DeepSeek

AI-modeller · Modellfamilj

DeepSeek är en familj språkmodeller med öppna vikter under MIT, positionerade för resonemang och agentarbete — via API eller i egen drift.

Öppen källkodPython

Betyg 84 Preliminär (källbaserad)

Läs bedömningen
API · Ej tillämpligt

API är inte tillämpligt för den här typen av programvara.

MCP · Ej tillämpligt

MCP är inte tillämpligt för den här typen av programvara.

Jämför med alternativ Källor

Bedömning

Så bedömer vi

Totalbetyg

84

Preliminär (källbaserad)

Bedömningsprofil
Lokalt eller API-körd språkmodell med öppna vikter.
Bedömningsdatum
Modellversion
3.0.0

  1. Öppenhet och kontroll

    Ren MIT-licens på både kod och vikter utan användartrösklar — verkligt öppen källkod, inte bara öppna vikter.

  2. Funktionell passform

    Frontierklassad resonemangs-/agentmodell med 1M kontext; vision experimentell och språkfokus engelska/kinesiska.

  3. Dataflytt och interoperabilitet

    Öppna vikter (FP4/FP8) med SGLang/vLLM-stöd och OpenAI-kompatibelt API; Pro (1,6T) praktiskt olokal.

  4. Mognad och trygghet

    Kontinuerlig familj sedan V2 2024 (V3, R1, V3.2, V4) med transparenta tech reports; geopolitiska exportregler en riskfaktor.

  5. Framtidskraft

    Stark agentträning och dokumenterad finjusterbarhet; praktisk agentdrift via API och lokala stackar.

  6. Drift och införande

    Väldokumenterad; V4-Flash (~167 GB) kräver multi-GPU men är körbar i företagsmiljö (hårdvara kategoriinnevärd).

  7. Kostnadsbild

    Vikter gratis, API-pris mycket lågt och transparent; TCO = egen hårdvara för Flash/Pro.

  8. Svensk användbarhet

    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.

Om DeepSeek

Modellfamiljen från DeepSeek-AI släpps med öppna vikter under MIT — kod som vikter, utan användartrösklar. V4-generationen består av den stora Pro-modellen (1,6 biljoner parametrar, 49 miljarder aktiva) och den mindre Flash-modellen (284 miljarder, 13 miljarder aktiva, även i en visionvariant), med en miljon tokens kontext. Vikterna publiceras i FP4/FP8 och stöds av inferensramverk som SGLang och vLLM.

Via företagets API ansluts modellerna med samma klienter som OpenAI- eller Anthropic-formatet, vilket gör bytet i befintliga verktyg enkelt. Profilen ligger på resonemang och agentarbete, med tankestöd inbyggt i verktygsanrop.

I minnesterräknat: V4-Flash har 284 miljarder parametrar (13 miljarder aktiva) och vikter på cirka 291 GB i FP4/FP8, vilket kräver en serverklassad GPU-uppsättning eller en RAM-stark maskin — uppskattningsvis över 300 GB. V4-Pro ligger på 1,6 biljoner parametrar (49 miljarder aktiva) med cirka 1,6 TB vikter och är i praktiken ett fler-noders-projekt. Kvantiserade GGUF-filer finns endast från tredjepart (t.ex. unsloth), inte officiellt. API:t är OpenAI-kompatibelt.

Aktuella modeller i familjen

Relativa nivåer inom familjen (hög/medel/låg) — inte absoluta mått mot andra leverantörer. Avsnittet uppdateras vid nya versioner utan att sidans adress ändras.

ModellAnvändningsområdeKapacitetHastighetKostnadsnivåLicensLokal drift
DeepSeek-V4-Pro Flaggskepp — resonemang Krävande resonemang och agentarbete Hög Medel Medel MIT (öppna vikter) Ja
DeepSeek-Flash Snabb och billig Vardagliga uppgifter med hög genomströmning Medel Hög Låg MIT (öppna vikter) Ja

Användning

Passar för

  • Generell textgenerering
  • Lokal drift
  • Finjustering och egen vidareutveckling

Passar mindre bra för

  • Små installationer utan GPU-kapacitet
  • Verksamhet som kräver västerländsk leverantör

Styrkor och begränsningar

Styrkor

  • Öppna vikter under MIT
  • Låg kostnad
  • Möjlighet till lokal drift

Begränsningar

  • Kinesisk leverantör (datakontroll kräver egen drift)
  • Träningsdata inte publicerade

Tekniska resurser

Alternativ

Gemma

AI-modeller · 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 tillgängligCC++Python
Startår
2024
Licens
Gemma Terms of Use (Gemma 1–3, 3n och namngivna varianter) / Apache License 2.0 (Gemma 4)
Öppen källkod
Delvis

Betyg

89

Preliminär (källbaserad)

Läs bedömningen

Projektdata

5 835GitHub-stjärnor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2024
Licens
Gemma 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. · Licensmodeller
Öppen källkod
Delvis
Plattformar
Linux · Windows · macOS · Android
API
Ej tillämpligt
MCP
Ej tillämpligt
Export
Ej 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 verifierat
Språk
Gränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska
Öppenhet och kontroll Gäller: Gemma 4 under Apache-2.0 (OSI) — Google bytte explicit för att ta bort Gemma 3:s användningsrestriktioner.
Funktionell passform Gäller: Täcker telefon till workstation med resonemang, agentflöden och multimodalitet; små modeller har kunskapsluckor.
Dataflytt och interoperabilitet Gäller: Körs på telefon (LiteRT), laptop (GGUF/Ollama) och datacenter; bred verktygsstöd och kvantisering.
Mognad och trygghet Gäller: Fyra generationer sedan 2024 med Google DeepMind bakom; Gemma 4 ung (april 2026) men aktiv utveckling.
Framtidskraft Gäller: Native function calling, konfigurerbart tänkande och dokumenterad finjusterbarhet.
Drift och införande Gäller: Omfattande dokumentation per storlek; små modeller körs utan GPU (hårdvara kategoriinnevärd).
Kostnadsbild Gäller: Apache-2.0-vikter helt fria, körbara på konsumenthårdvara, mycket lågt API-pris — låg TCO i hela spektrat.
Svensk användbarhet Gäller: Verifierad på EuroEval: #3 i svenska totalt och #1 bland open-weights — stark svensk språkförmåga.

Kostnad: .

Faktakontrollerad

Qwen

AI-modeller · 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 tillgängligPython
Startår
2023
Leverantör
Alibaba
Modellfamilj
Qwen
Öppna vikter
Varierar mellan modeller
Licens
Öppna vikter (licens varierar)
Öppen källkod
DelvisÖppna vikter är inte detsamma som öppen källkod
API
REST API

Betyg

89

Preliminär (källbaserad)

Läs bedömningen

Projektdata

27 707GitHub-stjärnor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2023
Leverantör
Alibaba
Modellfamilj
Qwen
Öppna vikter
Varierar mellan modeller
Licens
Öppna 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. · Licensmodeller
Öppen källkod
DelvisÖppna vikter är inte detsamma som öppen källkod
Utgåva
Qwen3.8-Max · Qwen3.8-27B · Qwen-CoderBredaste öppna-viktsfamiljen; 3.7 sluten och 3.8-Max under egen licens.
Modaliteter
Text · Bild
API
REST API Verifierat
MCP
Ej tillämpligt
Export
Ej verifierat Ej tillämpligt för en språkmodell. Ej verifierat
Språk
Gränssnitt: Delvis svenska · Dokumentation: Engelska · Support: Engelska
Öppenhet och kontroll Gäller: Öppna vikter under Apache-2.0 (OSI) men ingen träningsdata/kod — öppna vikter ≠ öppen källkod.
Funktionell passform Gäller: Lokal (vikter) eller API-körning med OpenAI/Anthropic-kompatibla API:er täcker fallet fullt ut.
Dataflytt och interoperabilitet Gäller: safetensors-format, transformers/vLLM/SGLang/Unsloth-stöd och GGUF-kvantisering.
Mognad och trygghet Gäller: Kontinuerlig familj sedan 2023; enskilda modeller kortlivade och ersätts snabbt.
Framtidskraft Gäller: Stark agentförmåga (Qwen Code), finjustering via Axolotl/Unsloth och öppna API:er.
Drift och införande Gäller: Små modeller körs lokalt; stora MoE kräver GPU-resurser (kategoriinnevärd).
Kostnadsbild Gäller: Vikter gratis under Apache-2.0; API valfritt betald.
Svensk användbarhet 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

Källor

  1. DeepSeek — API-dokumentation
  2. Hugging Face — DeepSeek AI
  3. Wikipedia: DeepSeek (historia)
  4. Hugging Face: DeepSeek-V4-Pro (modellkort)
  5. Hugging Face: DeepSeek-V4.1-Flash (modellkort)