Kinesiske AI-modeller feier forbi amerikanske restriksjoner – nå er de like gode, men langt billigere
Siden midten av juni 2026 har kinesiske AI laboratorier lansert en rekke avanserte, åpne modeller: Zhipu AIs GLM 5.2, Moonshots 2,8 billioner parametere store Kimi K3, Meituans LongCat 2.0 trent på kinesiske brikker,... NISTs CAISI vurdering fant at GLM 5.2 er på nivå med GPT 5.2, mens DeepSeek V4 Pros Terminal Benc...
Publisert avRedigert med DeepSeek-V4-FlashBilder generert med GPT Image 1.5
Siden midten av juni 2026 har kinesiske AI laboratorier lansert en rekke avanserte, åpne modeller: Zhipu AIs GLM 5.2, Moonshots 2,8 billioner parametere store Kimi K3, Meituans LongCat 2.0 trent på kinesiske brikker,...
NISTs CAISI vurdering fant at GLM 5.2 er på nivå med GPT 5.2, mens DeepSeek V4 Pros Terminal Bench 2.1 score på 87,9 oppnås til omtrent 1/57 av prisen for Claude Fable 5.
Ingen pålitelige kilder ble funnet for påstander om bestemt prising per oppgave ($0,06 for DeepSeek V4 Pro, $2,34 for Claude Opus 5), eller for modellene Tencent Hy3 og Alibaba Qwen3.8 Max.
What has driven the recent surge of Chinese AI model releases since June 2026, culminating in DeepSeek V4 Pro's launch on August 13, and howThe summer 2026 surge of Chinese open-weight AI models has reshaped the competitive landscape of frontier artificial intelligence.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What has driven the recent surge of Chinese AI model releases since June 2026, culminating in DeepSeek V4 Pro's launch on August 13, and how. Article summary: I have strong evidence on most of the models you asked about but no search results for Tencent Hy3, Alibaba Qwen3.8-Max, the specific "$0.06 per task" pricing for DeepSeek V4 Pro, the "$2.34" figure for Claude Opus 5, or. Topic tags: general, government, documentation, general web, news. 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, watermark
openai.com
I løpet av åtte uker, fra midten av juni 2026, lanserte kinesiske AI-laboratorier en strøm av banebrytende modeller som har omformet det globale AI-landskapet. Bølgen nådde toppen 13. august med den generelle tilgjengeligheten av DeepSeek V4 Pro, men historien er større enn én enkelt lansering: den handler om hvordan amerikanske eksportkontroller, ment å bremse kinesisk AI-utvikling, i stedet har skapt en mer effektiv, selvforsynt og aggressivt åpen konkurrent som nå matcher amerikanske frontlinjemodeller i ytelse samtidig som den underbyr dem i pris med flere størrelsesordener.
Hva drev denne bølgen?
Tre samvirkende krefter presset sammen års utvikling til noen måneder:
1. Press fra eksportkontroller. De amerikanske brikkerestriksjonene kuttet kinesiske laboratorier av fra ubegrenset tilgang til NVIDIA H100/B200 GPUer, noe som tvang dem til å innovere på innenlandsk maskinvare (f.eks. Huaweis Ascend 910B/C-brikker) og optimalisere for effektivitet fremfor rå datakraft. Meituans LongCat-2.0 er det klareste eksempelet – det er den første trillion-parameter modellen som er både trent og kjørt utelukkende på kinesiske brikker .
2. Intens innenlandsk konkurranse. Et dusin godt finansierte laboratorier – DeepSeek, Moonshot, Zhipu/Z.AI, Meituan, Alibaba, Tencent, Baidu, ByteDance – kappes om prestisje, utviklernes oppmerksomhet og bedriftskunder, noe som komprimerer lanseringssykluser til uker.
3. Åpen-vekt strategi som geopolitisk våpen. Kinesiske laboratorier lanserer modeller under tillatende lisenser (MIT, modifisert MIT) uten regionale begrensninger, i skarp kontrast til de stadig mer lukkede strategiene til OpenAI og Anthropic. Dette vinner globale utviklere .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Kinesiske AI-modeller feier forbi amerikanske restriksjoner – nå er de like gode, men langt billigere"?
Siden midten av juni 2026 har kinesiske AI laboratorier lansert en rekke avanserte, åpne modeller: Zhipu AIs GLM 5.2, Moonshots 2,8 billioner parametere store Kimi K3, Meituans LongCat 2.0 trent på kinesiske brikker,...
What are the key points to validate first?
Siden midten av juni 2026 har kinesiske AI laboratorier lansert en rekke avanserte, åpne modeller: Zhipu AIs GLM 5.2, Moonshots 2,8 billioner parametere store Kimi K3, Meituans LongCat 2.0 trent på kinesiske brikker,... NISTs CAISI vurdering fant at GLM 5.2 er på nivå med GPT 5.2, mens DeepSeek V4 Pros Terminal Bench 2.1 score på 87,9 oppnås til omtrent 1/57 av prisen for Claude Fable 5.
What should I do next in practice?
Ingen pålitelige kilder ble funnet for påstander om bestemt prising per oppgave ($0,06 for DeepSeek V4 Pro, $2,34 for Claude Opus 5), eller for modellene Tencent Hy3 og Alibaba Qwen3.8 Max.
Kinesiske AI-modeller feier forbi amerikanske restriksjoner – nå er de like gode, men langt billigere
Siden midten av juni 2026 har kinesiske AI laboratorier lansert en rekke avanserte, åpne modeller: Zhipu AIs GLM 5.2, Moonshots 2,8 billioner parametere store Kimi K3, Meituans LongCat 2.0 trent på kinesiske brikker,... NISTs CAISI vurdering fant at GLM 5.2 er på nivå med GPT 5.2, mens DeepSeek V4 Pros Terminal Benc...
Publisert avRedigert med DeepSeek-V4-FlashBilder generert med GPT Image 1.5
Siden midten av juni 2026 har kinesiske AI laboratorier lansert en rekke avanserte, åpne modeller: Zhipu AIs GLM 5.2, Moonshots 2,8 billioner parametere store Kimi K3, Meituans LongCat 2.0 trent på kinesiske brikker,...
NISTs CAISI vurdering fant at GLM 5.2 er på nivå med GPT 5.2, mens DeepSeek V4 Pros Terminal Bench 2.1 score på 87,9 oppnås til omtrent 1/57 av prisen for Claude Fable 5.
Ingen pålitelige kilder ble funnet for påstander om bestemt prising per oppgave ($0,06 for DeepSeek V4 Pro, $2,34 for Claude Opus 5), eller for modellene Tencent Hy3 og Alibaba Qwen3.8 Max.
What has driven the recent surge of Chinese AI model releases since June 2026, culminating in DeepSeek V4 Pro's launch on August 13, and howThe summer 2026 surge of Chinese open-weight AI models has reshaped the competitive landscape of frontier artificial intelligence.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What has driven the recent surge of Chinese AI model releases since June 2026, culminating in DeepSeek V4 Pro's launch on August 13, and how. Article summary: I have strong evidence on most of the models you asked about but no search results for Tencent Hy3, Alibaba Qwen3.8-Max, the specific "$0.06 per task" pricing for DeepSeek V4 Pro, the "$2.34" figure for Claude Opus 5, or. Topic tags: general, government, documentation, general web, news. 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, watermark
openai.com
I løpet av åtte uker, fra midten av juni 2026, lanserte kinesiske AI-laboratorier en strøm av banebrytende modeller som har omformet det globale AI-landskapet. Bølgen nådde toppen 13. august med den generelle tilgjengeligheten av DeepSeek V4 Pro, men historien er større enn én enkelt lansering: den handler om hvordan amerikanske eksportkontroller, ment å bremse kinesisk AI-utvikling, i stedet har skapt en mer effektiv, selvforsynt og aggressivt åpen konkurrent som nå matcher amerikanske frontlinjemodeller i ytelse samtidig som den underbyr dem i pris med flere størrelsesordener.
Hva drev denne bølgen?
Tre samvirkende krefter presset sammen års utvikling til noen måneder:
1. Press fra eksportkontroller. De amerikanske brikkerestriksjonene kuttet kinesiske laboratorier av fra ubegrenset tilgang til NVIDIA H100/B200 GPUer, noe som tvang dem til å innovere på innenlandsk maskinvare (f.eks. Huaweis Ascend 910B/C-brikker) og optimalisere for effektivitet fremfor rå datakraft. Meituans LongCat-2.0 er det klareste eksempelet – det er den første trillion-parameter modellen som er både trent og kjørt utelukkende på kinesiske brikker .
2. Intens innenlandsk konkurranse. Et dusin godt finansierte laboratorier – DeepSeek, Moonshot, Zhipu/Z.AI, Meituan, Alibaba, Tencent, Baidu, ByteDance – kappes om prestisje, utviklernes oppmerksomhet og bedriftskunder, noe som komprimerer lanseringssykluser til uker.
3. Åpen-vekt strategi som geopolitisk våpen. Kinesiske laboratorier lanserer modeller under tillatende lisenser (MIT, modifisert MIT) uten regionale begrensninger, i skarp kontrast til de stadig mer lukkede strategiene til OpenAI og Anthropic. Dette vinner globale utviklere .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Kinesiske AI-modeller feier forbi amerikanske restriksjoner – nå er de like gode, men langt billigere"?
Siden midten av juni 2026 har kinesiske AI laboratorier lansert en rekke avanserte, åpne modeller: Zhipu AIs GLM 5.2, Moonshots 2,8 billioner parametere store Kimi K3, Meituans LongCat 2.0 trent på kinesiske brikker,...
What are the key points to validate first?
Siden midten av juni 2026 har kinesiske AI laboratorier lansert en rekke avanserte, åpne modeller: Zhipu AIs GLM 5.2, Moonshots 2,8 billioner parametere store Kimi K3, Meituans LongCat 2.0 trent på kinesiske brikker,... NISTs CAISI vurdering fant at GLM 5.2 er på nivå med GPT 5.2, mens DeepSeek V4 Pros Terminal Bench 2.1 score på 87,9 oppnås til omtrent 1/57 av prisen for Claude Fable 5.
What should I do next in practice?
Ingen pålitelige kilder ble funnet for påstander om bestemt prising per oppgave ($0,06 for DeepSeek V4 Pro, $2,34 for Claude Opus 5), eller for modellene Tencent Hy3 og Alibaba Qwen3.8 Max.
Flaggshipsmodellen som kroner sommerbølgen. DeepSeek V4 Pro er en 1,6-billioner-parameters Mixture-of-Experts-modell med 49 milliarder aktive parametere per token, et kontekstvindu på 1 million tokens og opptil 384 000 output-tokens fordelt på tre resonneringsmoduser (standard, høy innsats, maksimal innsats) . På Terminal-Bench 2.1 oppnådde den 87,9 – en forbedring på 15,8% fra forhåndsvisningen i april – og yter på nivå med Claude Fable 5 til omtrent 1/57 av kostnaden . Reuters rapporterer at modellen «nærmer seg – og på noen tester overgår – Claude Fable 5» på agent- og programvareutviklingsbenchmarker .
Prisingen er $0,435 per million input-tokens, $0,87 per million output-tokens til standardsatser, med cache-rabatter på opptil 97% . I maksimal innsats-modus er prisen $1,32/$3,96 per million tokens .
Moonshot Kimi K3 (16./27. juli 2026)
Moonshot AI lanserte det de kaller «verdens første åpne modell i 3-billioner-parameter-klassen» – en 2,8-billioner-parameters Mixture-of-Experts-modell som aktiverer 16 av 896 eksperter per token, med et kontekstvindu på 1 million tokens og multimodale evner (syn + tekst) . Fullvektene ble sluppet på Hugging Face 27. juli under en modifisert MIT-lisens . Den er tilgjengelig på Kimi.com, Kimi Work, Kimi Code og Kimi API .
Zhipu AI GLM-5.2 (13./16. juni 2026)
Modellen som startet bølgen. GLM-5.2 er en 744-milliarder-parameters MoE med omtrent 40 milliarder aktive per token, et kontekstvindu på 1 million tokens og en MIT-lisens . NISTs CAISI-vurdering rangerer dens generelle evner som lik GPT-5.2 (desember 2025) og dens cyber-evner som lik Claude Opus . Den scorer 81,0 på Terminal-Bench 2.1 og 62,1 på SWE-bench Pro – den høyeste åpne vekt-scoren på Artificial Analysis Intelligence Index . Prisingen er omtrent 10 ganger billigere enn Claude eller GPT-5 via API .
Meituan LongCat-2.0 (30. juni 2026)
En 1,6-billioner-parameters MoE (48 milliarder aktive per token) med et kontekstvindu på 1 million tokens, lansert under MIT-lisens . Dens kritiske særpreg: den første trillion-parameter modellen trent og kjørt utelukkende på kinesiske brikker – en klynge på 50 000 Huaweis Ascend 910B/C-brikker . Ifølge Meituans egne tester er den litt bedre enn GPT-5.5 på programvareutviklingsbenchmarker . Den hadde stille toppet OpenLLM-ledertavlen som «Owl Alpha» før den offisielle lanseringen . API-prising er $0,75/$2,95 per million input/output-tokens, med en lanseringskampanje på $0,30/$1,20 .
Hvordan de måler seg mot amerikanske frontlinjemodeller
Dimensjon
Kinesiske frontlinjemodeller
Amerikanske frontlinjemodeller
Ytelsesparitet
GLM-5.2 ≈ GPT-5.2 ; DeepSeek V4 Pro ≈ Claude Fable 5 på flere benchmarker ; LongCat-2.0 hevder å være bedre enn GPT-5.5 på SWE-bench
OpenAI GPT-5.5, Anthropic Claude Fable 5/Opus, Google Gemini 3
Kostnadsfordel
Kinesiske modeller er 10–57 ganger billigere per token eller oppgave
Amerikanske modeller krever premium API-priser
Åpenhet
MIT/modifisert MIT åpne vekt-lisenser; global ubegrenset tilgang
Primært lukket API; ingen vektutgivelser
Maskinvarebegrensning
Kinas beste modeller kjøres nå utelukkende på innenlandske brikker (LongCat-2.0 )
Amerikanske modeller har ubegrenset tilgang til NVIDIA H100/B200
Bredere implikasjoner
Global bedriftsadopsjon
Bedrifter utenfor Kina har nå troverdige, rimelige, åpne vekt-alternativer til amerikanske API-modeller. GLM-5.2s MIT-lisens uten regionale begrensninger betyr at ethvert selskap kan selv-hoste den kommersielt uten restriksjoner . Dette endrer innkjøpsbeslutninger i Sørøst-Asia, Midtøsten, Afrika og deler av Europa.
Eksportkontrollens paradoks
Bevisene støtter sterkt tesen om at USAs brikke-eksportkontroll har slått tilbake på minst to måter:
Akselerert innenlandsk brikkekompetanse: LongCat-2.0 ble trent på en klynge med 50 000 kinesiskproduserte Huawei Ascend-prosessorer, noe som beviser at trening i frontlinjestørrelse er mulig uten amerikansk maskinvare . Dette har katalysert Kinas innenlandske AI-brikke-økosystem raskere enn markedskrefter alene ville ha gjort.
Tvang til algoritmisk effektivitet: Avskåret fra rikelig tilgang til avanserte GPUer, optimaliserte kinesiske laboratorier arkitekturer for MoE-sparsitet, sparsom oppmerksomhet og aktiv-parameter-effektivitet mer aggressivt enn amerikanske laboratorier. Resultatet er modeller som oppnår sammenlignbar ytelse med en brøkdel av datakraftbudsjettet – en 10–57 gangers kostnadsfordel .
Hva er fortsatt ubekreftet
Ingen bekreftende kilder ble funnet for spesifikk prising per oppgave på $0,06 for DeepSeek V4 Pro eller $2,34 for Claude Opus 5. Tencent Hy3 og Alibaba Qwen3.8-Max mangler også verifiserte spesifikasjoner eller lanseringsdatoer i tilgjengelige bevis. Påstander om Mark Zuckerbergs nylige åpen-kilde-manifest kunne ikke bekreftes.
En merknad om påstander og kilder
Denne artikkelen er basert på tilgjengelige bevis per midten av august 2026. Alle påstander om modellevner kommer fra utviklerrapporterte benchmarker og tredjepartsvurderinger (inkludert NISTs CAISI). Uavhengig verifisering av alle benchmark-score pågår på tvers av bransjen. Kostnadssammenligninger er basert på publiserte API-token-priser; faktiske kostnader per oppgave varierer betydelig med oppgavekompleksitet, kontekstlengde og cache-treffrater.
Flaggshipsmodellen som kroner sommerbølgen. DeepSeek V4 Pro er en 1,6-billioner-parameters Mixture-of-Experts-modell med 49 milliarder aktive parametere per token, et kontekstvindu på 1 million tokens og opptil 384 000 output-tokens fordelt på tre resonneringsmoduser (standard, høy innsats, maksimal innsats) . På Terminal-Bench 2.1 oppnådde den 87,9 – en forbedring på 15,8% fra forhåndsvisningen i april – og yter på nivå med Claude Fable 5 til omtrent 1/57 av kostnaden . Reuters rapporterer at modellen «nærmer seg – og på noen tester overgår – Claude Fable 5» på agent- og programvareutviklingsbenchmarker .
Prisingen er $0,435 per million input-tokens, $0,87 per million output-tokens til standardsatser, med cache-rabatter på opptil 97% . I maksimal innsats-modus er prisen $1,32/$3,96 per million tokens .
Moonshot Kimi K3 (16./27. juli 2026)
Moonshot AI lanserte det de kaller «verdens første åpne modell i 3-billioner-parameter-klassen» – en 2,8-billioner-parameters Mixture-of-Experts-modell som aktiverer 16 av 896 eksperter per token, med et kontekstvindu på 1 million tokens og multimodale evner (syn + tekst) . Fullvektene ble sluppet på Hugging Face 27. juli under en modifisert MIT-lisens . Den er tilgjengelig på Kimi.com, Kimi Work, Kimi Code og Kimi API .
Zhipu AI GLM-5.2 (13./16. juni 2026)
Modellen som startet bølgen. GLM-5.2 er en 744-milliarder-parameters MoE med omtrent 40 milliarder aktive per token, et kontekstvindu på 1 million tokens og en MIT-lisens . NISTs CAISI-vurdering rangerer dens generelle evner som lik GPT-5.2 (desember 2025) og dens cyber-evner som lik Claude Opus . Den scorer 81,0 på Terminal-Bench 2.1 og 62,1 på SWE-bench Pro – den høyeste åpne vekt-scoren på Artificial Analysis Intelligence Index . Prisingen er omtrent 10 ganger billigere enn Claude eller GPT-5 via API .
Meituan LongCat-2.0 (30. juni 2026)
En 1,6-billioner-parameters MoE (48 milliarder aktive per token) med et kontekstvindu på 1 million tokens, lansert under MIT-lisens . Dens kritiske særpreg: den første trillion-parameter modellen trent og kjørt utelukkende på kinesiske brikker – en klynge på 50 000 Huaweis Ascend 910B/C-brikker . Ifølge Meituans egne tester er den litt bedre enn GPT-5.5 på programvareutviklingsbenchmarker . Den hadde stille toppet OpenLLM-ledertavlen som «Owl Alpha» før den offisielle lanseringen . API-prising er $0,75/$2,95 per million input/output-tokens, med en lanseringskampanje på $0,30/$1,20 .
Hvordan de måler seg mot amerikanske frontlinjemodeller
Dimensjon
Kinesiske frontlinjemodeller
Amerikanske frontlinjemodeller
Ytelsesparitet
GLM-5.2 ≈ GPT-5.2 ; DeepSeek V4 Pro ≈ Claude Fable 5 på flere benchmarker ; LongCat-2.0 hevder å være bedre enn GPT-5.5 på SWE-bench
OpenAI GPT-5.5, Anthropic Claude Fable 5/Opus, Google Gemini 3
Kostnadsfordel
Kinesiske modeller er 10–57 ganger billigere per token eller oppgave
Amerikanske modeller krever premium API-priser
Åpenhet
MIT/modifisert MIT åpne vekt-lisenser; global ubegrenset tilgang
Primært lukket API; ingen vektutgivelser
Maskinvarebegrensning
Kinas beste modeller kjøres nå utelukkende på innenlandske brikker (LongCat-2.0 )
Amerikanske modeller har ubegrenset tilgang til NVIDIA H100/B200
Bredere implikasjoner
Global bedriftsadopsjon
Bedrifter utenfor Kina har nå troverdige, rimelige, åpne vekt-alternativer til amerikanske API-modeller. GLM-5.2s MIT-lisens uten regionale begrensninger betyr at ethvert selskap kan selv-hoste den kommersielt uten restriksjoner . Dette endrer innkjøpsbeslutninger i Sørøst-Asia, Midtøsten, Afrika og deler av Europa.
Eksportkontrollens paradoks
Bevisene støtter sterkt tesen om at USAs brikke-eksportkontroll har slått tilbake på minst to måter:
Akselerert innenlandsk brikkekompetanse: LongCat-2.0 ble trent på en klynge med 50 000 kinesiskproduserte Huawei Ascend-prosessorer, noe som beviser at trening i frontlinjestørrelse er mulig uten amerikansk maskinvare . Dette har katalysert Kinas innenlandske AI-brikke-økosystem raskere enn markedskrefter alene ville ha gjort.
Tvang til algoritmisk effektivitet: Avskåret fra rikelig tilgang til avanserte GPUer, optimaliserte kinesiske laboratorier arkitekturer for MoE-sparsitet, sparsom oppmerksomhet og aktiv-parameter-effektivitet mer aggressivt enn amerikanske laboratorier. Resultatet er modeller som oppnår sammenlignbar ytelse med en brøkdel av datakraftbudsjettet – en 10–57 gangers kostnadsfordel .
Hva er fortsatt ubekreftet
Ingen bekreftende kilder ble funnet for spesifikk prising per oppgave på $0,06 for DeepSeek V4 Pro eller $2,34 for Claude Opus 5. Tencent Hy3 og Alibaba Qwen3.8-Max mangler også verifiserte spesifikasjoner eller lanseringsdatoer i tilgjengelige bevis. Påstander om Mark Zuckerbergs nylige åpen-kilde-manifest kunne ikke bekreftes.
En merknad om påstander og kilder
Denne artikkelen er basert på tilgjengelige bevis per midten av august 2026. Alle påstander om modellevner kommer fra utviklerrapporterte benchmarker og tredjepartsvurderinger (inkludert NISTs CAISI). Uavhengig verifisering av alle benchmark-score pågår på tvers av bransjen. Kostnadssammenligninger er basert på publiserte API-token-priser; faktiske kostnader per oppgave varierer betydelig med oppgavekompleksitet, kontekstlengde og cache-treffrater.
