Tekstgenerering (LLM)
- Borealis 2 26B-A4B (Gemma 4, MoE)
- Borealis-familien 270M–27B (Gemma 3)
- nb-gpt-gemma4 26B (Gemma 4, tett)
- NB-Llama-3.2 (1B og 3B)
Norske språkmodeller
Norge har et aktivt miljø for åpne språkmodeller — fra Nasjonalbibliotekets Borealis-serie (270M–27B) og Borealis 2 (26B MoE) til NorwAI fra NTNU, NORA.LLM-initiativet og nordisk talegjenkjenning med NB-Whisper og hviske. NbAiLab (Nasjonalbiblioteket AI Lab) leder utviklingen med over 248 modeller publisert på Hugging Face, inkludert tekstgenerering, talegjenkjenning, talesyntese, oversettelse og samisk språkteknologi. Sist oppdatert: 8. oktober 2026.
📢 Nytt august 2026
- Borealis 2 26B-A4B (NbAiLab) — ny Mixture of Experts-modell med 26B totale parametere og kun 4B aktive under inferens. Basert på Gemma 4, trent videre på Aurora 2604-datasettet (47 mrd. ord). Multimodal (bilde + tekst), norsk-sentrisk assistent for skriving, oppsummering, Q&A og resonnering. Preview-versjon.
- Borealis-familien (NbAiLab) — komplett modellserie fra 270M til 27B basert på Gemma 3. Multimodal (bilde + tekst) fra 4B og opp. Tilgjengelig i GGUF, MLX og safetensors. Instruksjons-varianter og åpne base-modeller.
- nb-gpt-gemma4-26B (NbAiLab) — ny 26B multimodal modell basert på Gemma 4 med Aurora SFT-trening. Aktiv utvikling med hyppige oppdateringer.
- hviske-v5-tiny (syv.ai) — 263M dansk ASR-modell distillert fra 2.1B ensemble. 320× sanntid på GPU, slår større modeller på FTSpeech. Kjører i nettleser via WebGPU.
- hviske-v5.3 (syv.ai) — 2B dansk talegjenkjenning med 425× sanntid. Laveste CER på dansk, slår Whisper large-v3 og kommersielle løsninger.
- NB-Whisper (NbAiLab) — norsk talegjenkjenning i fem størrelser (39M–2B), trent på 20 000 timer norsk tale fra NRK, Stortinget og Nasjonalbiblioteket.
- NorMistral-11B-thinking (NORA.LLM) — ny reasoning-variant med GGUF-distribusjon for lokal kjøring med styrket resonnering.
- TranslateGemma 4B (NbAiLab) — spesialisert oversettelsesmodell for bokmål ↔ nynorsk.
- NB-Llama-3.2 (1B og 3B) fra NbAiLab — optimalisert for bokmål, nynorsk og nordiske språk.
- Viking (AI Sweden + nordisk samarbeid) — flerspråklig nordisk modellserie med sterk norsk støtte, flere størrelser tilgjengelig.
Nasjonalbiblioteket AI Lab (NbAiLab) — Norges sentrale aktør for norsk språkteknologi
NbAiLab (Nasjonalbiblioteket AI Lab) er Norges nasjonale forskningslaboratorium for språkteknologi og kunstig intelligens. Laben er en del av Nasjonalbiblioteket og har rundt 40 medarbeidere som arbeider med å utvikle åpne norske språkmodeller, talegjenkjenning, talesyntese, datasett og verktøy for norsk språk.
Siden oppstarten har NbAiLab publisert over 248 modeller og 40 datasett på Hugging Face, og driver 18 demoapplikasjoner. Laboratoriet er organisert under Nasjonalbibliotekets digitaliseringsavdeling og samarbeider tett med norske universiteter, NORA.LLM-nettverket, nordiske partnere og europeiske initiativ som EuroHPC og HPLT.
Misjon og mandat
NbAiLabs kjerneoppgave er å sikre at det finnes åpne, høykvalitets språkmodeller for norsk — bokmål, nynorsk og samiske språk. Laboratoriet arbeider ut fra prinsippet om at norsk språkteknologi er digital infrastruktur på linje med veier og jernbane, og at tilgang til egne språkmodeller er et spørsmål om digital suverenitet.
I praksis betyr dette at NbAiLab:
- Utvikler og publiserer åpne språkmodeller i alle størrelser — fra 270M til 27B parametere
- Bygger og vedlikeholder store norske treningsdatasett (Aurora-korpuset)
- Tilbyr talegjenkjenning (NB-Whisper) og talesyntese (VoxCPM2) for norsk
- Driver forskning på samisk språkteknologi med ASR og TTS
- Samarbeider med presseorganisasjoner gjennom Kopinor-avtalen for lovlig tilgang til treningsdata
- Publiserer alt åpent på Hugging Face under permissive lisenser
- Signerer modellutgivelser kryptografisk for autentisering
Kontakt: ailab@nb.no | GitHub: github.com/NbAiLab | Nettside: ai.nb.no
Borealis 2 — neste generasjon norsk språkmodell (august 2026)
Borealis 2 26B-A4B er den nyeste og mest avanserte norske språkmodellen fra NbAiLab, lansert 21. august 2026. Den representerer et generasjonsskifte fra Borealis 1-serien ved å bruke Mixture of Experts (MoE)-arkitektur fra Google Gemma 4.
Teknisk arkitektur
| Totale parametere | 26 milliarder (26B) |
| Aktive parametere | 4 milliarder (4B) per forward pass |
| Arkitektur | Mixture of Experts (MoE) basert på Gemma 4 |
| Basemodell | google/gemma-4-26B-A4B-it (instruksjonstrent) |
| Modalitet | Multimodal — bilde + tekst (Image-Text-to-Text) |
| Tensortype | BF16 |
| Format | Safetensors + GGUF-kvantiseringer tilgjengelig |
| Chat-mal | Gemma 4 chat template (inkludert) |
| Lisens | NB-lisens 1.0 (Apache 2.0 med bruksrestriksjoner) |
| Status | Preview — tidlig evaluering |
Hva betyr Mixture of Experts (MoE)?
I en tradisjonell «tett» modell brukes alle parametere for hvert eneste token. I en MoE-modell er parameterne fordelt på flere «eksperter», og en rutingsmekanisme velger hvilke eksperter som aktiveres for hvert token. For Borealis 2 betyr dette:
- 26B totalt — modellen har kapasiteten til en 26B-modell i form av lagret kunnskap
- 4B aktive — kun 4 milliarder parametere brukes per inferens-steg
- Raskere inferens — sammenlignbar hastighet med en 4B-modell, men med kvaliteten til en langt større
- Lavere GPU-krav — kan kjøres på maskinvare som normalt ville vært for svak for en full 26B-modell
Dette gjør Borealis 2 til en praktisk modell for norske bedrifter og forskere som trenger høy kvalitet uten kostbar infrastruktur.
Treningsprosessen
Borealis 2 er trent i tre steg:
- Basemodell: Starter fra Google Gemma 4 26B-A4B-it (instruksjonstrent versjon)
- Videretrening (continued pre-training): Trent videre på Aurora 2604-datasettet med 47 milliarder ord
- Instruksjonstuning (SFT): To epoker på NbAiLab/aurora-sft-2606, der tap kun beregnes på assistentens svar (bruker- og system-tokens er maskert)
Bruksområder for Borealis 2
- Norsk-sentriske assistentoppgaver: utkast, redigering, forbedring av tekst
- Oppsummering av norske dokumenter
- Spørsmål og svar (Q&A) på norsk
- Lett resonnering og analyse
- Vurdering av norsk skrivestil og språkkvalitet
- Multimodal: bildeanalyse kombinert med norsk tekst
- Forskning på norsk språkteknologi
Kjøring og distribusjon
Borealis 2 kan kjøres med Transformers, vLLM, SGLang og Docker Model Runner. GGUF-kvantiseringer (5 varianter) gjør det mulig å bruke modellen i llama.cpp, LM Studio, Jan og Ollama for lokal kjøring.
Aurora-datasettet — Norges største treningskorpus for språkmodeller
Aurora 2604 er det store treningsdatasettet som driver Borealis-modellene. Datasettet ble ferdigstilt i april 2026 og inneholder 47 milliarder ord (whitespace-separert) med en kunnskapsgrense satt til 1. januar 2025.
Språkfordeling i Aurora 2604
| Språk | Ord | Andel |
|---|---|---|
| Norsk bokmål | 24,3 mrd. | 51 % |
| Norsk nynorsk | 11,1 mrd. | 23 % |
| Dansk | 4,6 mrd. | 10 % |
| Svensk | 2,5 mrd. | 5 % |
| Engelsk | 2,4 mrd. | 5 % |
| Færøysk | 1,5 mrd. | 3 % |
| Islandsk | 618 mill. | 1,3 % |
| Nordsamisk | 137 mill. | 0,3 % |
Datasettet inkluderer også finsk, lulesamisk, sørsamisk og norrønt. Totalt før oppsampling var korpuset 35,9 milliarder ord — omtrent 11,7 milliarder ord ble lagt til gjennom oppsampling av underrepresenterte språk.
Datakilder
| Kilde | Ord |
|---|---|
| HPLT 3.0 (nettcrawl) | 15,0 mrd. |
| FineWeb-2 (kuratert nett) | 14,6 mrd. |
| NB-newspapers-MBL (norske aviser via Kopinor) | 6,4 mrd. |
| FinePDFs (akademiske dokumenter) | 5,9 mrd. |
| Maalfrid-crawl (offentlige nettsider) | 995 mill. |
| Swallow Code v2 (kode) | 848 mill. |
| NB-books-OCR (digitaliserte bøker) | 817 mill. |
| MegaMath (matematikk) | 795 mill. |
| FineWeb-2 HQ (høykvalitetsutvalg) | 440 mill. |
| FineWiki (Wikipedia) | 425 mill. |
Aurora kombinerer altså offentlig tilgjengelige nettkilder, Nasjonalbibliotekets egne digitaliserte samlinger (bøker, aviser), akademisk materiale, kode og strukturerte kunnskapskilder — alt kuratert og kvalitetssikret for norsk språkmodelltrening.
Kopinor-avtalen — lovlig tilgang til norsk pressemateriale
Et unikt aspekt ved norske språkmodeller er Kopinor-avtalen. Den norske staten, gjennom Nasjonalbiblioteket, har inngått en avtale med Kopinor på vegne av Mediebedriftenes Landsforening (MBL) som gir lovlig tilgang til opphavsrettsbeskyttet pressemateriale for trening, utvikling, vedlikehold og offentlig utgivelse av norske språkmodeller.
Avtalen dekker publikasjoner opp til ett år før modellpublisering — for Borealis 2 betyr det materiale publisert før januar 2025. Dette er unikt i verdenssammenheng og gir norske modeller lovlig tilgang til høykvalitets norsk journalistikk som treningsdata.
Foreløpig er bare et begrenset utvalg brukt — primært for å lære modellen å generere avisoverskrifter og ingresser. NbAiLab planlegger å utvide bruken med full videretrening på avismateriale i fremtidige utgivelser.
Bruksrestriksjoner under NB-lisens 1.0
- Du kan ikke bruke modellen til å gjenskape treningsdataene
- Du kan ikke bruke outputs til tjenester der hovedformålet er å gi tilgang til lisensierte pressepublikasjoner
- All annen bruk — forskning, produktutvikling, kommersielle tjenester — er tillatt
Borealis 1 — den komplette modellserien (Gemma 3)
Den første generasjonen Borealis er basert på Google Gemma 3-arkitekturen og utgjør en komplett serie fra svært små til fullskala modeller. Serien finnes i to varianter: full release (med Kopinor-data) og open (uten opphavsrettsbeskyttet materiale).
Alle størrelser i Borealis-familien
| Modell | Parametere | Modalitet | Bruksområde |
|---|---|---|---|
| Borealis-270M | 270 mill. | Tekst | Edge-enheter, CPU, rask prototyping |
| Borealis-1B | 1 mrd. | Tekst | Bærbare maskiner, enkle oppgaver |
| Borealis-4B | 4 mrd. | Multimodal | Chatbot, bildeanalyse, klassifisering |
| Borealis-12B | 12 mrd. | Multimodal | Balansert assistent, analyse, innholdsskriving |
| Borealis-27B | 27 mrd. | Multimodal | Fullskala assistent, resonnering, skrivestilvurdering |
Prompt baking — innovativ sikkerhetsmetode
Borealis 27B bruker en unik tilnærming til sikkerhetsjustering kalt
prompt baking (via verktøyet bakery).
Metoden fungerer slik:
- En LoRA-adapter trenes til å minimere KL-divergens mellom modellen med sikkerhetsprompt og modellen med LoRA men uten prompt
- Effekten av sikkerhetsprompten «bakes» inn i modellvektene
- Adapteren merges med en skaleringsfaktor på 0,25 — optimal balanse mellom sikkerhet og nytte
Resultatet er en modell som oppfører seg tryggere uten å trenge en eksplisitt system-prompt for sikkerhet — atferden er integrert i vektene.
Tilgjengelighet og formater
- GGUF — for llama.cpp, Ollama, LM Studio, Jan (lokal kjøring)
- MLX — optimalisert for Apple Silicon (M1/M2/M3/M4)
- MLX 8-bit — kvantisert for enda lavere minnebruk på Mac
- Safetensors — standard Hugging Face-format for Transformers
- vLLM og SGLang — for produksjonsservering med høy gjennomstrømning
Norsk talesyntese — VoxCPM2 fra NbAiLab
I tillegg til tekstmodeller og talegjenkjenning utvikler NbAiLab også norsk talesyntese (Text-to-Speech, TTS). Flaggskipmodellen er VoxCPM2 — en 2B-parameter TTS-modell med norske stemmer.
- 2 milliarder parametere (fullstendig fintrent checkpoint)
- Norske mannlige og kvinnelige stemmer
- Trent på lydklipp mellom 3 og 30 sekunder
- Del av NB-TTS-samlingen med 20 modeller og varianter
- Live demo tilgjengelig: «Norske stemmer · VoxCPM2» på Hugging Face Spaces
Norsk TTS er viktig for tilgjengelighet (universell utforming), lydbokproduksjon, kundeservice-automatisering og navigasjonssystemer som trenger naturlig norsk tale.
Samisk språkteknologi — NbAiLabs arbeid med urfolksspråk
NbAiLab har et dedikert prosjekt for samisk språkteknologi som dekker både talegjenkjenning (ASR) og talesyntese (TTS) for nordsamisk og lulesamisk. Med 137 millioner ord nordsamisk i Aurora-datasettet får også tekstmodellene en viss samisk kompetanse.
Samiske ASR-modeller (talegjenkjenning)
- nb-sami-asr-north-parakeet — nordsamisk ASR basert på NVIDIA NeMo Parakeet
- nb-sami-asr-north-nemotron — nordsamisk med Nemotron 3.5-arkitektur
- nb-sami-asr-nemotron-3.5-streaming — sanntids samisk talegjenkjenning
- salmon-whisper — Whisper fintrent for lulesamisk
Samisk TTS (talesyntese)
- salmon-f5-tts-north-sami — F5-TTS for nordsamisk tale
- Live demo: «North Sami Realtime ASR» og «F5 TTS North Sámi» på Hugging Face Spaces
Samisk språkteknologi er kritisk for bevaring og revitalisering av urfolksspråk i Norge. NbAiLabs arbeid gjør det mulig å bygge samiske digitale verktøy — fra diktering og underteksting til talebaserte grensesnitt og utdanningsressurser.
Komplett oversikt over NbAiLabs modeller og prosjekter
NbAiLab har publisert over 248 modeller. Her er de viktigste kategoriene:
Talegjenkjenning (ASR)
- NB-Whisper (norsk, 39M–1.5B)
- Samisk ASR (Parakeet, Nemotron)
- Streaming ASR (sanntid)
Talesyntese (TTS)
- VoxCPM2 (norsk, 2B)
- salmon-f5-tts (nordsamisk)
- NB-TTS-samlingen (20 varianter)
Oversettelse og NLU
- TranslateGemma 4B (bokmål ↔ nynorsk)
- NB-BERT (norsk tekstforståelse)
- RoBERTa NCC (fill-mask)
Viktige datasett fra NbAiLab
- Aurora 2604 — 47 mrd. ord, hovedkorpus for Borealis-trening
- aurora-sft-2606 — instruksjonsdatasett for SFT-trening
- NorNE — norsk Named Entity Recognition-datasett
- maalfrid_parallel — parallellkorpus for offentlig norsk tekst
- Norwegian Colossal Corpus (NCC) — tidlig storskala norsk korpus
- nb-asr-eval — evalueringsdatasett for norsk talegjenkjenning
- bifrost-translation-source-classifier — 2,16 mill. eksempler for oversettelsesklassifisering
Eksisterende norske modeller
Borealis 2 26B-A4B (NbAiLab)
Neste generasjon i Borealis-familien — en Mixture of Experts-modell med 26B totale parametere, men kun 4B aktive under inferens. Bygget på Gemma 4-arkitekturen med videretrening på Aurora 2604-datasettet (47 milliarder ord, kunnskapsgrense januar 2025) og SFT på aurora-sft-2606.
- 26B total / 4B aktive parametere (MoE-arkitektur)
- Multimodal: bilde + tekst (Image-Text-to-Text)
- Norsk-sentrisk: bokmål, nynorsk, dansk, svensk, engelsk og samisk
- Assistentoppgaver: skriving, oppsummering, Q&A, resonnering
- Vurdering av norsk skrivestil og kvalitet
- Preview-versjon — ikke fullstendig safety-alignet
- NB-lisens 1.0 (basert på Apache 2.0 med bruksrestriksjoner)
nb-gpt-gemma4 (NbAiLab)
NbAiLabs nyeste modellserie bygget på Gemma 4-arkitekturen. Inkluderer 26B multimodal instruksjonsmodell med Aurora SFT-trening, samt mindre varianter (e4b, e2b) med hyppige oppdateringer gjennom 2026.
- 26B multimodal (Image-Text-to-Text) som flaggskip
- Basert på Google Gemma 4 med norsk fintilpasning
- Instruksjonsvariant med Aurora SFT-trening
- Flere størrelser for ulike bruksscenarier
- Aktiv utvikling — nye versjoner regelmessig
Lynx Instruct 30B (Bineric)
Nordisk/europeisk modell fra Bineric, en finjustering av Qwen3-30B-A3B-Instruct (Mixture of Experts) med ekstra data for norsk, svensk, dansk og islandsk. Utgitt mars 2026.
- 30,5B total / ca. 3B aktive parametere (MoE)
- Kontekstvindu på 262K tokens
- Norsk (bokmål og nynorsk), svensk, dansk og islandsk, pluss 100+ språk via Qwen3-basen
- Oppgitt norsk totalscore på 71 % i produsentens egne benchmarks (dansk 79 %, svensk 77 %). Svakest på grammatikkvurdering (språklig akseptabilitet)
- 4-bit ca. 16 GB, 8-bit ca. 30 GB, bfloat16 ca. 60 GB
- Apache 2.0 — fri til kommersiell bruk
Bineric oppgir at de også tilbyr Borealis 2 som driftet tjeneste via NorskGPT Chat, Bineric Chat og en API-gateway på nordisk infrastruktur. Dette er Binerics egen opplysning og er ikke uavhengig verifisert. Det kan være et alternativ hvis du ikke kan kjøre en 26B-modell selv.
Binerics eldre NorskGPT-modeller (Mistral 7B, Llama 3 8B, 2024) er lite brukt og ikke oppdatert siden mai 2024.
TranslateGemma 4B (NbAiLab)
Spesialisert oversettelsesmodell for bokmål ↔ nynorsk, bygget på Gemma-arkitekturen. Optimalisert for høykvalitets norsk oversettelse mellom målformene.
- 4B-størrelse — kan kjøres på forbrukerhardware
- Spesialtrent for norsk målformkonvertering
- Nyttig for offentlig sektor, media og utdanning
- Åpen modell fra NbAiLab
Borealis-familien (NbAiLab)
Nasjonalbiblioteket (NbAiLab) har lansert Borealis som en komplett serie åpne språkmodeller bygget på Gemma 3-arkitekturen. Familien spenner fra 270M til 27B parametere, med multimodal støtte (bilde + tekst) fra 4B og opp.
- 270M og 1B — tekstgenerering, kjører på CPU og edge-enheter
- 4B og 12B — multimodal (Image-Text-to-Text), god balanse for norsk chatbot og analyse
- 27B — fullskala norsk assistent med oppsummering, Q&A, resonnering og vurdering av norsk skrivestil
- Instruksjons-varianter (instruct-preview) og åpne base-modeller (borealis-open)
- Tilgjengelig i GGUF (llama.cpp/Ollama), MLX (Apple Silicon) og safetensors
- Støtter bokmål, nynorsk og samiske språk
- Trent med Aurora SFT-datasett fra Nasjonalbibliotekets samlinger
- Gemma-lisens — egnet for forskning og mange produksjonsscenarier
NB-Llama-3.2 (NbAiLab)
Nye Llama 3.2-baserte modeller i 1B og 3B-størrelse, lansert april 2026. Optimalisert spesifikt for norsk tekst med bred nordisk språkdekning.
- 1B-varianten kjører på CPU og enkle edge-enheter
- 3B-varianten gir godt kompromiss for chatbot og klassifisering
- Sterk flerspråklig støtte på nordiske språk
- Bygget på Meta Llama 3.2-arkitekturen
NorMistral (NORA.LLM)
NorMistral er en serie norsk-tilpassede modeller i NORA.LLM-initiativet. Finnes i 7B-warm, 11B og 11B-thinking-varianter. Nytt i 2026: NorMistral-11B-thinking med styrket resonnering og GGUF-distribusjon.
- NorMistral-7B-warm: praktisk størrelse for produksjon og eksperimentering
- NorMistral-11B-long: utvidet kontekst for lengre dokumenter
- NorMistral-11B-thinking: reasoning-variant med GGUF for lokal kjøring
- Kontinuerlig trent på store norske tekstkorpus
- Åpne vekter via Hugging Face
NorwAI (NTNU)
NorwAI er et modellspor fra NTNU, tilgjengelig i Llama 2- og Mistral-arkitekturer. 7B og 45B-varianter er i produksjonsdrift for forskning og nordisk bedriftsbruk.
- 7B: god balanse for egenhosting på standard server-GPU
- 45B: høyere kapasitet for krevende norske oppgaver
- Rettet mot akademia og nordiske industrimiljøer
- Åpent tilgjengelig for forskning
Viking (AI Sweden / Nordisk samarbeid)
Viking er en flerspråklig nordisk modellserie utviklet av AI Sweden i samarbeid med nordiske partnere. Modellene har sterk norsk, svensk, dansk og finsk støtte med flere størrelser tilgjengelig.
- Flerspråklig nordisk modell med sterk norskstøtte
- Flere størrelser fra 7B til 33B
- Åpent tilgjengelig for forskning og kommersielt bruk
- Samarbeid mellom AI Sweden, WASP og nordiske aktører
Nordisk samarbeid og ScandEval
Norsk KI-utvikling skjer ikke i isolasjon. Skandinaviske samarbeidsmodeller som ScandEval-benchmarks, GPT-SW3 (AI Sweden) og nordiske tekstkorpus styrker hele regionen.
- ScandEval: delte evalueringsrammeverk for nordiske språk
- GPT-SW3: skandinavisk modellserie fra AI Sweden
- Felles datasett og korpus på tvers av landegrenser
- Norsk deltagelse i europeiske KI-initiativ (HPLT, OPUS, EuroHPC)
Nordisk talegjenkjenning (ASR)
Nordiske små modeller for tale-til-tekst har utviklet seg raskt. NB-Whisper dekker norsk — med Kviskr som lokalt dikteringsprogram for Mac og kviskr-tegnsetting-no for automatisk tegnsetting — mens hviske-serien fra syv.ai setter nye rekorder for dansk. Alle med varianter små nok for edge og nettleser.
NB-Whisper (NbAiLab)
Norsk talegjenkjenning bygget på OpenAI Whisper-arkitekturen, trent på 20 000 timer norsk tale fra NRK, Stortinget, lydbøker og Nasjonalbibliotekets samlinger.
- Tiny (39M) — kjører på CPU, egnet for edge og rask prototyping
- Base (73M) og Small (244M) — god balanse
- Medium (769M) — sterkere nøyaktighet
- Large (1.5B) — beste kvalitet for norsk transkribering
- Støtter bokmål, nynorsk og delvis engelsk
- Semantiske varianter med bedre tegnsetting og grammatikk
- CC BY 4.0-lisens — fri bruk også kommersielt
Kviskr (skolfus)
Dikteringsprogram for Mac som kjører NB-Whisper lokalt og skriver både bokmål og nynorsk. Ingen data forlater maskinen. Står på Nasjonalbibliotekets leverandørliste.
- Lokal transkribering — ingen skylagring eller sending av lyd
- Skriver bokmål og nynorsk
- Bruker NB-Whisper som motor under panseret
- Praktisk eksempel på NB-Whisper i produksjonsbruk
- Egnet for offentlig sektor og personvernsensitive miljøer
kviskr-tegnsetting-no (skolfus)
Åpen tegnsettingsmodell for norsk bokmål og nynorsk som legger til tegn og store bokstaver i rå ASR-tekst uten å endre et eneste ord. Kjører på enheten etter NB-Whisper i Kviskr-appen. Finjustert fra NorBERT3-xs (15M parametere) på 28,2 millioner ord fra Norwegian Colossal Corpus.
-
Token-klassifisering: forutsier tegnsetting
(7 klasser: none, «,», «.», «?», «!», «:», «;») og
store bokstaver (5 klasser: liten, Stor, STOR, SEGMENT som
TV-aksjonen, BOTH somNord-Norge) - Bare 18,8 MB som INT8 ONNX — erstatter den eldre XLM-R-baserte modellen på 275 MiB
- Bevarer teksten tegn-for-tegn: bygger opp resultatet fra de opprinnelige ordene og mellomrommene. Null brudd på ordbevaring i 3 833 testtekster.
- Store forbedringer (13. sep. 2026): NB-benchmark 58,2 → 63,7, spontan tale (Stortinget) 47,3 → 58,1, dikteringstekst 77,6 → 91,1, punktum-F1 88,5 → 96,1. WER-endring ≈ 0.
- Trent på 28,2M ord: Stortinget (13,8M), bøker (8,9M), Målfrid (3,9M) og Wikipedia (1,5M). Norske talekorpus ble unngått som fasit siden de mangler pålitelig tegnsetting (NPSC har 0 komma per 1 000 ord).
-
Begrensninger: kan ikke gjenopprette
interne store bokstaver (
iphone→Iphone), lett tendens til å sette for mange komma, og korte dikteringer på ett–to ord kan få feil sluttmerke (hei→Hei?). - Apache 2.0-lisens — fri kommersiell bruk
hviske-v5-tiny (syv.ai)
Dansk ASR-modell med bare 263M parametere,
distillert fra et 2.1B-ensemble. 8× mindre enn læreren, men slår
den på FTSpeech-benchmarket (7.15 WER). Ikke basert på Whisper —
bruker egen cohere_asr-arkitektur.
- 320× sanntid på RTX 3090, 87× på Apple M4 (MLX int4)
- Kjører i nettleser via WebGPU — ingen data sendes til server
- 13.84 WER gjennomsnitt på fem danske datasett
- Tilgjengelig i GGUF (160 MB q4_k), MLX og ONNX
- Svært relevant for norsk pga. språklikhet dansk–norsk
- CC BY-NC 4.0 (kommersiell bruk krever separat lisens)
hviske-v5.3 (syv.ai)
Flaggskipmodellen i hviske-serien — 2B parametere med Conformer encoder-decoder. Trent på CoRal v3-datasettet for dansk opplesning og samtale. Laveste CER på begge kategorier, slår Whisper large-v3 og kommersielle løsninger.
- 425× sanntid — 60 minutter tale på 8.5 sekunder (RTX 3090)
- 9.01% WER opplesning, 19.21% WER samtale (beam search)
- Slår OpenAI gpt-4o-transcribe og ElevenLabs på dansk
- vLLM-støtte med OpenAI-kompatibelt API-endepunkt
- CC BY-NC 4.0-lisens
Samisk ASR (NbAiLab)
NbAiLab utvikler også talegjenkjenning for nordsamisk og lulesamisk, basert på NVIDIA NeMo Parakeet og Nemotron-arkitekturer. Under aktiv utvikling 2026.
- nb-sami-asr-north-parakeet — nordsamisk modell
- nb-sami-asr-north-nemotron — streaming-variant
- salmon-whisper — Whisper fintrent for lulesamisk
- Viktig for bevaring av samisk språk og kultur
Kjøre norske modeller lokalt
Norske modeller kjører godt på kraftige forbrukermaskiner: RTX 3090 og nyere, og nyere MacBook Pro med mye samlet minne. Minnestørrelsene under gjelder 4-bits kvantisering og er omtrentlige.
| Maskin | Anbefalt norsk modell |
|---|---|
| RTX 4080 / 5080 (16 GB) | Borealis-12B eller NorMistral-11B |
| RTX 3090 / 4090 (24 GB) | Borealis 2 26B-A4B, Borealis-27B eller Lynx Instruct 30B (4-bit) |
| RTX 5090 (32 GB) | Borealis-27B eller Borealis 2 i høyere kvantisering |
| MacBook Pro (36 GB+) | Borealis 2 26B-A4B eller Borealis-27B (MLX), høyere kvantisering med 48 GB+ |
Detaljer, kommandoer og internasjonale alternativer (Qwen3.8, Gemma 4, Muse Glimmer) finner du på gaming-PC-siden og MacBook-siden.
Hva er på vei
Borealis neste generasjon
Med Borealis-familien allerede lansert i 270M–27B størrelser, arbeider NbAiLab videre med forbedret instruksjonstuning, bedre multimodal støtte og bredere dekningsgrad av norsk dialekt og samisk.
- Fra preview til fullversjon med safety-alignment
- Forbedret multimodal (bilde + tekst) for alle størrelser
- Utvidet samisk språkdekning og dialektstøtte
- Potensielt Gemma 4-baserte Borealis-varianter
Fintrening og domenespesialisering
Det norske fagmiljøet jobber med fintrente varianter for helse, jus og offentlig forvaltning — der fagspråk og nøyaktighet er kritisk.
- Norsk medisinsk NLP (Helse Sør-Øst og NTNU)
- Juridisk norsk fra lovdata og domstolssystemet
- Offentlig forvaltningsspråk (NAV, Skatteetaten)
Infrastruktur og compute
Tilgang på norsk og nordisk beregningsinfrastruktur er en forutsetning for å trene og drifte konkurransedyktige modeller i Europa.
- LUMI-supercomputeren (Finland) brukes av norske forskningsmiljøer
- Sigma2/NRIS gir norske akademikere tilgang til GPU-ressurser
- Europeisk EuroHPC-initiativ styrker nordisk kapasitet
Digital suverenitet som drivkraft
Offentlig sektor og regulerte bransjer etterspør modeller som kan driftes innenfor norsk/europeisk jurisdiksjon. Dette driver investeringer i norske og nordiske modellspor fremover.
- GDPR og personvernkrav favoriserer lokal drift
- Offentlige anskaffelsesregler presser mot åpne modeller
- Helsesektoren trenger suverene løsninger for pasientdata
Hvorfor små modeller er viktige
- De presterer ofte svært godt på avgrensede språkoppgaver med skreddersydde data — hviske-v5-tiny (263M) slår sin 2.1B-lærer på dansk tale.
- De gir bedre kontroll over dataflyt, jurisdiksjon og personvernkrav.
- De har lavere kostnad, lavere latens og kan kjøre på enklere maskinvare — NB-Whisper Tiny (39M) kjører på ren CPU.
- De kan kjøre i nettleser via WebGPU/ONNX uten å sende data til server.
- De fungerer godt som komponenter i større KI-systemer sammen med større modeller.
- Borealis 270M og 1B gir norsk tekstgenerering på edge-enheter og bærbare maskiner uten GPU.
Strukturerte språkoppgaver
Små modeller er godt egnet for klassifisering, NER for norske navn, sentimentanalyse, oppsummering og uttrekk av nøkkelinformasjon.
De er også nyttige for oversettelse mellom bokmål og nynorsk, og på sikt mellom norske og samiske språkressurser.
Domenespesifikke fagsystemer
Fintrente modeller kan bli svært presise innen jus, helse, offentlig forvaltning, finans og teknisk dokumentasjon.
Når språkmodellen trenes på relevant fagspråk, øker treffsikkerhet og nytte i daglige arbeidsprosesser.
Digital suverenitet og personvern
Lokal drift gjør det mulig å behandle sensitive data uten å sende informasjon til utenlandske skytjenester.
Dette er særlig relevant for helsesektor, rettsvesen, forsvar, offentlig sektor og kritisk infrastruktur.
Kostnad og volum
Små modeller har lavere driftskostnad og responstid, noe som gjør dem egnet for høyvolumoppgaver som tagging, metadata-generering og batch-prosessering av store tekstsamlinger.
De passer også godt i chatboter, kundeservice og produkter der eksterne API-kall blir for dyrt eller for tregt.
Rolle i større KI-arkitektur
RAG-pipelines
Spørsmålsomskriving, reranking og svarvalidering på norsk før endelig respons sendes til brukeren.
Tale-til-tekst
NB-Whisper og hviske gir lokal transkribering av norsk/dansk tale som input til videre prosessering i KI-systemer.
Agentflyt
Ruting av forespørsler, verktøyvalg og enkel resonnering i flertrinns systemer med krav om rask respons.
Kvalitet på norsk
Kontroll av språkføring, klart språk og målform for bokmål og nynorsk i generert tekst.
Kulturarv, forskning og utdanning
- Forbedret søk og gjenfinning i digitaliserte samlinger hos kulturinstitusjoner.
- OCR-etterbehandling, transkribering og automatisk metadata for store historiske tekstkorpus.
- Åpne modeller gir forskere og studenter mulighet til å eksperimentere, inspisere og reprodusere resultater.
- Språkforskning styrkes gjennom tilgang til modeller for dialekter, språkstruktur og språkutvikling over tid.
Edge-distribusjon og bærekraft
De minste modellvariantene kan kjøres lokalt på bærbare maskiner, arbeidsstasjoner og enkelte mobile enheter. Dette gjør løsningene mer robuste i felt, ved ustabil nettilgang eller i isolerte miljøer.
Samtidig gir små modeller betydelig lavere energiforbruk per forespørsel enn svært store modeller, og kan derfor være et mer bærekraftig valg når oppgaven ikke krever en generell frontier-modell.
Oppsummering
Borealis og andre små, spesialiserte norske språkmodeller er ikke en erstatning for alle store modeller. De fyller en komplementær rolle: skreddersydd språkstøtte, lokal kontroll, lavere kostnad og raskere drift i mange praktiske anvendelser.