Åpen kildekode AI slår tilbake med Meta’s Llama 4

I de siste årene har AI-verdenen skiftet fra en kultur med åpen samarbeid til en som domineres av nært voktede proprietære systemer. OpenAI – et selskap som ble grunnlagt med “åpen” i navnet – skiftet til å holde sine kraftigste modeller hemmelige etter 2019. Konkurrenter som Anthropic og Google (GOOGL ) bygde også toppmoderne AI bak API-veggene, tilgjengelig bare på deres vilkår. Denne lukkede tilnærmingen ble delvis berettiget av sikkerhets- og forretningsinteresser, men den etterlot mange i samfunnet å klage over tapet av den tidlige åpne kildekodemåten. 

Nå er den ånden i ferd med å komme tilbake. Meta’s nyeste Llama 4-modeller signaliserer et modig forsøk på å gjenopplive åpen kildekode AI på høyeste nivå – og selv tradisjonelt voktede spillere tar nå merke til det. OpenAI’s CEO Sam Altman har nylig innrømmet at selskapet var “på feil side av historien” når det gjelder åpne modeller og annonserte planer for en “kraftig ny åpen-vekt” GPT-4-variant. For å si det kort, åpen kildekode AI slår tilbake, og betydningen og verdien av “åpen” utvikler seg.

(Kilde: Meta)

Llama 4: Meta’s åpne utfordrer til GPT-4o, Claude og Gemini

Meta avduket Llama 4 som en direkte utfordring til de nye modellene fra AI-tungvekterne, og posisjonerte det som en åpen-vekt alternativ. Llama 4 kommer i to smaker som er tilgjengelige i dag – Llama 4 Scout og Llama 4 Maverick – med øyneåpnende tekniske spesifikasjoner. Begge er mixture-of-experts (MoE)-modeller som bare aktiverer en brøkdel av deres parametre per forespørsel, noe som muliggjør massive totale størrelser uten å knuse kjøretidskostnader. Scout og Maverick hver har 17 milliarder “aktive” parametre (delen som fungerer på en gitt innmatning), men takket være MoE, spreder Scout disse over 16 eksperter (109 milliarder parametre totalt) og Maverick over 128 eksperter (400 milliarder totalt). Resultatet: Llama 4-modellene leverer formidabel ytelse – og gjør det med unike fordeler som selv noen lukkede modeller mangler.

For eksempel har Llama 4 Scout en bransjeledende 10 millioner token kontekstvindu, flere størrelsesordener enn de fleste rivaler. Dette betyr at den kan innta og resonere over virkelig massive dokumenter eller kodebaserte i ett slag. Til tross for sin skala er Scout effektiv nok til å kjøre på en enkelt H100 GPU når den er høyt kvantisert, noe som antyder at utviklere ikke trenger en superdatamaskin for å eksperimentere med den. 

I mellomtiden er Llama 4 Maverick tilpasset for maksimal kraft. Tidlige tester viser at Maverick matcher eller slår toppen av lukkede modeller på resonnering, kode og visjonoppgaver. Faktisk er Meta allerede i ferd med å lansere en enda større slektning, Llama 4 Behemoth, som fortsatt er under trening, som internt “overgår GPT-4.5, Claude 3.7 Sonnet og Gemini 2.0 Pro på flere STEM-benchmark”. Beskjeden er klar: åpne modeller er ikke lenger andreklasse; Llama 4 er rettet mot toppkvalitet.

Like viktig er det at Meta har gjort Llama 4 umiddelbart tilgjengelig for nedlasting og bruk. Utviklere kan hente Scout og Maverick fra den offisielle nettstedet eller Hugging Face under Llama 4 Community License. Det betyr at alle – fra en garasjehacker til et Fortune 500-selskap – kan komme under panseret, finjustere modellen etter deres behov og distribuere den på deres eget utstyr eller sky. Dette er en skarp kontrast til proprietære tilbud som OpenAI’s GPT-4o eller Anthropics Claude 3.7, som serveres via betalte API-er uten tilgang til underliggende vekter. 

Meta betoner at Llama 4’s åpenhet handler om å gi brukerne makt: “Vi deler de første modellene i Llama 4-flokken, som vil gjøre det mulig for mennesker å bygge mer personlige multimodale opplevelser.” Med andre ord er Llama 4 et verktøy som er ment å være i hendene på utviklere og forskere over hele verden. Ved å slippe ut modeller som kan rivalisere med likeså GPT og Claude i evne, gjenoppliver Meta forestillingen om at toppmodell AI ikke behøver å bo bak en betalingsmur.

(Kilde: Meta)

Ekte idealisme eller strategisk spill?

Meta presenterer Llama 4 i store, nesten altruistiske termer. “Vår åpne kildekode AI-modell, Llama, er blitt lastet ned over en milliard ganger,” sa CEO Mark Zuckerberg nylig, og la til at “åpne kildekode AI-modeller er essensielt for å sikre at mennesker over hele verden har tilgang til AI-fordelene.” Denne rammen maler Meta som en forkjemper for demokratisert AI – et selskap som er villig til å dele sine kronjuvelmodeller for det større gode. Og faktisk støtter Llama-familiens popularitet dette opp: modellene har blitt lastet ned i en forbløffende skala (hoppet fra 650 millioner til 1 milliard totalt nedlastinger på bare noen måneder), og de brukes allerede i produksjon av selskaper som Spotify, AT&T og DoorDash.

Meta er stolte av å bemerke at utviklere setter pris på “gjennomsiktighet, tilpassbarhet og sikkerhet” ved å ha åpne modeller de kan kjøre selv, noe som “hjelper å nå nye nivåer av kreativitet og innovasjon,” sammenlignet med svarte boks-API-er. I prinsippet høres dette ut som den gamle åpne kildekodemåten (tenk Linux eller Apache) som blir brukt på AI – en ubestridt seier for samfunnet.

Likevel kan man ikke ignorere den strategiske beregningen bak denne åpenheten. Meta er ikke en veldedighet, og “åpen kildekode” i denne sammenhengen kommer med forbehold. Blant annet er Llama 4 utgitt under en spesiell samfunnslisens, ikke en standard permissiv lisens – så selv om modellvekterne er gratis å bruke, er det begrensninger (for eksempel kan visse høyresursbruk kreve tillatelse, og lisensen er “proprietær” i den forstand at den er laget av Meta). Dette er ikke Open Source Initiative (OSI)-godkjent definisjon av åpen kildekode, som har ført til at noen kritikere hevder at selskaper misbruker begrepet. 

I praksis beskrives Meta’s tilnærming ofte som “åpen-vekt” eller “kilde-tilgjengelig” AI: koden og vekterne er åpne, men Meta beholder likevel en viss kontroll og avslører ikke alt (treningdata, for eksempel). Dette diminiserer ikke nyttiggjøringen for brukerne, men det viser at Meta er strategisk åpen – holder bare nok tøylene for å beskytte seg selv (og kanskje sin konkurransefordel). Mange firmaer setter “åpen kildekode”-merker på AI-modeller mens de holder tilbake viktige detaljer, og undergraver den sanne ånden av åpenhet.

Hvorfor åpner Meta opp overhodet? Konkurranselandskapet tilbyr noen hint. Å slippe ut kraftige modeller gratis kan raskt bygge en stor utvikler- og bedriftsbrukerbase – Mistral AI, en fransk startup, gjorde nettopp dette med sine tidlige åpne modeller for å få kredibilitet som et toppmodell-laboratorium. 

Ved å så markedet med Llama, sikrer Meta at sin teknologi blir grunnleggende i AI-økosystemet, noe som kan gi langtidsgevinster. Dette er en klassisk omfavn-og-utvid-strategi: hvis alle bruker din “åpne” modell, setter du indirekte standarder og kan kanskje sogar styre folk mot dine plattformer (for eksempel bruker Meta’s AI-assistentprodukter Llama. Det er også et element av PR og posisjonering. Meta får spille rollen som den velvillige innovatoren, spesielt i kontrast til OpenAI – som har møtt kritikk for sin lukkede tilnærming. Faktisk understreker OpenAI’s endring av hjerte på åpne modeller delvis hvor effektiv Meta’s trekk har vært. 

Etter at den banebrytende kinesiske åpne modellen DeepSeek-R1 dukket opp i januar og hoppet over tidligere modeller, indikerte Altman at OpenAI ikke ønsket å være igjen på “feil side av historien.” Nå lover OpenAI en åpen modell med sterk resonans i fremtiden, merker en endring i holdning. Det er vanskelig å ikke se Meta’s innflytelse i den endringen. Meta’s åpne kildekodemåte er både ekte og strategisk: det utvider virkelig tilgangen til AI, men det er også en smart manøver for å utmanøvrere konkurrenter og forme markedets fremtid på Meta’s vilkår.

Konsekvenser for utviklere, bedrifter og AI’s fremtid

For utviklere er gjenopplivingen av åpne modeller som Llama 4 en pust av frisk luft. I stedet for å være låst til en enkelt leverandørs økosystem og gebyrer, har de nå muligheten til å kjøre kraftig AI på deres eget utstyr eller tilpasse det fritt. 

Dette er en enorm fordel for bedrifter i følsomme industrier – tenk finans, helse eller regjering – som er skeptiske til å mata konfidensielle data inn i noen andres svarte boks. Med Llama 4 kan en bank eller sykehus deployere en toppmodell språkmodell bak sin egen brannmur, finjustere den på private data, uten å dele en token med en ekstern enhet. Det er også en kostnadsfordel. Mens bruksbaserte API-gebyrer for toppmodeller kan skyte i været, har en åpen modell ingen bruksavgift – du betaler bare for datamaskinkraften til å kjøre den. Bedrifter som øker tungt AI-arbeid kan spare betydelig ved å velge en åpen løsning de kan skalerer internt.

Det er ingen overraskelse da at vi ser mer interesse for åpne modeller fra bedrifter; mange har begynt å innse at kontrollen og sikkerheten til åpen kildekode AI stemmer bedre overens med deres behov enn en-størrelse-passér-closed-tjenester.

Utviklere, også, høster fordeler i innovasjon. Med tilgang til modellens indre, kan de finjustere og forbedre AI for nisjeområder (lov, bioteknologi, regionale språk – du navn det) på måter en lukket API kanskje aldri vil tilby. Eksplosjonen av community-drevne prosjekter rundt tidligere Llama-modeller – fra chatboter finjustert på medisinsk kunnskap til hobbyist-smarttelefonapper som kjører miniature-utgaver – viste hvordan åpne modeller kan demokratisere eksperimentering. 

Likevel reiser den åpne modell-rensansen også vanskelige spørsmål. Skjer “demokratisering” virkelig hvis bare de med betydelige datamaskinresurser kan kjøre en 400 milliards parametermodell? Mens Llama 4 Scout og Maverick senker hårdvarubaren sammenlignet med monolittiske modeller, er de fortsatt tungvekt – et punkt ikke tapt på noen utviklere hvis PC-er ikke kan håndtere dem uten sky-hjelp. 

Håpet er at teknikkene som modellkomprimering, destillasjon eller mindre ekspertvarianter vil spre Llama 4’s kraft til mer tilgjengelige størrelser. En annen bekymring er misbruk. OpenAI og andre har lenge argumentert for at å slippe ut kraftige modeller åpent kunne muliggjøre skurkeaktører (for å generere desinformasjon, malware-kode osv.). 

Disse bekymringene består: en åpen kildekode Claude eller GPT kunne bli misbrukt uten de sikkerhetsfilter som selskaper tvinger på sine API-er. På den andre siden argumenterer tilhengere for at åpenhet tillater samfunnet å også identifisere og fikse problemer, gjøre modellene mer robuste og gjennomsiktige over tid enn noen hemmelig system. Det er bevis for at åpne modell-samfunn tar sikkerhet alvorlig, utvikler sine egne retningslinjer og deler beste praksis – men det er en pågående spenning.

Hva som blir stadig mer tydelig er at vi er på vei mot et hybrid AI-landskap hvor åpne og lukkede modeller samexisterer, hver påvirkning den andre. Lukkede leverandører som OpenAI, Anthropic og Google holder fortsatt en toppkvalitetsføring – for nå. Faktisk, ifølge forskning fra slutten av 2024, lå åpne modeller omtrent ett år bak de beste lukkede modellene i evne. Men den gapet lukkes raskt. 

I dagens marked betyr “åpen kildekode AI” ikke lenger bare hobbyprosjekter eller eldre modeller – det er nå i hjertet av AI-strategien for teknologigiganter og startup-selskaper like. Meta’s Llama 4-lansering er en potensiell påminnelse om åpenhetens evoluerende verdi. Det er både en filosofisk stand for demokratisering av teknologi og en taktisk bevegelse i en høyrisikospill. For utviklere og bedrifter åpner det nye dører til innovasjon og selvstendighet, selv om det kompliserer beslutninger med nye avveininger. Og for det bredere økosystemet reiser det håp om at AI-fordelene ikke blir låst i hendene på noen få korporasjoner – hvis den åpne kildekodemåten kan holde sin stilling.