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.
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.
Betyg 89 av 100 Preliminär (källbaserad)
Läs bedömningenAPI · 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.
Bedömning
Så bedömer viTotalbetyg
89 av 100
Preliminär (källbaserad)
-
Öppenhet och kontroll
Gemma 4 under Apache-2.0 (OSI) — Google bytte explicit för att ta bort Gemma 3:s användningsrestriktioner.
-
Funktionell passform
Täcker telefon till workstation med resonemang, agentflöden och multimodalitet; små modeller har kunskapsluckor.
-
Dataflytt och interoperabilitet
Körs på telefon (LiteRT), laptop (GGUF/Ollama) och datacenter; bred verktygsstöd och kvantisering.
-
Mognad och trygghet
Fyra generationer sedan 2024 med Google DeepMind bakom; Gemma 4 ung (april 2026) men aktiv utveckling.
-
Framtidskraft
Native function calling, konfigurerbart tänkande och dokumenterad finjusterbarhet.
-
Drift och införande
Omfattande dokumentation per storlek; små modeller körs utan GPU (hårdvara kategoriinnevärd).
-
Kostnadsbild
Apache-2.0-vikter helt fria, körbara på konsumenthårdvara, mycket lågt API-pris — låg TCO i hela spektrat.
-
Svensk användbarhet
Verifierad på EuroEval: #3 i svenska totalt och #1 bland open-weights — stark svensk språkförmåga.
Om Gemma
Familjen har växt genom fyra generationer sedan 2024. Gemma 4 är den första generationen med vikterna under Apache-2.0; tidigare generationer släpptes under Googles egna användarvillkor, en skillnad värd att känna till. Storlekarna spänner från små edge-modeller till 31-miljarders densamodeller, med multimodal indata och 256K-tokenkontext.
Modellerna körs på telefon via LiteRT, på laptop i format som GGUF eller via Ollama, och på server med motorer som vLLM. Funktions- och verktygsanrop är inbyggt, vilket gör modellerna brukbara i agentflöden. I EuroEval svenska rankas Gemma som trea totalt och som högst rankad bland modeller med öppna vikter — svensk språkförmåga är därmed mätt, inte antagen.
Konkret upplöst i siffror: E2B ryms i cirka 6 GB minne och E4B i cirka 8 GB, medan 12B klarar sig på ungefär 8–12 GB och 31B kräver uppskattningsvis 20–24 GB vid 4-bitars kvantisering — utifrån Googles egna QAT-q4_0-GGUF-filer på 4,3–18,9 GB. MoE-varianten 26B A4B väger 25 miljarder parametrar men aktiverar bara 3,8 miljarder per token och känns i farten som en 4B-modell. Kontextfönstret är 128K för E2B/E4B och 256K för de större.
Användning
Passar för
- Lokal körning av språkmodell på telefon, laptop eller server
- Agentflöden som behöver inbyggt funktions- och verktygsanrop
- Svensk texthantering där språkförmågan är mätt
- Multimodala uppgifter med text och bild
Passar mindre bra för
- De som vill ha en färdig produkt utan egen drift
- Djupare resonemang som kräver flaggskeppsmodeller
- Användning som kräver enhetlig fri licens över hela familjen
Styrkor och begränsningar
Styrkor
- Gemma 4:s vikter under Apache-2.0, juridiskt enkelt
- Samma modell flyttas mellan telefon, arbetsstation och datacenter
- Funktions- och verktygsanrop inbyggt för agentflöden
- Stark svensk språkförmåga enligt mätning
Begränsningar
- De mindre storlekarna har kunskapsluckor jämfört med flaggskepp
- Licensen skiljer sig mellan generationer
- Gemma 1–3 är gated på Hugging Face
- Inga officiella containeravbildningar; servering via tredjepartsmotorer
Tekniska resurser
Alternativ
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.
Betyg
84 av 100
Preliminär (källbaserad)
Visa alla fakta och bedömningarVisa alla fakta
Källor
- Gemma – officiell produktsida (Google DeepMind)
- Gemma-dokumentation – utgivningshistorik
- Gemma 4 – modellkort
- Gemma Terms of Use
- Gemma 4 license (Apache License 2.0)
- Gemma Prohibited Use Policy
- Gemma – Intended Use Statement
- Hugging Face – google/gemma-3-27b-it
- Hugging Face – google/gemma-4-31B-it
- GitHub – google-deepmind/gemma (JAX-referensimplementation)
- LICENSE – google-deepmind/gemma
- GitHub – google/gemma.cpp (C++-inferensmotor)
- LICENSE – google/gemma.cpp
- Senaste release av JAX-referensbiblioteket (v4.0.1)
- Google-bloggen – Gemma 4