 Gäller: Vikter gratis, hosted inferens från ~$0,50/1M; flaggskeppshårdvara kostsam. Svensk användbarhet 3/5 Gäller: Verifierad svensk förmåga (Llama 3.1 405B i toppen på EuroEval svenska); ingen specifik svensk benchmark för Llama 5 ännu. Kostnad: Vikter utan licensavgift (där öppna). Lokal drift kräver GPU-kapacitet (stora MoE-modeller).Faktakontrollerad 2 november 2026 Jämför Llama
Mistral AI Modellfamilj Mistral AI erbjuder en europeisk modellfamilj med öppna vikter, som går att köra via API eller på egen hårdvara — från den lilla Ministral till flaggskeppet Large 4. Öppen källkod – OSI-godkänd öppen källkod — vissa delar kan vara proprietära. Läs om licensmodeller.Python Startår2023LeverantörMistral AIModellfamiljMistralÖppna vikterJaAPIREST API Betyg 79/100 av 100 Preliminärt Projektdata10 823GitHub-stjärnor0 commits · 13 veckor Visa alla fakta och bedömningarVisa alla fakta Startår2023LeverantörMistral AIModellfamiljMistralÖppna vikterJaLicensÖppna vikter (Apache 2.0)Öppen källkod (OSI-godkänd licens) · Öppna vikter under Apache 2.0 för de flesta modeller (Large/Small/Medium/Ministral/Devstral). Det ursprungliga Codestral (2024) släpptes under MNPL (non-production). Träningsdata publiceras inte, så det är öppna vikter snarare än öppen källkod enligt OSI:s definition. · LicensmodellerÖppen källkodDelvisÖppna vikter är inte detsamma som öppen källkodUtgåvaMistral Large 4 · Small 4 · Medium 3.5 · CodestralEuropeiskt bolag; öppna vikter under Apache 2.0, tränade i egna EU-datacenter.ModaliteterText · BildAPIREST API VerifieratMCPEj tillämpligtExportEj verifierat Ej tillämpligt för en språkmodell. Ej verifieratSpråkGränssnitt: Delvis svenska · Dokumentation: Engelska · Support: Engelska Öppenhet och kontroll 4/5 Gäller: Huvuddelen Apache-2.0/Modified MIT med fritt självägande, men blandad portfölj (Medium 3.5 intäktströskel, Large 4 public preview). Funktionell passform 4/5 Gäller: Bred familj från telefon (Ministral 3B) till datacenter (Large 4) med agents, kod, vision, OCR och tal. Dataflytt och interoperabilitet 4/5 Gäller: Small/Ministral i GGUF/Ollama/vLLM; Large 4 kräver kluster. OpenAI-kompatibelt API. Mognad och trygghet 4/5 Gäller: Etablerad europeisk aktör med kontinuerliga releaser och EU AI Act-dokumentation. Framtidskraft 4/5 Gäller: Agents & Conversations API, function calling, structured outputs och dokumenterad finjustering. Drift och införande 4/5 Gäller: Väldokumenterad med tydliga licens-/driftbeskrivningar per modell. Kostnadsbild 4/5 Gäller: Öppna vikter gratis, transparenta API-priser; Modified MIT-tröskel påverkar bara stora MaaS-aktörer. Svensk användbarhet 3/5 Gäller: Mistral Small i toppen på EuroEvals svenska NLU — verifierad svensk förmåga; Large 4 ej specifikt verifierad. Kostnad: Vikter gratis (Apache 2.0). Lokal drift kräver GPU-kapacitet; API kostar per användning.Faktakontrollerad 2 november 2026 Jämför Mistral AI
Qwen Modellfamilj Qwen är Alibabas familj av språkmodeller med öppna vikter — körbara lokalt på egen hårdvara eller som API-tjänst, med stöd för ett mycket stort antal språk. Källkod tillgänglig – källkod tillgänglig under begränsad licens. Läs om licensmodeller.Python Startår2023LeverantörAlibabaModellfamiljQwenÖppna vikterVarierar mellan modellerAPIREST API Betyg 89/100 av 100 Preliminärt Projektdata27 705GitHub-stjärnor0 commits · 13 veckor Visa alla fakta och bedömningarVisa alla fakta Startår2023LeverantörAlibabaModellfamiljQwenÖppna vikterVarierar mellan modellerLicensÖppna vikter (licens varierar)Källkod tillgänglig, begränsad licens · De flesta modeller under Apache 2.0 (öppna vikter). Qwen3.8-Max under egen licens med kommersiella villkor; Qwen3.7-generationen var sluten. · LicensmodellerÖppen källkodDelvisÖppna vikter är inte detsamma som öppen källkodUtgåvaQwen3.8-Max · Qwen3.8-27B · Qwen-CoderBredaste öppna-viktsfamiljen; 3.7 sluten och 3.8-Max under egen licens.ModaliteterText · BildAPIREST API VerifieratMCPEj tillämpligtExportEj verifierat Ej tillämpligt för en språkmodell. Ej verifieratSpråkGränssnitt: Delvis svenska · Dokumentation: Engelska · Support: Engelska Öppenhet och kontroll 4/5 Gäller: Öppna vikter under Apache-2.0 (OSI) men ingen träningsdata/kod — öppna vikter ≠ öppen källkod. Funktionell passform 5/5 Gäller: Lokal (vikter) eller API-körning med OpenAI/Anthropic-kompatibla API:er täcker fallet fullt ut. Dataflytt och interoperabilitet 5/5 Gäller: safetensors-format, transformers/vLLM/SGLang/Unsloth-stöd och GGUF-kvantisering. Mognad och trygghet 4/5 Gäller: Kontinuerlig familj sedan 2023; enskilda modeller kortlivade och ersätts snabbt. Framtidskraft 5/5 Gäller: Stark agentförmåga (Qwen Code), finjustering via Axolotl/Unsloth och öppna API:er. Drift och införande 4/5 Gäller: Små modeller körs lokalt; stora MoE kräver GPU-resurser (kategoriinnevärd). Kostnadsbild 5/5 Gäller: Vikter gratis under Apache-2.0; API valfritt betald. Svensk användbarhet 3/5 Gäller: Angivet stöd för 201 språk inkl. svenska (leverantörsbelagd); ingen oberoende svensk benchmark verifierad. Kostnad: Vikter utan licensavgift (Apache 2.0-modeller). Lokal drift: från en konsument-GPU (27B) till datacenter (2.4T).Faktakontrollerad 4 november 2026 Jämför Qwen
