Denne siden inkluderer både modellfamilier og en konkret modellkatalog med mange navngitte modeller som team aktivt evaluerer i 2026. Sist oppdatert: 13. oktober 2026.
Verifiseringsnotat (13. oktober 2026): Kimi K3 (2,8T MoE, 1M kontekst, 16. juli) er bekreftet, men kildene er uenige om lisensen. GPT-5.7 (1,5M kontekst), Gemini 3.6 Pro (2M kontekst) og Llama 4.1 andre steder på siden er ikke bekreftet mot leverandørenes kunngjøringer og bør regnes som uverifiserte.
Nytt siden 22. september
medium). Fast mode $8/$40.
Nytt i september
gpt-image-2.5-sunburst (presisjonsredigering)
og gpt-image-2.5-flare (rask hverdagsgenerering). Forbedret
multi-turn instruksjonsfølging og referansefoto-bevaring.
Bransjenyheter september
Lukkede toppmodeller
Globale åpne modeller
Bransjenyheter
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. GPT-5.7 er nyeste flaggskip med native multimodal og 1,5M kontekst.
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. Claude Opus 5.5 er nyeste Opus ($4/$20, 1M kontekst), Sonnet 5.5 og Haiku 5.5 dekker hverdagsbruk og høyt volum, og Fable 5.1 er toppnivået. Mythos 5.1 er kun for betrodde tilgangsprogrammer.
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: Gemini 3.8 Flash (september 2026) er nå stabil med konfigurerbare thinking-nivåer og native lyd-støtte. Gemini 4 Argon (annonsert 30. september) er nyeste frontier, foreløpig kun for betrodde cyberforsvarere. Gemini 3.6 Pro tilbyr frontier resonnering og agentisk koding med 2M tokens kontekst. Sterk multimodal støtte og godt egnet for Google Cloud-brukere.
Mulige ulemper: høyere kostnad på Pro-nivå, og integrasjon utenfor Google-miljøer kan være mindre smidig.
Passer best for: agentiske arbeidsflyter, multimodale apper, høyvolum-koding 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. Qwen3.8-2.4T-A95B er den første åpne «Qwen-Max-klasse»-modellen (2,4T totalt, 95B aktive) med hybrid tenkemodus, 262K tokens native kontekst (opptil 1M), og agentisk koding med resonnering på repo-nivå. GPQA Diamond: 92,6 — SWE-bench Pro: 67,7 — PaperBench: 93,0. Qwen3.8-Flash-Next (125B/6B aktive) er en eksperimentell preview av Qwen4-arkitekturen med n-gram-embedding.
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.
Hvorfor de er gode: nye kinesiske frontier-modeller med åpne vekter i teraskalastørrelse. Kimi K3 (2,8T/104B aktive) fra Moonshot AI er verdens første åpne 3T-klasse modell med 1M kontekst og sterk agentisk koding. GLM-5.3 (753B MoE) fra Z.ai er state-of-the-art på koding og cybersikkerhet blant åpne modeller.
Mulige ulemper: krever massiv infrastruktur; compliance-gjennomgang i regulerte bedriftsmiljøer; egne lisenser (ikke Apache 2.0).
Passer best for: koding, agentisk arbeid, forskning, og team som ønsker frontier-ytelse med åpne vekter.
Hvorfor den skiller seg ut: Jev er ikke en LLM. Den genererer ikke tekst — den evaluerer en state og returnerer typede beslutninger (Choice, Score, Noul) med kalibrerte sannsynligheter. Trent med RLCD (Reinforcement Learning for Calibrated Decisions) og parallell sampling istedenfor autoregressiv token-generering. Navnet spiller på Jevons-paradokset: gjør in-loop-beslutninger billige nok, og bruksmønstrene endrer seg.
Tallene: 70–500 ms ende-til-ende-latens mot 3–329 sekunder for frontier-LLM-er. $0,042 per million input-tokens (output gratis). ~193× raskere og ~445× billigere enn LLM-er på klassifiserings- og rutingoppgaver. Skjema-garanterte typefeil = 0 %.
Mulige ulemper: ikke egnet for åpen tekstgenerering, resonnering eller samtale — det er en komplement til LLM-er, ikke en erstatter. Foreløpig early access, én modell fra én liten SF-lab.
Passer best for: ruting mellom billige og dyre LLM-er, safety-guardrails for tool-calls i agent-loops, klassifisering, scoring, ekstraksjon — alt der du ellers ville brukt en LLM til å ta en rask, strukturert beslutning som koden din skal handle på.
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 4.1, Qwen3.8-2.4T-A95B, Qwen3.8-27B, Kimi K3, GLM-5.3, DeepSeek V3, DeepSeek R1, Phi-3 Medium.
| Modell | Leverandør | Kategori | Passer for | Vær obs på | Nedlasting / Tilgang |
|---|---|---|---|---|---|
| Claude Opus 5.5 | Anthropic | Lukket flaggskip | Nyeste Opus (22. sep). $4/$20 per MTok, 1M kontekst, 128K output. Adaptive thinking, fast mode $8/$40. | Tenking kan ikke slås av; effort står som standard på medium | API-tilgang |
| Claude Sonnet 5.5 | Anthropic | Lukket balansert | Nyeste Sonnet (28. sep). $2/$10 per MTok, 1M kontekst, 128K output. | Ikke like kapabel som Opus/Fable på de mest krevende oppgavene | API-tilgang |
| Claude Haiku 5.5 | Anthropic | Lukket liten | Nyeste Haiku (7. okt). $0,10/$0,50 per MTok opptil 100K prompt, $0,50/$2,50 over. 1M kontekst, verktøy og visjon. | Mindre robust på de mest krevende oppgavene | API-tilgang |
| GPT-6 Sol / GPT-6.1 Sol | OpenAI | Lukket flaggskip | Sol (22. sep) og 6.1 Sol (29. sep): $2/$10 per MTok, 1,05M kontekst, 128K output. Koding og computer use. | Etterfulgt av Astra på toppnivå | API-tilgang |
| GPT-6 Luna | OpenAI | Lukket liten | Billigste OpenAI-nivå: $0,10/$0,50 per MTok, 1,05M kontekst. | Mindre kapabel enn Sol/Astra | API-tilgang |
| Gemini 4 Argon | Lukket frontier | Googles nyeste frontier (annonsert 30. sep). Koding, cyberforsvar, finans, juss. 1M tokens output. | Kun betrodde cyberforsvarere via Fairwind Program; ingen offentlig pris eller GA-dato | API-tilgang | |
| Mistral Large 4 | Mistral AI | Åpne vekter | MoE 1,05T totalt / 49B aktive, 1M kontekst, visjon. $1,36/$4,18 per MTok (6. okt). | Krever kraftig infrastruktur for selvhosting | API-tilgang |
| Grok 4.7 | xAI | Lukket flaggskip | $2/$6 per MTok, 500K kontekst (21. sep). | Parameterantall ikke publisert | API-tilgang |
| Claude Opus 5 | Anthropic | Lukket flaggskip | Toppflaggskip (etterfulgt av Opus 5.5) — state-of-the-art resonnering, 1M kontekst, $5/$25, avansert agentisk koding og multimodal | Høyeste kostnadsnivå | API-tilgang |
| Claude Fable 5 | Anthropic | Lukket kreativ | Ny kreativ modell for storytelling, innholdsproduksjon og narrativ skriving. 1M kontekst. | Spesialisert for kreativt arbeid | API-tilgang |
| GPT-5.7 | OpenAI | Lukket flaggskip | Nyeste flaggskip — 1,5M kontekst, 256K output, native multimodal (tekst, bilde, lyd, video), 15% forbedret resonnering | Høyeste kostnadsnivå | API-tilgang |
| Gemini 3.6 Pro | Lukket flaggskip | Kraftigste Gemini — 2M tokens kontekst, frontier resonnering, avansert agentisk og sanntids multimodal | Høyere kostnad enn Flash | API-tilgang | |
| Llama 4.1 Behemoth | Meta | Åpen vekt multimodal | Oppdatert frontier med 320B aktive / 2.2T totale parametere (MoE). Forbedret flerspråklig støtte. | Krever svært tung infrastruktur | Download |
| Llama 4.1 Maverick | Meta | Åpen vekt multimodal | Forbedret resonnering med 20B aktive / 450B totale (MoE). Bedre balanse mellom ytelse og effektivitet. | Krever god multi-GPU infrastruktur | Download |
| Llama 4.1 Scout | Meta | Åpen vekt multimodal | Effektiv MoE med 20B aktive / 120B totale. Opptil 12M tokens kontekst. Native multimodal. | MoE-kompleksitet i drift | Download |
| DeepSeek V4.1-Pro-DSpark | DeepSeek | Åpen/tilgjengelig flaggskip | Nyeste og største — 950B parametere. Forbedret resonnering og agentkapasitet. State-of-the-art på SWE-bench. | Krever massiv infrastruktur; compliance-gjennomgang i bedrift | Download |
| DeepSeek V4.1-Flash-DSpark | DeepSeek | Åpen/tilgjengelig effektiv | 185B parametere. Raskere inferens med høy kvalitet. | Styringsgjennomgang i bedrift | Download |
| Qwen3.8-2.4T-A95B | Alibaba | Åpen vekt MoE flaggskip | Første åpne «Qwen-Max-klasse»-modell. 2,4T totale / 95B aktive (MoE). 262K native kontekst (opptil 1M). GPQA Diamond: 92,6. Apache 2.0. | Krever massiv infrastruktur; etterlevelsesvurdering kreves i regulerte miljøer | Download |
| Qwen3.8-27B | Alibaba | Åpen vekt tett visjon | Tett 27B-modell med native visjon (bilde og video). Hybrid DeltaNet+Attention. 262K kontekst (opptil 1M). SWE-bench Pro: 61,7. Apache 2.0. | Krever 24GB+ VRAM; etterlevelsesvurdering kreves | Download |
| Qwen3.8-Flash-Next | Alibaba | Åpen vekt MoE eksperimentell | Preview av Qwen4-arkitektur. 125B totale / 6B aktive (MoE) med n-gram-embedding og QSA. Matcher 27B med kun 6B aktive. Multimodal. Apache 2.0. | Eksperimentell; arkitekturen er ny og uprøvd i produksjon | Download |
| GPT-5.6 Sol | OpenAI | Lukket frontier | Nyeste flaggskip — komplekst profesjonelt arbeid, 1,05M kontekst, computer use, web/file search | Høyeste kostnadsnivå | API-tilgang |
| GPT-5.6 Terra | OpenAI | Lukket balansert | Balansert kapasitet og kostnad, 1,05M kontekst, computer use | Lavere enn Sol på de mest krevende oppgavene | API-tilgang |
| GPT-5.6 Luna | OpenAI | Lukket budsjett | Budsjettoptimalisert med 1,05M kontekst | Lavere kvalitet enn Terra/Sol | API-tilgang |
| GPT-5.5 | OpenAI | Lukket flaggskip | Nyeste GPT — ny klasse intelligens for koding og profesjonelt arbeid | Premiumkostnad | API-tilgang |
| GPT-5.4 | OpenAI | Lukket | Rimligere alternativ for koding, computer use og subagenter | Ikke like kapabel som GPT-5.5 på de mest krevende oppgavene | API-tilgang |
| Claude Sonnet 5 | Anthropic | Lukket balansert | Beste kombinasjon av hastighet og intelligens. 1M kontekst, 128K output, $2/$10 per MTok. Etterfulgt av Sonnet 5.5. | Ikke like kapabel som Opus/Fable på de mest krevende oppgavene | API-tilgang |
| Claude Opus 4.8 | Anthropic | Lukket flaggskip | Nyeste og mest kapable Claude. Forbedret koding, resonnering og agentiske oppgaver. Koordinerer hundrevis av parallelle agenter. | Høyere kostnad og latens enn Sonnet; nytt — begrenset langtidserfaring | API-tilgang |
| Claude Opus 4.7 | Anthropic | Lukket flaggskip | Mest kapable Claude-modell for kompleks resonnering, agentisk koding og lange dokumenter | Høyere kostnad og latens enn Sonnet | API-tilgang |
| Claude Sonnet 4.6 | Anthropic | Lukket | Balansert ytelse og hastighet, ideell for de fleste oppgaver | Ikke like kapabel som Opus på de mest krevende oppgavene | API-tilgang |
| Claude Haiku 4.5 (eldre) | Anthropic | Lukket liten | Rask og kostnadseffektiv for høyvolum og triagering (erstattet av Haiku 5.5, $0,10/$0,50, 1M kontekst) | Mindre robust på de mest krevende oppgavene | API-tilgang |
| Gemini 3.6 Flash | Lukket stabil | Ny stabil toppmodell. Balanserer hastighet og intelligens for agentiske og multimodale oppgaver. | Nytt — begrenset langtidserfaring | API-tilgang | |
| Gemini Deep Research | Lukket agent | Autonom agent som planlegger og utfører flertrinns forskning på tvers av hundrevis av kilder. | Preview-status; spesialisert bruksområde | Preview-tilgang | |
| Gemini 3.1 Pro | Lukket flaggskip (preview) | Avansert resonnering, kompleks problemløsning, agentisk koding | Fortsatt i preview; høyere latens | Preview-tilgang | |
| Gemini 3.1 Flash-Lite | Lukket effektiv | Frontier-klasse ytelse til brøkdel av kostnad | Lavere tak enn Pro på komplekse oppgaver | API-tilgang | |
| Gemini 3.5 Live Translate | Lukket oversettelse | Sanntids tale-til-tale-oversettelse på 70+ språk | Preview-status | Preview-tilgang | |
| Gemini Omni Flash | Lukket multimodal | Videogenerering og redigering fra tekst og bilder | Begrenset tilgang i tidlig fase | API-tilgang | |
| Gemini 3.5 Flash | Lukket agentisk | Frontier agentisk koding, multimodal forståelse, lange arbeidsflyter | Nytt — begrenset produksjonserfaring ennå | API-tilgang | |
| Robostral Navigate | Mistral AI | Robotikk-spesialisert | Navigasjonsmodell for robotikk og embodied AI. Lansert 8. juli 2026. | Spesialisert — ikke for generell tekstgenerering | API-tilgang |
| Leanstral 1.5 | Mistral AI | Åpen kildekode | Lett og tilgjengelig grunnmodell. Åpen kildekode. Lansert 2. juli 2026. | Lavere kapasitet enn større modeller | Download |
| Pixtral Large | Mistral AI | Multimodal visjon | Avansert visjon-språkmodell for bildeforståelse og multimodalt resonnering | Krever god infrastruktur | Download |
| Mistral Small 4 | Mistral AI | Åpen MoE (Apache 2.0) | 128 eksperter, 6B aktive / 119B totale. 256K kontekst, multimodal, konfigurerbar resonnering. 40 % lavere latens enn Small 3. | MoE-kompleksitet; nytt — begrenset produksjonserfaring | Download |
| Mistral Large | Mistral AI | Lukket | Høykvalitets bedriftsassistenter | Mindre økosystem enn hyperskalere | API-tilgang |
| Mistral Medium 3.5 | Mistral AI | Lukket | Remote coding-agenter, komplekse oppgaver i Work mode | Benchmark nøye mot alternativer | API-tilgang |
| Mistral Small | Mistral AI | Lukket liten | Rask og kostnadseffektiv chat | Begrenset dybde i avansert resonnering | API-tilgang |
| Voxtral TTS | Mistral AI | Tale-spesialisert | Tekst-til-tale med zero-shot stemmekloning og flerspråklig støtte | Spesialisert — ikke for generell tekstgenerering | API-tilgang |
| Devstral 2 | Mistral AI | Kode-spesialisert | Frontier kodeagent for programvareutvikling og kodereview | Smalere generell språkstyrke | API-tilgang |
| Ministral 3 14B | Mistral AI | Åpen kompakt | Best-in-class tekst og visjon i kompakt størrelse | Kan ligge bak de nyeste lukkede modellene | API-tilgang |
| Ministral 3 8B | Mistral AI | Åpen kompakt | Effektiv tekst og visjon på forbrukermaskinvare | Lavere tak enn 14B på komplekse oppgaver | API-tilgang |
| Ministral 3 3B | Mistral AI | Åpen tiny | Ultra-kompakt med multimodal støtte for edge/mobil | Svært begrenset på kompleks resonnering | API-tilgang |
| Codestral | Mistral AI | Kode-spesialisert | Kodegenerering og fullføring | Smalere generell språkstyrke | Download |
| Gemma 4 31B | Åpen vekt | Mest kapable Gemma for privat resonnering og koding; Apache 2.0-lisensert | Krever 24GB+ VRAM eller multi-GPU | Download · 12B | |
| Gemma 4 12B | Åpen vekt balansert | Ny balansert størrelse mellom 9B og 27B; god ytelse på forbruker-GPU | Lavere tak enn 31B på komplekse oppgaver | Download · 31B | |
| Gemma 4 E4B | Åpen vekt mobil | Optimalisert for mobil og IoT; ~9B med effektiv inferens | Begrenset på kompleks resonnering | Download | |
| Gemma 4 E2B | Åpen vekt tiny | Ultra-kompakt for on-device inferens; ~2B parametere | Svært begrenset resonneringsdybde | Download | |
| Gemma 4 31B | Åpen vekt | Tett 31B-modell med sterk ytelse i resonnering og koding; multimodal (tekst og bilde), 256K kontekst; Apache 2.0-lisensert. Ca. 19–20 GB i 4-bits. | Krever 24 GB+ VRAM eller tilsvarende samlet minne | Ollama | |
| Gemma 4 26B (MoE) | Åpen vekt MoE | MoE med 3,8B aktive parametere; rask inferens og 256K kontekst. Ca. 16–19 GB i 4-bits. Basis for Borealis 2. | Krever 16 GB+ VRAM; kvalitet under 31B dense | Ollama | |
| Gemma 4 12B | Åpen vekt liten | Effektiv åpen modell for laptop og gaming-PC; godt kompromiss mellom størrelse og kvalitet; 256K kontekst. Ca. 8 GB i 4-bits. | Lavere resonneringsdybde enn 26B og 31B | Ollama | |
| 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 | |
| Qwen3-ASR | Alibaba | Tale-spesialisert | Automatisk talegjenkjenning med høy nøyaktighet. Tilgjengelig i 0.6B og 1.7B varianter. | Spesialisert for ASR — ikke generell tekstgenerering | Download |
| Qwen3-TTS | Alibaba | Tale-spesialisert | Tekst-til-tale med stemmedesign og stemmekloning. Flerspråklig støtte. | Spesialisert for TTS — ikke generell tekstgenerering | Demo |
| 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 | Lavere resonneringsdybde enn større modeller | 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 |
| Qwen3.8-27B | Alibaba | Åpen vekt | Tett 27B-modell med innebygd bildeforståelse, 256K kontekst og Apache 2.0-lisens. Ca. 18 GB i 4-bits, kjører på én forbrukerGPU eller MacBook Pro. | Etterlevelsesvurdering kreves i regulerte miljøer | Ollama |
| Muse Glimmer 30B | Meta | Åpen vekt | Tett 30B multimodal modell (tekst og bilde) bygget for lokale agenter og verktøybruk; 128K kontekst, 100+ språk, Apache 2.0. Ca. 18 GB i 4-bits. | Ikke spesialtrenet på norsk; nyere modell med mindre erfaring i produksjon | Ollama |
| 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 |
| Qwen3Guard | Alibaba | Sikkerhet-spesialisert | Første sikkerhetsmodell i Qwen-familien. Klassifiserer risikonivå for prompts og svar. Flerspråklig. | Spesialisert — ikke for generell tekstgenerering | Download |
| Qwen-MT | Alibaba | Oversettelse-spesialisert | Oversettelsesmodell basert på Qwen3. 92 språk, dekker 95 % av verdens befolkning. Forsterkningslæring for nøyaktighet. | Spesialisert for oversettelse; API-basert | API-tilgang |
| Qwen-AgentWorld-35B-A3B | Alibaba | Åpen vekt agentisk | Spesialisert for agentisk koding og autonom oppgavegjennomføring. MoE (35B/3B aktive). | Spesialisert for agentisk bruk | Download |
| DeepSeek Janus-Pro-7B | DeepSeek | Åpen multimodal | Multimodal forståelse og generering i én modell. Både bilde-til-tekst og tekst-til-bilde. | 7B kan være begrenset for komplekse oppgaver | Download |
| DeepSeek V4-Pro-DSpark | DeepSeek | Åpen/tilgjengelig flaggskip | Nyeste og største — 889B parametere. Forbedret fra V4-Pro med enda sterkere resonnering og agentkapasitet. | Krever massiv infrastruktur; compliance-gjennomgang i bedrift | Download |
| DeepSeek V4-Flash-DSpark | DeepSeek | Åpen/tilgjengelig effektiv | 165B parametere. Raskere inferens med god kvalitet. | Styringsgjennomgang i bedrift | Download |
| DeepSeek V4 | DeepSeek | Åpen/tilgjengelig (preview) | Verdensklasse resonnering og betydelig forbedret agent-kapabilitet. MoE-arkitektur, sterk på koding og matte. Tilgjengelig via web, app og API. | Kinesisk opprinnelse krever compliance-gjennomgang i regulerte bedriftsmiljøer. Preview-status. | 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 |
| Kimi K3 | Moonshot AI | Åpen vekt MoE flaggskip | Verdens første åpne 3T-klasse modell. 2,8T totale / 104B aktive (MoE). 1M kontekst. Multimodal (tekst, bilde). GPQA Diamond: 93,5. Sterk agentisk koding. | Egen lisens; krever massiv infrastruktur; compliance-gjennomgang i bedrift | Download |
| GLM-5.3 | Z.ai | Åpen vekt MoE | 753B MoE. State-of-the-art på koding og cybersikkerhet blant åpne modeller. 50 % forbedring over GLM-5.2. 1M kontekst. | Egen lisens; compliance-gjennomgang i bedrift; kinesisk opprinnelse | Download |
| GLM-5.3-Flash | Z.ai | Åpen vekt MoE effektiv | 321B MoE. Raskere inferens enn GLM-5.3 med god kvalitet. Effektiv for koding og generelle oppgaver. | Egen lisens; compliance-gjennomgang i bedrift | 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 |
| Fara-1.5 27B | Microsoft | Åpen multimodal | Nyeste Microsoft-modell. Visjon-språk med 27B parametere. Erstatter Phi-serien. | Ny serie med begrenset produksjonserfaring | Download · 9B · 4B |
| Fara 7B | Microsoft | Åpen multimodal | Kompakt visjon-språkmodell med 8B parametere for effektive multimodale oppgaver. | Begrenset på komplekse oppgaver sammenlignet med større modeller | 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 |
| nb-gpt-gemma4 e4b | NbAiLab | Norsk åpen | Nyeste norske modellserie basert på Gemma 4 med instruksjons- og SFT-varianter. Aktiv utvikling. | Under kontinuerlig utvikling, sjekk siste versjon | Download |
| NorMistral-11B-thinking | NORA.LLM | Norsk åpen | Reasoning-variant med styrket resonnering for norsk. GGUF-distribusjon for lokal kjøring. | Trenger god GPU for full ytelse | Download |
| NorMistral-7B-warm | NORA.LLM | Norsk åpen | Praktisk norsk modell for produksjon og eksperimentering. Trent på store norske korpus. | Mindre enn 11B-varianten | Download |
| TranslateGemma 4B | NbAiLab | Norsk oversettelse | Spesialisert oversettelsesmodell for bokmål ↔ nynorsk. Kan kjøres på forbrukerhardware. | Kun oversettelse, ikke generell chat | Download |
| NB-Llama-3.2 3B | NbAiLab | Norsk åpen liten | Optimalisert for norsk i kompakt format. God for chatbot og klassifisering. | Begrenset generell resonnering vs større modeller | Download |
| Viking 33B | AI Sweden | Nordisk åpen | Flerspråklig nordisk modell med sterk norsk, svensk, dansk og finsk støtte. | Nordisk fokus, kan mangle bredde på andre språk | Download |
| Borealis (270M–27B) | NbAiLab | Gemma | Komplett norsk modellfamilie bygget på Gemma 3. Multimodal fra 4B+. GGUF, MLX, safetensors. | Instruksjons-preview, åpne base-modeller tilgjengelig | Download |
| NB-Whisper (39M–1.5B) | NbAiLab | CC BY 4.0 | Norsk talegjenkjenning trent på 20 000 timer tale fra NRK, Stortinget og Nasjonalbiblioteket. | Beta. Tiny til Large. Støtter bokmål, nynorsk og engelsk. | Download |
| hviske-v5-tiny (263M) | syv.ai | CC BY-NC 4.0 | Dansk ASR distillert fra 2.1B ensemble. 320× sanntid, kjører i nettleser via WebGPU. | Slår større modeller på FTSpeech. Også v5.3 (2B) tilgjengelig. | 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: 13. oktober 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.
Følg norske modellinitiativer for oppdateringer som påvirker språkdekning og lokal etterlevelse.