Åpne KI-modeller tetter gapet – og endrer regnestykket for bedrifter

Modeller med åpne vekter er ikke lenger bare rimelige alternativer for enkle KI-oppgaver. De beste modellene ligger nå så nær proprietære toppmodeller at bedrifter i større grad kan velge ut fra arbeidsoppgave, kostnad og kontrollbehov – i stedet for automatisk å sende alt til den kraftigste API-modellen.

Benchmarkgapet er mindre, men tallene må leses med varsomhet

Et rapportert øyeblikksbilde fra Artificial Analysis i september 2026 satte Moonshot AIs Kimi K3 til 59,7 og Anthropics Claude Fable 5.1 til 65,7. Det er et gap på seks poeng, mot et rapportert gap på 13 poeng året før. 3 Det er en betydelig innsnevring.

De konkrete tallene er likevel ikke tidløse eller nødvendigvis direkte sammenlignbare. Artificial Analysis’ nåværende sammenligning, basert på v4.2-metodikk, oppgir Kimi K3 (max) til 50 og Claude Fable 5.1 til 56. 52 Kimi K3-siden opplyser dessuten at v4.2-indeksen omfatter ti evalueringer. Det illustrerer hvorfor resultater kan endres når testpakken, modelloppsettet eller poengmetoden endres. 1

Den mer robuste konklusjonen er derfor retningen: En ledende modell med åpne vekter kan nå ligge langt nærmere den beste proprietære konkurrenten på en bred intelligensindeks enn tidligere. Det betyr ikke at modellene er like gode til alt. Samlede rangeringer sier ikke nok om blant annet pålitelighet, sikkerhetsatferd, verktøybruk, svartid, multimodalt arbeid eller en virksomhets egne faglige arbeidsflyter.

Et mindre gap endrer innkjøpsbeslutningen

For et team som skal sette KI i produksjon, er det sjelden nok å spørre: «Hvilken modell har høyest poengsum?» Det riktige spørsmålet er: Hvilken modell gir godt nok resultat for denne oppgaven, til lavest mulig totalkostnad og med akseptabel risiko?

Hvis en rimeligere modell når kvalitetskravet for oppsummering, informasjonsuthenting, internt søk, rutinemessig kodehjelp eller klassifisering, kan det være vanskelig å forsvare å bruke den dyreste toppmodellen på hver eneste forespørsel. Proprietære modeller kan fortsatt være verdt merkostnaden ved krevende resonnementer, beslutninger med høy risiko, komplekse agenter eller oppgaver der en liten kvalitetsforbedring har stor betydning for inntekter, sikkerhet eller etterlevelse.

Prisforskjellen er en sentral del av regnestykket. Artificial Analysis’ nåværende sammenligning oppgir Kimi K3 (max) til 2,31 dollar per million token, mot 7,17 dollar for Claude Fable 5.1. Samtidig ligger den proprietære modellen foran på den nåværende Intelligence Index og i genereringshastighet. 52 Tokenpris alene er ikke en fullstendig kostnadssammenligning, men den forklarer hvorfor modellvalg er blitt et drifts- og optimaliseringsspørsmål.

AT&T viser hvordan oppgavebasert ruting kan fungere

Det amerikanske teleselskapet AT&T er et konkret eksempel på overgangen fra én modell til en portefølje av modeller. Selskapet oppga at åpne modeller økte fra 20 prosent av KI-bruken i mai til 40 prosent, og at andelen kan nå 60 prosent i de kommende månedene. AT&T sa også at det sparte opptil 80 prosent på KI-kostnader sammenlignet med tidligere i året. 26

Tidligere rapportering viste at AT&T på sikt ønsket at åpne modeller skulle stå for 70–80 prosent av den totale KI-bruken, samtidig som proprietære modeller beholdes i miksen. 17 Dette er ikke et argument for at åpne modeller er best til alt, men en rutingsstrategi:

• Send rutinepregede oppgaver med høyt volum til rimeligere modeller.
• Bruk premiummodeller der den ekstra kapasiteten kan dokumenteres å være nødvendig.
• Mål kvalitet, hastighet og kostnad per arbeidsoppgave, ikke bare etter én generell rangering.

Dette kan få større betydning enn enkeltresultater på en benchmark. Når modellkvaliteten nærmer seg hverandre, flyttes verdien til evaluering, ruting, observabilitet og muligheten til å bytte leverandør uten å bygge om hele applikasjonen.

Åpne vekter gir kontroll – ikke automatisk besparelse

Modeller med åpne vekter kan være attraktive fordi virksomheter i større grad kan kjøre dem i miljøer de selv kontrollerer, tilpasse dem til konkrete bruksområder og redusere avhengigheten av én API-leverandør. Men «åpen» betyr ikke automatisk privat, billig eller lav risiko.

Egendrift flytter ansvaret til virksomheten. En seriøs utrulling må ta høyde for infrastruktur, optimalisering av inferens, utviklingstid, oppdateringer, overvåking, tilgangsstyring, modellisenser og håndtering av hendelser. Virksomheter som behandler sensitiv informasjon, bør også vurdere modellens opprinnelse, programvareforsyningskjeden, datalagringskrav, eksportkontroll og sikkerheten i alle tjenestene rundt modellen.

Den riktige sammenligningen er dermed ikke API-pris mot null. Den er totalkostnad per vellykket forretningsoppgave – inkludert kostnaden ved feil svar, driftsansvar og nødvendige sikkerhetstiltak.

Kinesiske laboratorier øker konkurransen – og behovet for styring

Kimi K3 kommer fra Moonshot AI, og rapporteringen rundt de ferske rangeringene har fremhevet kinesiske laboratoriers sterke posisjon innen modeller med åpne vekter. 3 Det utvider tilbudet av kapable modeller og øker konkurransepresset på leverandører av proprietære systemer.

For bedrifter bør opprinnelsesland verken reduseres til en markedsføringsetikett eller erstatte grundig kontroll. En konsekvent vurdering av leverandør og modell bør omfatte lisensvilkår, vekter og avhengigheter, sikkerhetspraksis, testing mot interne data og om driftsarkitekturen oppfyller relevante personvern- og regulatoriske krav.

Nvidias oppkjøp av Hugging Face viser verdien av infrastrukturen

Nvidia har inngått avtale om å kjøpe Hugging Face for om lag 12,9 milliarder dollar, ifølge rapporter og senere uttalelser fra selskapene. 3436 Hugging Face er en sentral plattform for å finne, dele og teste KI-modeller og verktøy. Avtalen er dermed et tydelig signal om at distribusjon av modeller og utviklernes arbeidsflyter er blitt strategisk infrastruktur – ikke bare et sideøkosystem for forskere.

Transaksjonen avgjør ikke fremtiden for åpen KI. Den viser imidlertid at økosystemet rundt åpne modeller – modellarkiver, verktøy, maskinvarestøtte og utviklerfellesskap – har betydelig strategisk verdi ved siden av modellene selv.

Mest sannsynlig: en hybrid KI-arkitektur

Et mindre ytelsesgap gjør en hybridarkitektur mer realistisk:

• Proprietære toppmodeller for de vanskeligste oppgavene, administrerte tjenester og tilfeller der toppkapasitet eller leverandørstøtte er avgjørende.
• Modeller med åpne vekter for oppgaver med høyt volum, behov for tilpasning, kostnadsfølsomhet eller strenge kontrollkrav – når kvalitetsnivået er godt nok.
• Et lag for ruting og evaluering som løpende kontrollerer kvalitet, svartid, kostnad og etterlevelse av retningslinjer.

Hovedpoenget er ikke at åpne modeller har gjort proprietære modeller overflødige. Det er at ytelsesgapet i stadig flere tilfeller er lite nok til at bedrifter kan foreta et reelt økonomisk valg. Den beste strategien er ikke lojalitet til åpne eller lukkede modeller, men grundig måling av hvilken modell som løser hver forretningsoppgave sikkert, pålitelig og til riktig totalkostnad.