Denne siden inkluderer både modellfamilier og en konkret modellkatalog med mange navngitte modeller som team aktivt evaluerer våren 2026. Sist oppdatert: 8. april 2026.
Norske språkmodeller er i aktiv utvikling: NbAiLab har lansert NB-Llama-3.2 modeller, NorMistral nå med extended context, og NorwAI-modellene fra NTNU er i produksjon. Se full oppdatering om norske modeller.
Apache 2.0 er en kritisk åpen kildekode-lisens for åpne språkmodeller. Her er hvorfor det betyr noe:
Hvorfor den er god: svært sterk generell resonnering, høy kodekvalitet, bredt økosystem og stabil API-drift.
Mulige ulemper: høyere kostnad ved store volumer, og mindre kontroll enn egenhostede alternativer.
Passer best for: produksjonsassistenter, utviklerverktøy og høykvalitets chat- og analysearbeidsflyter.
Hvorfor den er god: svært god bruk av lang kontekst, sterk skrivekvalitet og forsiktig stil for policyfølsomme scenarioer.
Mulige ulemper: kan være mer konservativ enn ønsket i enkelte produktopplevelser.
Passer best for: kunnskapsassistenter i bedrift, juridisk/operativ skriving og gjennomgang av lange dokumenter.
Hvorfor den er god: sterk multimodal støtte, svært kapabel i syn + tekst-pipelines, og godt egnet for brukere av Google Cloud.
Mulige ulemper: konsistensen kan variere på tvers av prompt-stiler og smale kodeoppgaver.
Passer best for: multimodale apper, søkeforsterkede arbeidsflyter og Google-baserte stakker.
Hvorfor den er god: fleksibilitet med åpne vekter, sterkt fellesskapsstøtte og enklere alternativer for egenhosting.
Mulige ulemper: krever mer intern ML-/plattforminnsats for topp kvalitet og driftssikkerhet.
Passer best for: kostnadsbevisste produkter, private utrullinger og tilpassede finjusteringsløp.
Hvorfor den er god: effektive modeller med sterk balanse mellom hastighet og kvalitet, og bred europeisk adopsjon.
Mulige ulemper: økosystem og verktøystøtte kan være smalere enn hos hyperskaler-plattformer.
Passer best for: latenstidssensitive assistenter, kompakte modellutrullinger og regionale etterlevelseskrav.
Hvorfor de er gode: ofte sterk ytelse i koding og resonnering sett opp mot kostnad, og populære i ytelsestester av åpne modeller. Qwen3.6-35B-A3B er en MoE-modell (35B totalt, 3B aktive) med hybrid tenk-modus, 262K tokens native kontekst, multimodal støtte (tekst, bilde, video) og agentisk koding med resonnering på repo-nivå. AIME 2026: 92,7 — GPQA Diamond: 86,0 — SWE-bench Verified: 73,4.
Mulige ulemper: utrullings- og etterlevelsesvurdering kreves i regulerte bedriftsmiljøer; tenk-modus øker latens for enkle oppgaver.
Passer best for: agentisk koding, private utrullinger, verdifokuserte inferenslag og team som trenger kontrollerbar resonneringsdybde uten API-avhengighet.
Denne listen er bevisst bred, slik at du kan lage en kortliste med eksakte modellnavn før du kjører egne ytelsestester.
Rask tilgang til de mest etterspurte modelsidene: GPT models, Claude models, Gemini models, Llama 3.1 8B, Llama 3.1 70B, Mixtral 8x7B, Qwen2.5 7B, Qwen2.5 32B, DeepSeek V3, DeepSeek R1, Phi-3 Medium.
| Modell | Leverandør | Kategori | Passer for | Vær obs på | Nedlasting / Tilgang |
|---|---|---|---|---|---|
| GPT-4.1 | OpenAI | Lukket | Generell resonnering og koding | Premiumkostnad | API-tilgang |
| GPT-4o | OpenAI | Lukket multimodal | Rask assistentopplevelse og multimodale oppgaver | Kostnad ved høy skala | API-tilgang |
| GPT-4o mini | OpenAI | Lukket liten | Kostnadssensitiv høyvolum-automatisering | Lavere tak på krevende resonnering | API-tilgang |
| o1 | OpenAI | Resonnering-først | Kompleks flertrinnslogikk | Latenstid og kostnad per krevende forespørsel | API-tilgang |
| o3-mini | OpenAI | Resonnering-effektiv | Teknisk spørsmål/svar og kodearbeidsflyter | Kan kreve prompt-justering | API-tilgang |
| Claude 3.7 Sonnet | Anthropic | Lukket | Skriving og analyse med lang kontekst | Konservativ tone i noen flyter | API-tilgang |
| Claude 3.5 Sonnet | Anthropic | Lukket | Balansert kvalitet og stabilitet | Kostnad ved svært store trafikk-topper | API-tilgang |
| Claude 3.5 Haiku | Anthropic | Lukket liten | Raske svar og triagering | Mindre robust på de mest krevende oppgavene | API-tilgang |
| Claude 3 Opus | Anthropic | Lukket flaggskip | Syntese i høy-risiko scenarioer | Gjennomstrømmingsøkonomi | API-tilgang |
| Gemini 2.0 Pro | Lukket | Resonnering og multimodale bedriftsapper | Oppgavevariasjon på tvers av prompt-stiler | API-tilgang | |
| Gemini 2.0 Flash | Lukket rask | Lav-latens assistent-endepunkter | Lavere kvalitet enn premiumnivå | API-tilgang | |
| Gemini 1.5 Pro | Lukket lang-kontekst | Arbeidsflyter med svært lange dokumenter | Pris/ytelse avhenger av belastning | API-tilgang | |
| Gemini 1.5 Flash | Lukket rask | Effektiv oppsummering og ekstraksjon | Resonneringsdybde kan være begrenset | API-tilgang | |
| Llama 3.1 405B Instruct | Meta | Åpen vekt | Toppnivå kvalitet i åpen utrulling | Krever tung infrastruktur | Download · 70B · 8B |
| Llama 3.1 70B Instruct | Meta | Åpen vekt | Sterk balanse mellom kvalitet og kost ved egenhosting | Krever god inferensstack | Download · 405B · 8B |
| Llama 3.1 8B Instruct | Meta | Åpen vekt liten | Edge- og lavkost-utrullinger | Lavere ytelse på komplekse oppgaver | Download · 70B · 405B |
| Llama 3.2 11B Vision | Meta | Åpen multimodal | Private syn-tekst-pipelines | Krever evalueringer for OCR-tunge tilfeller | Download · 90B |
| Llama 3.2 90B Vision | Meta | Åpen multimodal | Høykapasitets multimodal inferens | Infrastrukturkompleksitet | Download · 11B |
| Mistral Large | Mistral AI | Lukket | Høykvalitets bedriftsassistenter | Mindre økosystem enn hyperskalere | API-tilgang |
| Mistral Medium | Mistral AI | Lukket | Balansert produksjonsbruk | Benchmark nøye mot alternativer | API-tilgang |
| Mistral Small | Mistral AI | Lukket liten | Rask og kostnadseffektiv chat | Begrenset dybde i avansert resonnering | API-tilgang |
| Mixtral 8x22B | Mistral AI | Åpen MoE | Sterk genereringskvalitet med åpne vekter | Operasjonell kompleksitet | Download · 8x7B |
| Mixtral 8x7B | Mistral AI | Åpen MoE | Effektiv egenhosting | Kan ligge bak de nyeste lukkede modellene | Download · 8x22B |
| Codestral | Mistral AI | Kode-spesialisert | Kodegenerering og fullføring | Smalere generell språkstyrke | Download |
| Gemma 4 27B | Åpen vekt | Høykvalitets åpen modell med svær ytelse | Krever god inferensinfrastruktur | Download · 9B | |
| Gemma 4 9B | Åpen vekt liten | Effektiv åpen modell for edge og offline | Lavere resonneringsdybde | Download · 27B | |
| Gemma 2 27B | Åpen vekt | Solid ytelse for åpen utrulling | Eldre enn Gemma 4 | Download · 9B · 2B | |
| Gemma 2 9B | Åpen vekt liten | Testet og stabil for egenhosting | Apache 2.0 lisensert - viktig for åpen bruk | Download · 27B | |
| Qwen2.5 72B Instruct | Alibaba | Åpen vekt | Resonnering og flerspråklige oppgaver | Etterlevelsessjekker for enkelte regioner | Download · 32B · 14B · 7B |
| Qwen2.5 32B Instruct | Alibaba | Åpen vekt | Sterk kvalitet med lavere infrastrukturkost | Prompt-justering er ofte nødvendig | Download · 72B · 14B · 7B |
| Qwen2.5 14B Instruct | Alibaba | Åpen vekt | Balansert privat utrulling | Less robust on hardest tasks | Download · 72B · 32B · 7B |
| Qwen2.5 7B Instruct | Alibaba | Åpen vekt liten | Høy gjennomstrømming med lav kost i inferens | Lavere resonneringsdybde | Download · 14B · 32B · 72B |
| Qwen3.6-35B-A3B | Alibaba | Åpen vekt MoE multimodal | MoE (35B totalt, 3B aktive); hybrid tenk-modus; 262K tokens native kontekst (opptil ~1M med YaRN); multimodal (tekst, bilde, video); agentisk koding på repo-nivå. AIME 2026: 92,7 — SWE-bench: 73,4 | Etterlevelsesvurdering kreves; tenk-modus øker latens for enkle oppgaver | Download · FP8 |
| QwQ-32B | Alibaba | Åpen resonnering | Privat bruk med resonneringsfokus | Evalueringer kreves for stabilitet | Download |
| DeepSeek V3 | DeepSeek | Åpen/tilgjengelig | God verdi for generell resonnering og koding | Styringsgjennomgang i bedrift | Download |
| DeepSeek R1 | DeepSeek | Resonneringsfokusert | Krevende flertrinns resonneringsoppgaver | Latenstid på komplekse svar | Download |
| DeepSeek Coder V2 | DeepSeek | Kode-spesialisert | Utviklerassistenter og kodegjennomgang | Generell skriving er mindre sterk | Download |
| Command R+ | Cohere | Lukket bedrift | RAG og bruk av bedriftskunnskap | Sammenlign mot ledende generelle modeller | API-tilgang |
| Command R | Cohere | Lukket | Raske svar forankret i gjenfinning | Ikke alltid best for dyp koding | API-tilgang |
| DBRX Instruct | Databricks | Åpen vekt | Arbeidslaster integrert med dataplattform | Krever moden plattform | Download |
| Phi-3 Medium | Microsoft | Liten modell | Kompakte utrullinger og edge-bruk | Begrenset på svært komplekse oppgaver | Download · Mini |
| Phi-3 Mini | Microsoft | Liten modell | Inference på enhet og i begrensede miljøer | Lavere nøyaktighetstak | Download · Medium |
| Yi-34B Chat | 01.AI | Åpen vekt | Flerspråklig eksperimentering | Krever grundig evaluering før produksjon | Download |
Merk: lukkede modeller tilbyr vanligvis API-tilgang fremfor direkte nedlasting av vekter.
Ikke velg kun etter ytelsestest-rangering. Valider med egne arbeidslaster: prompt-kompleksitet, svarlatenstid, feiltoleranse og månedlig tokenbudsjett.
Fortsett med sammenligningsmatrisen, og les deretter tydelige anbefalinger.
Sist oppdatert: 8. april 2026. Disse sidene gir raskest signal om nye lanseringer, avviklinger og prisendringer.
Hold oversikt over aktive modellnavn før du oppdaterer produksjonsruting eller fallback-regler.
Sjekk nye checkpoints og lisensinformasjon før intern evaluering og pilotdrift.
Meta Llama, Mistral, Qwen og DeepSeek.
Følg norske modellinitiativer for oppdateringer som påvirker språkdekning og lokal etterlevelse.