AI på jeres egne servere
GPU-noder i jeres egen klynge kører modellerne. NVIDIA GPU Operator installerer driverne, HAMi lader flere workloads dele én GPU, og KEDA skalerer dem. I medbringer selv modellerne, og de kører på hardware, I styrer.

Skærmbillederne er taget fra apps, der kører på en testserver med opdigtede data.
Det, der forbliver under jeres kontrol
Modellen kører på GPU-noder i jeres egen klynge, så prompts og dokumenter bliver på hardware, I styrer.
Open weight-modeller er filer, I kan hente, køre offline og beholde en kopi af. Fuldt åbne modeller som Apertus og OLMo udgiver også deres træningsdata, så I kan kontrollere, hvordan de er bygget.
Chatgrænsefladen og kodeværktøjerne er separate programmer, der taler med jeres model, så I kan skifte hvert af dem ud.
Licensen afgør, hvad I må med en model. Nogle open weight-modeller har begrænsninger for EU-virksomheder eller for stor omsætning. Tabellen nedenfor viser dem.
Open source-apps bag løsningen
- NVIDIA GPU Operator
- HAMi
- KEDA
Alternativ til
Lukkede AI-assistenter fra leverandører uden for EU, som ChatGPT, Microsoft Copilot, Google Gemini og Claude
Open weight-modeller, I kan køre
Open weight betyder, at modellens filer er offentliggjort, så I selv kan køre dem. Åbne træningsdata betyder, at dataene også er offentliggjort, så I kan kontrollere, hvordan modellen er bygget. Tabellen er læst fra modelkortene, licensfilerne og leverandørernes udmeldinger den 15. oktober 2026.
- MistralMistral Large 3, Mistral Small 4, Mistral Medium 3.5
- Udvikler
- Mistral AI
- Land
- Frankrig
- Åbne træningsdata
- Nej
- Licens
- Apache-2.0, Modified MIT
Large 3 og Small 4 er Apache-2.0. Medium 3.5 og Devstral 2 bruger en ændret MIT-licens, der ikke giver rettigheder til en virksomhed med global konsolideret omsætning over 20 millioner USD om måneden. Large 4 blev annonceret den 6. oktober 2026, og dens licens er endnu ikke oplyst. Mistral siger, at vægtene følger inden udgangen af oktober.
- ApertusApertus 1.5 70B, Apertus 1.5 8B
- Udvikler
- EPFL, ETH Zurich, CSCS
- Land
- Schweiz
- Åbne træningsdata
- Ja
- Licens
- Apache-2.0
Fuldt åben: vægtene, træningsdataene og de fulde træningsdetaljer er offentliggjort. Version 1.5 udkom den 24. juli 2026.
- EuroLLMEuroLLM-22B, EuroLLM-9B
- Udvikler
- IST Lisbon, Unbabel, University of Edinburgh et al.
- Land
- Den Europæiske Union
- Åbne træningsdata
- Ikke bekræftet
- Licens
- Apache-2.0
Bygget af europæiske universiteter og virksomheder og finansieret af EU. Modelkortet beskriver den som den bedste EU-lavede fuldt åbne model på generelle benchmarks. De flersprogede webdata til fortræningen (EuroWeb) og instruktionsdataene (EuroBlocks) er offentlige på Hugging Face. Vi har ikke bekræftet, at resten af træningsdataene er offentlige.
- TeukenTeuken-7B-instruct-v0.6
- Udvikler
- OpenGPT-X: Fraunhofer, FZ Jülich, TU Dresden, DFKI
- Land
- Tyskland
- Åbne træningsdata
- Ikke bekræftet
- Licens
- CC-BY-NC-4.0, Apache-2.0
Bygget i Tyskland til 24 EU-sprog. Den nyeste udgave, Teuken-7B-instruct-v0.6 (juli 2025), har licensen CC-BY-NC-4.0, som udelukker kommerciel brug. Apache-2.0-udgaven er den ældre v0.4 (oktober 2024).
- OLMoOlmo 3.1 32B Think, Olmo 3.1 32B Instruct
- Udvikler
- Ai2
- Land
- USA
- Åbne træningsdata
- Ja
- Licens
- Apache-2.0
Fuldt åben: vægtene, træningsdataene (Dolma 3 og Dolci), træningskoden og checkpoints er offentliggjort.
- GemmaGemma 4 31B, Gemma 4 26B-A4B, Gemma 4 12B
- Udvikler
- Land
- USA
- Åbne træningsdata
- Nej
- Licens
- Apache-2.0
Gemma 4 (2. april 2026) er Apache-2.0. Tidligere Gemma-versioner brugte Googles egen licens.
- gpt-ossgpt-oss-120b, gpt-oss-20b
- Udvikler
- OpenAI
- Land
- USA
- Åbne træningsdata
- Nej
- Licens
- Apache-2.0
Apache-2.0. OpenAI udgiver vægtene og referencekode, men ikke træningsdataene.
- Llama, MuseMuse Glimmer 30B, Llama 4 Scout, Llama 4 Maverick
- Udvikler
- Meta
- Land
- USA
- Åbne træningsdata
- Nej
- Licens
- Llama 4 Community License, Apache-2.0
Llama 4 bruger Llama 4 Community License. Dens politik for acceptabel brug tilbageholder licensen til de multimodale Llama 4-modeller fra personer med bopæl i EU og virksomheder med hovedsæde i EU. Muse Glimmer 30B (10. august 2026) er Apache-2.0.
- DeepSeekDeepSeek-V4-Pro, DeepSeek-V4-Flash, DeepSeek-V4.1-Flash
- Udvikler
- DeepSeek
- Land
- Kina
- Åbne træningsdata
- Nej
- Licens
- MIT
MIT-licens. DeepSeek udgiver vægtene, en teknisk rapport og noget infrastrukturkode, men ikke træningsdataene.
- GLMGLM-5.3, GLM-5.3-Flash
- Udvikler
- Zhipu AI (Z.ai)
- Land
- Kina
- Åbne træningsdata
- Nej
- Licens
- GLM-5.3 License, MIT
GLM-5.3 er MIT-lignende med én betingelse: en virksomhed, der sælger hostet adgang til modellen (Model-as-a-Service) og har en koncernomsætning over 10 milliarder USD i en 12-måneders periode, skal bestå Z.AI's sikkerhedsgennemgang før kommerciel brug. GLM-5.3-Flash og GLM-5.2 er MIT.
- QwenQwen3.8-2.4T-A95B, Qwen3.8-27B, Qwen3.8-Flash-Next
- Udvikler
- Alibaba
- Land
- Kina
- Åbne træningsdata
- Nej
- Licens
- Qwen3.8-Max License, Qwen Community License 1.0, Apache-2.0
Qwen3.8-27B er Apache-2.0. For Qwen3.8-2.4T-A95B skal en virksomhed, der sælger hostet adgang til modellen (Model-as-a-Service) eller en AI-arbejdsassistent, have en særskilt licens over 50 millioner USD i omsætning på 12 måneder. For Qwen3.8-Flash-Next kræves en særskilt licens uanset omsætning.
- KimiKimi K3, Kimi K2.7 Code
- Udvikler
- Moonshot AI
- Land
- Kina
- Åbne træningsdata
- Nej
- Licens
- Kimi K3 License, Modified MIT
Kimi K3: en virksomhed, der sælger hostet adgang til modellen (Model-as-a-Service), skal have en særskilt aftale over 20 millioner USD i omsætning på 12 måneder. Et produkt med mere end 100 millioner månedlige brugere eller 20 millioner USD i månedlig omsætning skal vise navnet Kimi K3.
Kodning med åbne modeller
Open weight-modeller kan i dag styre en kodeagent, men de bedste lukkede modeller fører stadig. På Terminal-Bench 4.0 (data opdateret 6. oktober 2026) er det bedste open weight-resultat GLM-5.3 med 41,8 % af opgaverne løst. Det bedste lukkede resultat er Claude Opus 5.5 med 64,8 %. Begge kørte med Claude Code som agent.
Ollama vælger som standard kontekstvinduet ud fra GPU-hukommelsen: 4k tokens under 24 GiB, 32k fra 24 til 48 GiB og 256k fra 48 GiB (dens dokumentation, læst 15. oktober 2026). Samme dokumentation siger, at kodeværktøjer bør bruge mindst 64.000 tokens, så øg vinduet, før I starter en kodeagent. Aiders dokumentation bemærker, at der ved store repositories ikke nødvendigvis er plads til selv repository-kortet i en models kontekstvindue.
Aider-dokumentation: repository-kortOpen source-kodeværktøjer, der kan bruge en lokal model
Skrivning med åbne modeller
En chatgrænseflade foran en open weight-model på jeres egen server kan skrive udkast og omskrive tekst, uden at nogen prompt forlader jeres servere. På Arenas tekstrangliste (læst 15. oktober 2026) er den bedste open weight-model, Kimi K3, nummer 17 med en score på 1488. Nummer 1 er en lukket model, scorer 1525 og er stadig markeret som foreløbig. Kimi K3's placering ligger mellem 9 og 29, så rækkefølgen er ikke præcis.
Chatgrænseflader, I selv kan køre
- LibreChatMIT
- AnythingLLMMIT
- Hugging Face Chat UIApache-2.0
- JanApache-2.0
- big-AGIMIT
- Open WebUIOpen WebUI License
- OnyxMIT, Onyx Enterprise License
- LobeHubLobeHub Community License
Open WebUI, Onyx og LobeHub tilføjer egne vilkår til licensen, så læs dem, før I tager en i brug.
Offentlige ranglister
Kodeagenter løser opgaver i en terminal. Hvert resultat gælder en agent og en model sammen. Data opdateret 6. oktober 2026.
Rangerer 415 modeller ud fra 8.804.675 brugerstemmer. Læst 15. oktober 2026.
Scorer modeller på ti evalueringer i sit Intelligence Index (v4.3.2) og har en særskilt oversigt over open weight-modeller. Læst 15. oktober 2026.
- SWE-bench VerifiedIkke aktuel
Den nyeste post er dateret 26. februar 2026, så modeller udgivet efter den dato mangler.
- Aider PolyglotIkke aktuel
Den sidste post er dateret 3. oktober 2025.
- LiveCodeBenchIkke aktuel
Dens data dækker opgaver fra maj 2023 til april 2025 og modeller udgivet til midt i 2025, så den kan ikke rangere modeller fra 2026.
Hvor suveræn er jeres opsætning?
Vurdér denne funktion og resten af jeres stak i den gratis selvevaluering.