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

Betyg 89 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

89

Preliminär (källbaserad)

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

  1. Öppenhet och kontroll

    Öppna vikter under Apache-2.0 (OSI) men ingen träningsdata/kod — öppna vikter ≠ öppen källkod.

  2. Funktionell passform

    Lokal (vikter) eller API-körning med OpenAI/Anthropic-kompatibla API:er täcker fallet fullt ut.

  3. Dataflytt och interoperabilitet

    safetensors-format, transformers/vLLM/SGLang/Unsloth-stöd och GGUF-kvantisering.

  4. Mognad och trygghet

    Kontinuerlig familj sedan 2023; enskilda modeller kortlivade och ersätts snabbt.

  5. Framtidskraft

    Stark agentförmåga (Qwen Code), finjustering via Axolotl/Unsloth och öppna API:er.

  6. Drift och införande

    Små modeller körs lokalt; stora MoE kräver GPU-resurser (kategoriinnevärd).

  7. Kostnadsbild

    Vikter gratis under Apache-2.0; API valfritt betald.

  8. Svensk användbarhet

    Angivet stöd för 201 språk inkl. svenska (leverantörsbelagd); ingen oberoende svensk benchmark verifierad.

Om Qwen

Vikterna släpps under Apache-2.0, men öppna vikter är inte samma sak som öppen källkod: träningsdata och träningskod publiceras inte. Familjens aktuella gren, Qwen3.8 (augusti 2026), omfattar en stor MoE-modell med 2 400 miljarder parametrar varav 95 miljarder aktiva, samt en 27B-modell. Leverantören anger stöd för 201 språk och dialekter, däribland svenska; på EuroEvals svenska leaderboard finns flera Qwen-modeller mätta, bland annat Qwen3.8-27B som ligger högt bland modellerna med öppna vikter. På egen hårdvara körs modellerna via vLLM, SGLang eller transformers, kvantiserade som GGUF i lättviktsverktyg. Som tjänst erbjuds Qwen via Alibaba Cloud Model Studio med OpenAI-kompatibla gränssnitt samt ett Anthropic-kompatibelt Messages-API. Agent-CLI:n Qwen Code ansluter dessutom till externa MCP-servrar som klient.

Aktuell generation Qwen3.8 (augusti 2026) omfattar 27B dens (officiella FP8-vikter; uppskattningsvis 16–18 GB vid 4-bitars kvantisering), Flash-Next med 125B parametrar varav 6B aktiva — där n-gram-embeddingerna kan offloadas till värdminne — samt 2.4T-A95B med 2,4 biljoner parametrar varav 95B aktiva, som är en fleranodsmodell (FP8-vikterna uppskattningsvis drygt 1 TB). Bland de äldre Qwen3-modellerna under samma licens går 0,6B–4B på en enstaka GPU, 30B-A3B (30B varav 3B aktiva) ryms uppskattningsvis i cirka 20 GB vid 4-bitars kvantisering och 235B-A22B kräver uppskattningsvis 120–140 GB.

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
Qwen3.8-Max (2.4T-A95B) Flaggskepp Frontlinjekapacitet, första Max-klassen med öppna vikter Hög Medel Hög Qwen3.8-Max-licens Ja
Qwen3.8-27B Kompakt lokal Lokal drift på en enskild GPU Medel Hög Låg Apache 2.0 Ja
Qwen3.6-35B-A3B Effektiv MoE Stark kodning vid låg aktiv beräkning Medel Hög Låg Apache 2.0 Ja
Qwen-Coder Kodspecialist Programmering och kodkomplettering Medel Medel Medel Apache 2.0 Ja
Qwen3.7-Max Sluten Multimodala agentuppgifter (endast API) Hög Medel Medel Proprietär Nej

Användning

Passar för

  • Lokal drift (Apache 2.0-modeller)
  • Kodning (Qwen-Coder)
  • Finjustering och egen vidareutveckling

Passar mindre bra för

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

Styrkor och begränsningar

Styrkor

  • Bredaste utbudet av storlekar
  • Stark kodningsprofil
  • De flesta modeller under Apache 2.0

Begränsningar

  • Kinesisk leverantör (datakontroll kräver egen drift)
  • Licensen varierar (3.7 sluten, 3.8-Max egen licens)

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

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
Startår
2023
Leverantör
DeepSeek
Modellfamilj
DeepSeek
Öppna vikter
Ja
Licens
Öppna vikter (MIT)
Öppen källkod
DelvisÖppna vikter är inte detsamma som öppen källkod
API
REST API

Betyg

84

Preliminär (källbaserad)

Läs bedömningen
Visa alla fakta och bedömningarVisa alla fakta
Startår
2023
Leverantör
DeepSeek
Modellfamilj
DeepSeek
Öppna vikter
Ja
Licens
Öppna 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. · Licensmodeller
Öppen källkod
DelvisÖppna vikter är inte detsamma som öppen källkod
Utgåva
DeepSeek-V4-Pro · DeepSeek-FlashÖppna vikter under MIT; V4-generationen ersätter V3.
Modaliteter
Text
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: Ren MIT-licens på både kod och vikter utan användartrösklar — verkligt öppen källkod, inte bara öppna vikter.
Funktionell passform Gäller: Frontierklassad resonemangs-/agentmodell med 1M kontext; vision experimentell och språkfokus engelska/kinesiska.
Dataflytt och interoperabilitet Gäller: Öppna vikter (FP4/FP8) med SGLang/vLLM-stöd och OpenAI-kompatibelt API; Pro (1,6T) praktiskt olokal.
Mognad och trygghet Gäller: Kontinuerlig familj sedan V2 2024 (V3, R1, V3.2, V4) med transparenta tech reports; geopolitiska exportregler en riskfaktor.
Framtidskraft Gäller: Stark agentträning och dokumenterad finjusterbarhet; praktisk agentdrift via API och lokala stackar.
Drift och införande Gäller: Väldokumenterad; V4-Flash (~167 GB) kräver multi-GPU men är körbar i företagsmiljö (hårdvara kategoriinnevärd).
Kostnadsbild Gäller: Vikter gratis, API-pris mycket lågt och transparent; TCO = egen hårdvara för Flash/Pro.
Svensk användbarhet 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

Källor

  1. Hugging Face — Qwen
  2. GitHub — QwenLM/Qwen3.8
  3. Qwen: modellfamilj och lokal körning