Meta fremstiller sig som fortaler for en mere åben og decentral AI udvikling, mens Mark Zuckerberg kritiserer førende AI laboratorier for at samle for meget magt. Interne prognoser peger på, at Metas årlige forbrug af Anthropics AI teknologier kan nå op mod 10 milliarder dollar, især drevet af Claude Code.
Research answer

Create a landscape editorial hero image for this Studio Global article: How has Meta become both a public philosophical rival and a deeply dependent financial partner of Anthropic in 2026, including its projected. Article summary: Meta’s 2026 relationship with Anthropic is a strategic paradox: it publicly champions a more open, decentralized AI future against the concentrated power of frontier labs, yet its engineers rely heavily on Anthropic’s Cl. Topic tags: general web, openai, ai, workflow, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with
Meta og Anthropic befinder sig i et usædvanligt forhold: De er offentlige rivaler på idéplanet, men samtidig tæt forbundne som kunde, leverandør og mulig forretningspartner.
Meta siger, at AI bør gøres bredt tilgængelig og ikke kontrolleres af en lille gruppe førende laboratorier. Alligevel er Metas egne medarbejdere blevet så afhængige af Anthropics Claude – især programmeringsværktøjet Claude Code – at virksomheden internt har vurderet, at de årlige udgifter kan nå op mod 10 milliarder dollar.
Mark Zuckerberg har kritiseret førende AI-laboratorier for at forsøge at samle magt og samtidig tegne et meget dystert billede af fremtiden. Uden at nævne Anthropic direkte blev udtalelserne bredt fortolket som en kritik af selskabet og andre sikkerhedsfokuserede AI-laboratorier. Zuckerberg har i stedet argumenteret for, at AI-kapacitet bør spredes bredt – blandt andet gennem modeller med åbne vægte.
Det gør Metas praktiske forhold til Anthropic særligt ironisk. Den virksomhed, Meta advarer imod som mulig koncentration af AI-magt, leverer samtidig værktøjer, som Metas egne udviklere bruger i stor skala.
Claude Code blev ifølge rapporteringen så udbredt internt hos Meta, at tokenforbruget – altså mængden af tekst og kode, som AI-modellen behandler – kunne udløse milliardregninger. Derfor indførte Meta begrænsninger på brugen af eksterne kodeværktøjer.
Begrænsningerne handler ikke kun om omkostninger. Meta frygter også, at output fra Anthropics og OpenAIs modeller kan ende i virksomhedens egne træningsdata, evalueringssystemer eller kodearbejde. Det kan skabe risiko for såkaldt model distillation: at en konkurrerende models evner indirekte overføres til Metas egne modeller.
Som modtræk udvikler Meta sin egen kodeassistent, MetaCode. Målet er at flytte mere rutinepræget udviklingsarbejde væk fra eksterne leverandører, sænke regningen pr. token og reducere risikoen for leverandørbinding.
Det betyder ikke nødvendigvis, at Meta mener, Claude er værdiløs. Tværtimod viser den høje interne brug, at værktøjet har haft funktioner, medarbejderne fandt værdifulde. MetaCode er snarere et forsøg på at gøre afhængigheden strategisk håndterbar – især når leverandøren samtidig er en ideologisk og kommerciel konkurrent.
Anthropic, selskabet bag Claude, havde ifølge Reuters en annualiseret omsætningsrate på over 65 milliarder dollar ved udgangen af juli 2026. Tallet er en fremskrivning af den aktuelle omsætningstakt til et helt år og må ikke forveksles med bogført helårsomsætning. Omsætningsraten var steget fra 47 milliarder dollar i maj og omkring 9 milliarder dollar ved udgangen af 2025. 2
Den hurtige vækst gør Claude mere strategisk vigtigt for store kunder som Meta. Den gør også Metas afhængighed dyrere, fordi Anthropic får en stærkere position til at sælge adgang til sine modeller. Samtidig blev en mulig børsnotering senere i 2026 omtalt som en mulighed. 2
Forholdet går dog ikke kun den ene vej. Meta og Anthropic har haft indledende drøftelser om, at Anthropic kan leje datacenterkapacitet fra Meta i en aftale til en værdi af op mod 10 milliarder dollar over to år. Betalingerne skulle ifølge rapporteringen ske månedligt, men der var tale om forhandlinger – ikke en afsluttet aftale. 3
For Meta kan en sådan aftale gøre de enorme investeringer i AI-infrastruktur til en ny indtægtskilde. Virksomheden har traditionelt tjent langt størstedelen af sine penge på annoncer, men forsøger nu også at udnytte sin datacenterkapacitet som en slags cloud-forretning.
Meta hævede i juli sin prognose for kapitaludgifterne i 2026 til 130–145 milliarder dollar, primært på grund af investeringer i AI-infrastruktur. Hvis noget af denne kapacitet kan sælges til andre AI-virksomheder, kan det forbedre økonomien i det massive udbyggeri – også selv om kunden er en virksomhed, Meta samtidig konkurrerer med.
Modsætningen er derfor ikke tilfældig, men indbygget i AI-økonomien:
Forholdet ligner derfor mere coopetition – samarbejde og konkurrence på samme tid – end en traditionel alliance. Meta og Anthropic kan samtidig være leverandør, kunde, konkurrent og mulig finansiel modpart for hinanden. Meta forsøger med andre ord at finansiere og drage fordel af væksten i et selskab, som virksomheden offentligt advarer imod som mulig samler af AI-magt.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Meta fremstiller sig som fortaler for en mere åben og decentral AI udvikling, mens Mark Zuckerberg kritiserer førende AI laboratorier for at samle for meget magt.
Meta fremstiller sig som fortaler for en mere åben og decentral AI udvikling, mens Mark Zuckerberg kritiserer førende AI laboratorier for at samle for meget magt. Interne prognoser peger på, at Metas årlige forbrug af Anthropics AI teknologier kan nå op mod 10 milliarder dollar, især drevet af Claude Code.
Meta udvikler MetaCode for at begrænse udgifterne, mindske leverandørafhængigheden og undgå, at rivalers modeloutput påvirker virksomhedens egne træningsdata.