Öppna modeller, och var de kommer ifrån
På en vecka släppte Reflection en stark öppen modell, DeepSeek uppdaterade sin och Washington förbjöd DeepSeek i sina myndigheter. Kvaliteten är inte längre frågan. Ursprunget är det.
För ett företag som vill ha en egen AI var den viktigaste nyheten den senaste veckan inte en ny chattbot. Det var tre saker som hände inom några dagar: en öppen modell från Reflection AI som får plats på en enda server, nya vikter för DeepSeeks öppna modell och en order från den amerikanska regeringen som tar bort DeepSeek från dess civila myndigheter. Tillsammans säger de något enkelt. De öppna modellerna är nu tillräckligt bra för seriöst arbete, och frågan har flyttat från kvalitet till ursprung.
Beam: färre tokens, inte billigare
Den 16 oktober släppte Reflection AI Beam, sin första modell med öppna vikter, under licensen Apache 2.0, som tillåter kommersiell användning och ändringar. Den har 501 miljarder parametrar, varav 23 miljarder är aktiva för varje token. I 8-bitars eller 4-bitars form får den plats på en server med åtta GPU:er, som H100, H200 eller GB300. Den fullständiga versionen behöver ”tiotals GPU:er”, rapporterade VentureBeat.
Reflections budskap är inte billigare tokens utan färre. Under träningen straffade företaget modellen för varje token den inte behövde, och enligt VentureBeats tolkning av företagets diagram använder Beam omkring 25'000 tokens per försök på ett kodtest där GLM-5.2 behöver omkring 80'000. Det är inte den starkaste öppna modellen. På Terminal-Bench 2.1 rapporterade VentureBeat omkring 80 procent för Beam, mot 90,6 procent för DeepSeek V4.1 Flash och 85 procent för Kimi K3. Reflection säger att Beam kommer att ”vinna på egna meriter och inte på något annat.”
DeepSeek: starkare, och MIT-licensierad
Under samma dagar publicerade DeepSeek uppdaterade vikter för V4.1 Flash, med datumet 17 oktober i namnet. Modellkortet kallar det ”en mindre uppdatering”, med förbättringar inom resonemang, kodning, agentiska uppgifter och bildförståelse, och rekommenderar en kontext på en miljon tokens. Licensen kunde inte vara mer öppen: ”Detta repo och modellvikterna är licensierade under MIT-licensen.”
DeepSeek har också konsoliderat. I september flyttade företaget alla förfrågningar till sin större V4 Pro över till V4.1 Flash, ”till V4.1-Flash-priser”, och började fasa ut V4 Pro. Enligt det benchmarktest som VentureBeat hänvisade till är den starkast av de öppna modeller som nämns här.
Washington drar en gräns
Den 19 oktober rapporterade CyberScoop att USA:s departement för inrikes säkerhet förbjuder civila federala myndigheter att använda DeepSeeks produkter, med stöd av en lag om leveranskedjor från 2018. Myndigheterna måste ta bort de versioner de har och får inte köpa nya. Skälen handlar om data: DeepSeek lagrar data på servrar i Kina, och dess process för prompter och svar ”kan leda till överföring av känsliga data” till den kinesiska regeringen. Ordern nämner bara DeepSeek, även om andra kinesiska öppna modeller som Kimi och Qwen har väckt liknande farhågor.
Rapporten säger inte om förbudet också gäller DeepSeeks vikter när en myndighet kör dem på sina egna servrar, där inga data skickas någonstans. Den öppna frågan är den som varje företag bör notera. Att köra en modell hemma besvarar vart data tar vägen. Det besvarar inte var modellen kommer ifrån.
Vad det betyder för en egen modell
Öppna vikter på dina egna servrar löser de mest uppenbara problemen: data stannar hemma, och ingen kan ändra eller dra tillbaka modellen en vanlig tisdag. De löser inte alla. En modell är också en produkt med ett ursprung, en licens, träningsdata och ett beteende som ingen utanför labbet helt kan granska. För en bank, en myndighet eller en försvarsleverantör är frågan inte längre om en öppen modell är tillräckligt bra. Den är om dess ursprung klarar nästa revision, nästa frågeformulär från en kund eller nästa order som den här.
I praktiken betyder det tre saker. Välj basmodellen lika medvetet som du väljer licensen: Apache 2.0 och MIT är båda tillåtande, men ingen av dem säger något om härkomst. Håll modellen utbytbar, så att företagets kunskap, regler och tester ligger utanför den och en bättre eller säkrare modell kan ta dess plats på några veckor. Och testa varje kandidat på ditt eget arbete innan den går i drift, inte bara på offentliga benchmarktester.
Så hanterar Eigna det
Det är så Eigna är byggd, den privata AI som vi sätter upp för kunder som partner till Eigna Labs. Den utgår från en öppen modell, anpassad till kundens område och tränad på kundens eget arbete, regler och språk, och körs i kundens eget moln eller på dess egna servrar. En ny version går i drift först när den testar bättre än den förra, och den kan rullas tillbaka i ett steg. Vilken öppen modell som ligger under är ett beslut vi fattar med varje kund, ursprunget inräknat, och ett beslut som kan ändras när en bättre kommer.
