Open source AI har tatt igjen GPT-4. Men lisensen kan ødelegge selskapet ditt.

Tusenvis av utviklere og selskaper kaster seg over «gratis» AI-modeller uten å lese én linje med lisenstekst. Resultatet? Europeiske startups tvinges til å offentliggjøre sin mest verdifulle kode, selskapsvekst blokkeres av skjulte brukertersler, og EU-domisilerte selskaper oppdager at de ikke engang har lov til å bruke modellene de har bygget produktet sitt på. Den «åpne» AI-revolusjonen har en skjult pris — og den kan være brutal.

Ytelsen er reell: Open source har hentet inn

For tre år siden var gapet mellom åpne og proprietære modeller svimlende. I dag er det knapt målbart på standard oppgaver.

Ifølge leaderboard-data fra lmmarketcap.com og perspectiveai.xyz scorer DeepSeek V3.2 over 85 prosent på GPQA Diamond og over 72 prosent på SWE-Bench Verified — til en pris av kun 0,28 dollar per million tokens. Llama 4 Scout fra Meta leverer 2 600 tokens per sekund med et kontekstvindu på 10 millioner tokens. Qwen 3.5 fra Alibaba finnes i varianter ned til 0,8 milliarder parametere, med en pris på 0,02 dollar per million tokens for de minste versjonene.

På HumanEval — standard kodegenereringstest — ligger Llama 4 Scout og Qwen 3.5 begge over 88 prosent. GPT-5 scorer 93 prosent. I praktiske kodingsarbeidsflyter viskes denne forskjellen i stor grad ut, ifølge convly.ai sin hardware- og benchmarkanalyse.

Hugging Face Open LLM Leaderboard viser nå 223 open-weights modeller av totalt 356 listede. Open source utgjør majoriteten av det samlede markedet.

SAMMENLIGNINGSTABELL: Topp open source-modeller 2026

Kilder: lmmarketcap.com, perspectiveai.xyz, topaihubs.com, clickrank.ai

> PULLQUOTE: «Open source AI er ikke gratis. Det er gratis inntil det ikke er det — og du finner som regel ut av det på verst tenkelig tidspunkt.»

Hva er gapet som gjenstår?

Åpne modeller har ikke vunnet på alle fronter.

På Humanity's Last Exam — den mest krevende akademiske resonneringstesten — scorer open-weights modeller mellom 40 og 52 prosent. Proprietære frontiermodeller som Claude Mythos Preview scorer mellom 60 og 64,7 prosent. Det er et gap som ikke lar seg bortforklare med benchmark-støy.

DeepSeek V3.2 scorer 85 prosent på GPQA Diamond. Claude Mythos Preview scorer 94,6 prosent. På agentiske oppgaver — WebArena og OSWorld — leder proprietære modeller fortsatt med klar margin, ifølge clickrank.ai sin sammenlignende leaderboard-analyse.

For de fleste bedriftsapplikasjoner betyr ikke dette noe. For avansert autonom agentbruk og topp-tier vitenskapelig resonnering betyr det alt.

> FAKTABOKS: Hva er «ekte» open source AI?

>

> OSI (Open Source Initiative) publiserte OSAID — Open Source AI Definition — i 2026. Kravene er klare:

> - Full tilgang til treningsdata eller transparent dokumentasjon av datasett

> - Åpen kildekode for treningspipeline

> - Åpne modellvekter

>

> De aller fleste «open source»-modeller oppfyller kun det siste punktet. De er teknisk sett open weights — ikke open source. Eksempler på ekte open source per OSI-standarden: OLMo (Allen Institute for AI) og Pythia (EleutherAI), begge under Apache 2.0.

Lisensfellene som kan knuse selskapet ditt

Her er der det virkelig brenner.

Llama Community License: Poison pill for vekst

Metas Llama-lisens inneholder en klausul som utløses ved 700 millioner månedlige aktive brukere. Passerer produktet ditt denne terskelen, krever Meta en separat kommersiell lisensavtale. Men det stopper ikke der: lisensen blokkerer effektivt oppkjøp fra store teknologiselskaper — kjent som «poison pill»-klausulen. Og per tidlig 2026 er Llama 4-modellene ikke tilgjengelige for EU-domisilerte selskaper, ifølge aplicar.ai sin analyse av Llama 4-familien.

Mistral Research License: Bait and switch

Mistral 7B var Apache 2.0 — trygt og enkelt. Men nyere modeller som Mistral Large 3 bruker Mistral Research License (MRL). Modellen er gratis for forskning. For produksjon kreves betalt lisens. Mange selskaper har bygget på MRL-modeller i tro om at fri forskningstilgang gjelder kommersielt. Den gjør ikke det, ifølge patentailab.com sin analyse av lisensfeller i open source AI.

RAIL-lisenser: Viral copyleft

Responsible AI Licenses inneholder copyleft-mekanismer som kan tvinge deg til å publisere dine fine-tuned modellvekter. I første kvartal 2026 ble en europeisk legal-tech startup tvunget til å offentliggjøre sin finjusterte modell etter å ha benyttet en RAIL-lisensiert basismodell i produksjon. Årets mest kostbare «gratis»-feil.

Kimi K2.5: Modified MIT med attribution-krav

Kimi K2.5 bruker en modifisert MIT-lisens som tillater kommersiell bruk. Men passerer produktet 100 millioner månedlige aktive brukere, kreves tydelig «Kimi K2.5»-attribuering i produktet. For de fleste startups irrelevant — men bygg ikke exit-planen din uten å ha lest dette.

> KEYFIGURE:

>

> 85% — DeepSeek V3.2 på GPQA Diamond (vs. 94,6% for Claude Mythos Preview)

>

> $0,02 — Pris per million tokens for Qwen 3.5 0.8B

>

> 700M MAU — Llama-lisensens poison pill-terskel

>

> 40–52% — Open-weights modellers score på Humanity's Last Exam

EU AI Act gjør det enda mer komplisert

EU AI Act gir fritak fra visse regulatoriske krav for «free and open source»-komponenter. Men modeller med kommersielle restriksjoner, felts-restriksjoner eller brukerterskel-klausuler kvalifiserer ikke til dette fritaket, ifølge examcert.app sin gjennomgang av AI-regulering og sertifiseringer i 2026.

Resultatet: norske og europeiske selskaper som bruker Llama 4 eller MRL-modeller i produksjon, kan ikke påberope seg open source-fritaket under EU AI Act. De er underlagt full compliance — uten å ha den kommersielle støtten som følger med proprietære modeller.

Slik kjører du det lokalt — og hva det krever

For selvstendig drift finnes tre hovedverktøy: Ollama (enklest oppsett for enkeltbrukere), llama.cpp (C++ inference optimalisert for consumer-hardware), og vLLM (høy-ytelse produksjonsserver). Kvantiseringsformater som GGUF, AWQ og GPTQ gjør det mulig å kjøre modeller mellom 7 og 70 milliarder parametere på 8 til 48 GB VRAM.

På edge-enheter og telefoner vinner open source allerede: Gemma 3n, Qwen 3.5 i de minste variantene og Phi-4 Mini 3.8B kjører alle på moderne mobilenheter. Dette er et område der proprietære skytjenester ikke kan konkurrere.

> HIGHLIGHT: Data contamination er en reel risiko. DeepSeek V3.2 har møtt spørsmål om potensiell overlapp mellom treningsdata og benchmark-testsett — noe som kan forklare deler av de imponerende GPQA-scorene. Ingen uavhengig verifikasjon er publisert per dato for denne artikkelen.

Den eneste trygge lisensen for kommersiell SaaS

Apache 2.0 er eneste lisens som gir full kommersiell frihet uten felt-restriksjoner, brukerterskel-klausuler eller copyleft-mekanismer. Den inkluderer også patent grant — viktig beskyttelse hvis du bygger produkt på modellvektene. Eksempler: OLMo fra Allen Institute og Pythia fra EleutherAI.

For alt annet: les lisensen. Hele. Og deretter la advokaten din lese den.

BOTTOM LINE

Open source AI i 2026 er reelt, kraftfullt og tilgjengelig for alle. Men «open source» er blitt et markedsføringsbegrep like mye som et teknisk begrep. De fleste modeller er open weights — ikke open source per OSI-standarden. Ytelsesmessig er gapet til GPT-4 borte for standard oppgaver; gapet til topp proprietære modeller eksisterer fortsatt for avansert resonnering og agentiske oppgaver.

Lisensfellene er farligere enn ytelsestallene. Llamas poison pill, Mistrals bait and switch og RAIL-lisensenes virale copyleft har allerede skadet europeiske selskaper i 2026. Bygg på Apache 2.0-modeller der det er mulig. Bruk alt annet med åpne øyne og juridisk rådgivning.

Den åpne AI-revolusjonen er ekte. Bare sørg for at du faktisk eier det du bygger på den.

Verifisert mot 10 åpne primærkilder.