Sverige tar ett nytt steg mot en egen, statligt förankrad AI-modell. Regeringen och Knut och Alice Wallenbergs Stiftelse presenterade i februari 2026 en nationell AI-strategi där en svensk språkmodell ska bli kärnan i landets “suveräna AI”-satsning. I höstbudgeten för 2026 öronmärktes 40 miljoner kronor till Kungliga biblioteket (KB) och dess AI-labb KBLab, för att bygga ut lagring, beräkningskraft och forskarkompetens kring svenska språkmodeller. Samtidigt strammas tillgången till Sveriges första stora språkmodell, GPT-SW3, åt: sedan den 21 augusti 2026 krävs en formell ansökan för att få använda den, i stället för fri nedladdning. Satsningen kommer mitt i en sommar där OpenAI, Anthropic, Google DeepMind och DeepSeek har rullat ut nya flaggskeppsmodeller på löpande band, vilket gör frågan om digitalt oberoende mer akut för svenska myndigheter och företag än på länge.
Vad innebär Sveriges satsning på en egen AI-modell?
Kärnan i strategin är enkel att beskriva men svår att genomföra: Sverige vill äga och kontrollera sin egen stora språkmodell i stället för att enbart förlita sig på amerikanska eller kinesiska leverantörer. Regeringen och Wallenbergstiftelsen meddelade den 20 februari 2026 att arbetet med att träna en ny nationell svensk AI-modell inleds under 2026, med de flesta stora träningskörningarna planerade till slutet av året. Modellen ska spegla svensk kultur, svenska värderingar och svensk lagstiftning, och träningsdata hämtas uttryckligen från offentlig sektor, svensk litteratur och svenska nyhetsmedier för att ge stark inhemsk förankring.
Bakom satsningen ligger ett tydligt säkerhetstänk. Sverige vill minska beroendet av utländska grundmodeller för känsliga arbetsflöden inom myndigheter, sjukvård och rättsväsende, samtidigt som landet ska klara både svensk dataskyddslagstiftning och EU:s AI-förordning. Det är denna kombination av industripolitik och AI-säkerhet som gör att svenska aktörer, från AI Sweden till Wallenberg-programmet WASP, numera talar om nationella språkmodeller som “suveräna AI-tillgångar” snarare än vanliga kommersiella produkter.
40 miljoner kronor till KBLab: så fördelas pengarna
I den svenska statsbudgeten för 2026 avsätts 40 miljoner kronor, motsvarande ungefär 3,5 miljoner euro, specifikt för att bygga ut AI-kapaciteten vid Kungliga biblioteket. Pengarna gör KB till en central aktör i arbetet med att träna och underhålla stora svenska språkmodeller, ett uppdrag som tidigare mest sköttes av universitetsforskare på deltid.
Av totalsumman går 30 miljoner kronor till utökad lagrings- och beräkningskapacitet på KB, vilket ska göra det möjligt att regelbundet omträna och finjustera KBLab:s språkmodeller på nydigitaliserat kulturarvsmaterial. Resterande 10 miljoner kronor riktas mot personal, verktyg och forskningssamarbeten kring KBLab, bibliotekets interna AI-labb som redan i dag arbetar med svenskspråkig språkteknologi. Regeringens egen beskrivning kallar KB:s modellarbete en “central nod” för kulturellt förankrad AI som ska användas av myndigheter, universitet och företag.
Beloppet är blygsamt jämfört med de investeringar som globala AI-bolag gör varje kvartal, men det säger något om ambitionsnivån: KBLab ska inte bygga en modell som slår GPT-5.6 på räckvidd, utan en modell som är juridiskt och kulturellt pålitlig för svenska myndigheter att använda i skarpt läge.
GPT-SW3: Sveriges första stora språkmodell
Det nya initiativet bygger vidare på ett arbete som redan pågått i flera år. GPT-SW3 var Sveriges första stora generativa språkmodell, utvecklad av AI Sweden tillsammans med bland andra RISE och flera universitet. Modellfamiljen spänner från 126 miljoner till 40 miljarder parametrar och tränades med tydligt fokus på svenska och övriga nordiska språk. Modellerna släpptes ursprungligen under en tillåtande licens via Sveriges nationella AI-hubb, vilket gjorde dem tillgängliga för forskare, myndigheter och företag utan stora juridiska hinder.
GPT-SW3 blev ett bevis på att det går att bygga konkurrenskraftiga, nordiskt fokuserade språkmodeller utan Silicon Valley-budgetar. Samtidigt är modellen, sett med 2026 års ögon, liten och begränsad jämfört med de flaggskeppsmodeller som globala labb nu släpper med jämna mellanrum. Det är just det glappet som den nya nationella satsningen ska försöka minska.
Från fri nedladdning till ansökan: GPT-SW3:s nya tillgångspolicy
En detalj som fått utvecklare att haja till är hur tillgången till GPT-SW3 förändrats. Sedan den 21 augusti 2026 går det inte längre att bara ladda ner modellvikterna fritt. I stället måste svenska och internationella forskare skicka in en formell ansökan för att få tillgång, ett tecken på att styrningen och säkerhetskontrollerna kring stora svenska språkmodeller skärps.
Skiftet väcker en rimlig fråga: går det att kalla en modell “öppen” om tillgången kräver godkännande från en myndighet? AI Sweden och KB motiverar förändringen med ansvarsfull användning och behovet av att kunna spåra vem som bygger vad ovanpå modellerna, särskilt inför den nya nationella modellens lansering. För utvecklare i näringslivet innebär det i praktiken längre ledtider innan ett projekt kan komma igång, jämfört med att bara hämta vikter direkt från Hugging Face som med flera konkurrerande öppna modeller.
WASP och Berzelius: infrastrukturen bakom satsningen
Ingen språkmodell tränas utan rejäl beräkningskraft, och Sveriges satsning vilar på infrastruktur som byggts upp under lång tid. Den nationella modellen kommer att tränas med hjälp av superdatorn Berzelius vid Linköpings universitet, ett GPU-kluster finansierat av Wallenbergstiftelserna som redan i flera år använts för storskalig träning av språkmodeller i Sverige.
Inom ramen för Wallenberg AI, Autonomous Systems and Software Program (WASP) har en särskild forskningsarena kallad WARA AI-TRICS inrättats för att samordna arbetet med kvalitativa nationella språkmodeller för svenska. Arenan knyter samman forskare, industri och infrastrukturägare under ett och samma paraply, vilket ska undvika att arbetet fragmenteras mellan enskilda universitetsprojekt som tidigare varit fallet.
Kombinationen av Berzelius, KB:s nya anslag och WASP:s forskningsnätverk är i praktiken Sveriges svar på frågan om var man ska hämta beräkningskraften utan att behöva hyra in sig hos amerikanska molnjättar för de mest känsliga arbetsflödena.
Nordiska alternativ: Poro och Viking-modellerna
Sverige är inte ensamt i Norden om att bygga öppna språkmodeller. Silo AI (numera SiloGen) och finska TurkuNLP driver parallellt modellfamiljerna Poro och Viking, tillgängliga i storlekarna 7, 13 och 33 miljarder parametrar. Modellerna tränades på omkring 1 biljon token som täcker samtliga nordiska språk plus engelska och flera programmeringsspråk, och släpps under Apache 2.0-licens, vilket gör dem fritt användbara även i kommersiella och säkerhetskänsliga sammanhang.
Viking-modellerna bygger på en arkitektur som påminner om Llama 2, med flash attention, roterande positionsembeddingar och grouped query attention, samt ett kontextfönster på 4 000 token. Träningen skedde på upp till 1 024 AMD MI250X-GPU:er på superdatorn LUMI, vilket förankrar nordisk modellutveckling i europeisk högpresterande datorinfrastruktur snarare än amerikanska molntjänster.
För svenska utvecklare som vill testa en nordisk modell direkt är tröskeln låg jämfört med GPT-SW3:s nya ansökningsprocess:
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "LumiOpen/Viking-33B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")
prompt = "Sammanfatta svensk AI-politik 2026 i tre meningar:"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
output = model.generate(**inputs, max_new_tokens=200)
print(tokenizer.decode(output[0], skip_special_tokens=True))Modellerna finns publicerade under organisationen LumiOpen på Hugging Face, vilket gör dem betydligt enklare att komma igång med för ett svenskt techbolag som vill undvika både amerikanska molnberoenden och ansökningsprocesser.
Svenska och nordiska språkmodeller: en jämförelse
Tabellen nedan ställer de svenska och nordiska modellinitiativen mot varandra, med fokus på parameterstorlek, licens och vem som äger infrastrukturen.
| Modell | Utvecklare | Parametrar | Licens / tillgång | Träningsinfrastruktur |
|---|---|---|---|---|
| GPT-SW3 | AI Sweden, RISE, universitet | 126 miljoner–40 miljarder | Ansökan krävs sedan 21 aug 2026 | Nationell AI-hubb, Sverige |
| Ny nationell modell (under träning) | KBLab / Kungliga biblioteket | Ej offentliggjort | Under utveckling, statligt förankrad | Berzelius, Linköpings universitet |
| Poro | Silo AI / SiloGen, TurkuNLP | 7–34 miljarder | Apache 2.0 (fri kommersiell användning) | LUMI, Finland |
| Viking | Silo AI / SiloGen, TurkuNLP | 7, 13, 33 miljarder | Apache 2.0 (fri kommersiell användning) | LUMI, upp till 1 024 AMD MI250X |
Konkurrensen: globala jättar sommaren 2026
Den svenska satsningen sker mitt i en period med ovanligt tät takt av lanseringar från de stora AI-labben. OpenAI:s GPT-5.6-serie, uppdelad i spåren Sol, Luna och Terra, blev allmänt tillgänglig omkring den 9 juli 2026. Sedan den 6 augusti 2026 är GPT-5.6 Luna standardmodell för gratisanvändare i ChatGPT, medan Plus- och Pro-användare får GPT-5.6 Sol med en ny “thinking slider” som låter användaren styra hur mycket beräkning modellen lägger på resonemang.
Anthropic släppte Claude Opus 5 den 24 juli 2026, med ett kontextfönster på 1 000 000 token och ett pris per miljon token som ligger klart högre än tidigare Opus-generationer, vilket positionerar modellen som ett premiumalternativ snarare än en volymprodukt. Google DeepMind följde upp med Gemini 3.6 Flash och Gemini 3.5 Flash-Lite den 21 juli 2026, båda med kontextfönster på runt 1 048 576 token, tillräckligt stort för att bearbeta hela kodbaser eller långa juridiska dokument i ett svep.
Samtidigt pressar DeepSeek priserna nedåt. Modellen DeepSeek V4-Flash 0731, släppt den 31 juli 2026 med öppna vikter och API-tillgång, prissätts kring 0,14 dollar per miljon token, ungefär 1,50 kronor, vilket gör den till ett av de mest kostnadseffektiva alternativen för egen drift på marknaden just nu. Det är just den prisbilden svenska myndigheter måste ställa mot kostnaden för att bygga och drifta en egen, mindre kapabel men fullt kontrollerad nationell modell.
Globala flaggskeppsmodeller sommaren 2026
| Modell | Utvecklare | Lansering | Kontextfönster | Prisnivå (API) |
|---|---|---|---|---|
| GPT-5.6 Luna | OpenAI | 9 juli 2026 (GA), 6 aug standard i gratis ChatGPT | Ej offentliggjort i detalj | Ingår i ChatGPT-abonnemang |
| Claude Opus 5 | Anthropic | 24 juli 2026 | 1 000 000 token | Premiumprissättning, högre än tidigare Opus |
| Gemini 3.6 Flash | Google DeepMind | 21 juli 2026 | ca 1 048 576 token | Lågprissegment för Flash-serien |
| DeepSeek V4-Flash 0731 | DeepSeek | 31 juli 2026 | Öppna vikter, egen drift möjlig | ca 0,14 USD / miljon token |
Varför suverän AI? EU:s AI-förordning och dataskydd
Drivkraften bakom den svenska satsningen handlar lika mycket om juridik som om teknik. EU:s AI-förordning ställer högre krav på transparens, riskklassificering och dokumentation för AI-system som används inom offentlig sektor, sjukvård och andra högriskområden. En modell som tränas, ägs och driftas inom svenska och europeiska system blir enklare att granska och anpassa till dessa krav än en molntjänst från ett amerikanskt eller kinesiskt bolag.
Det finns också ett rent dataskyddsperspektiv. Offentlig sektor i Sverige hanterar stora mängder känsliga personuppgifter, från journaler till socialtjänstärenden, och regeringens linje är att träningsdata och modellvikter för sådana användningsfall bör stanna inom landets, eller åtminstone unionens, gränser. Det är denna logik som ligger bakom att svenska aktörer numera pratar om nationella språkmodeller som infrastruktur snarare än mjukvara, på samma sätt som elnät eller vattenledningar betraktas som samhällskritiska.
Marknadspåverkan: vad betyder det för svenska AI-företag?
För svenska startupbolag och etablerade techbolag öppnar satsningen två dörrar samtidigt. Dels blir det möjligt att bygga produkter ovanpå en modell som är juridiskt förutsägbar för offentlig sektor, en marknad som annars ofta stängts för leverantörer som bygger på amerikanska molntjänster med osäker dataflödeshantering. Dels riskerar mindre bolag att hamna i skuggan av de stora aktörerna som redan investerar miljarder dollar i varje kvartal, vilket gör att en svensk nationell modell aldrig kommer att konkurrera på ren kapacitet med GPT-5.6 eller Claude Opus 5.
I stället handlar den svenska strategin om nischfördelar: en modell som är billigare att certifiera för myndighetsbruk, snabbare att granska juridiskt och mer transparent i sin träningsdata. För bolag som redan i dag levererar AI-lösningar till kommuner, regioner och statliga myndigheter kan det bli en konkurrensfördel att bygga vidare på KBLab:s eller Poro/Viking-familjens modeller i stället för att förlita sig helt på amerikanska API:er, särskilt när upphandlingar börjar väga in datasuveränitet som ett kriterium.
Historisk kontext: från GPT-SW3 2022 till dagens satsning
Det är lätt att glömma hur ung svensk språkteknologi egentligen är i sin moderna form. GPT-SW3 lanserades i sina första versioner för några år sedan som ett forskningsprojekt snarare än en produkt, byggt för att bevisa att nordiska språk kunde få egna, konkurrenskraftiga modeller utan att behöva vänta på att amerikanska labb skulle prioritera svenska som språk. Sedan dess har fältet förändrats i grunden. Där GPT-SW3 en gång var udda i sitt slag är det nu en av flera nordiska initiativ, tillsammans med Poro, Viking och nu den kommande nationella modellen från KBLab.
Skillnaden mot 2022 och 2023 är finansieringen och den politiska tyngden. Det som tidigare var forskningsanslag hanterade av enskilda universitetsinstitutioner är i dag en uttalad regeringsprioritet, förankrad i statsbudgeten och kopplad direkt till en av landets största privata forskningsstiftelser. Det säger något om hur snabbt AI-frågan klättrat på den politiska dagordningen på bara tre år.
Fem förutsägelser för svensk AI-politik 2026–2028
- Fler EU-länder följer efter. Sveriges modell för statligt förankrad AI-infrastruktur kommer sannolikt att inspirera liknande initiativ i andra mindre EU-länder som vill undvika total import av amerikansk AI-kapacitet.
- Striktare tillgångskontroll blir norm. Övergången från fri nedladdning till ansökningsförfarande för GPT-SW3 pekar mot att även den nya nationella modellen kommer att lanseras med granskad, snarare än helt öppen, tillgång.
- Berzelius blir en flaskhals. I takt med att fler forskargrupper och myndigheter vill träna och finjustera på samma infrastruktur riskerar kapacitetsbrist att bli ett återkommande diskussionsämne redan under 2027.
- Nordiska öppna modeller vinner mark i näringslivet. Poro och Viking, med sin Apache 2.0-licens, kan bli det pragmatiska valet för svenska och finska företag som vill ha nordisk förankring utan en statlig ansökningsprocess.
- Offentlig upphandling börjar väga in datasuveränitet. Krav på att känslig AI-bearbetning ska ske inom EU, eller specifikt inom Norden, kan bli en formell del av offentliga upphandlingskriterier senast 2027.
Risker och kritik mot satsningen
Kritiken mot projektet handlar främst om skala och tidsplan. 40 miljoner kronor är en försvinnande liten summa jämfört med de investeringar på miljarder dollar som OpenAI, Anthropic och Google gör i sin infrastruktur, och det finns en uppenbar risk att den nationella modellen redan vid lansering ligger flera generationer efter de globala flaggskeppen på rena kapacitetsmått som resonemang och kodning.
Det finns också en risk kopplad till kompetensförsörjning. Sverige har ett litet men kompetent forskarsamhälle inom språkteknologi, men konkurrensen om AI-forskare med erfarenhet av att träna stora modeller är global, och löner hos amerikanska techjättar överstiger vad statligt finansierade projekt kan matcha. Slutligen väcker övergången till ansökningsbaserad tillgång för GPT-SW3 en principiell fråga: om Sveriges “öppna” modeller successivt stängs bakom godkännandeprocesser, urholkas en del av poängen med att bygga dem i första hand, nämligen att ge små svenska bolag och forskare fri tillgång utan juridisk friktion.
Vanliga frågor om Sveriges AI-satsning
Vad är KBLab?
KBLab är Kungliga bibliotekets interna AI-labb, inriktat på svenskspråkig språkteknologi och stora språkmodeller tränade på bibliotekets digitaliserade samlingar.
Hur mycket pengar går till den svenska AI-satsningen 2026?
40 miljoner kronor öronmärktes i 2026 års statsbudget för att bygga ut AI-kapaciteten vid Kungliga biblioteket, varav 30 miljoner går till lagring och beräkningskraft och 10 miljoner till personal och forskningssamarbeten.
Vad är GPT-SW3?
GPT-SW3 är Sveriges första stora generativa språkmodell, utvecklad av AI Sweden i samarbete med RISE och flera universitet, med modellstorlekar från 126 miljoner till 40 miljarder parametrar.
Kan jag fortfarande ladda ner GPT-SW3 fritt?
Nej. Sedan den 21 augusti 2026 krävs en formell ansökan för att få tillgång till modellen, i stället för den tidigare fria nedladdningen.
Vad är skillnaden mellan Poro och Viking?
Båda är öppna nordiska modellfamiljer från Silo AI/SiloGen och TurkuNLP, tränade på LUMI-superdatorn under Apache 2.0-licens. Viking använder en Llama 2-liknande arkitektur med flash attention och grouped query attention, medan Poro är den bredare, tidigare modellfamiljen i samma initiativ.
Kan svenska företag använda de nordiska modellerna kommersiellt?
Ja. Poro och Viking släpps under Apache 2.0-licens, vilket tillåter fri kommersiell användning, till skillnad från GPT-SW3 som numera kräver ansökan.
Hur förhåller sig satsningen till EU:s AI-förordning?
En modell som tränas och driftas inom Sverige och EU blir enklare att dokumentera och granska enligt AI-förordningens krav på transparens och riskklassificering än en tjänst som körs hos en utomeuropeisk leverantör.
När väntas Sveriges nya nationella språkmodell vara klar?
De stora träningskörningarna är planerade att genomföras under resten av 2026, med Berzelius-superdatorn vid Linköpings universitet som huvudsaklig beräkningsresurs.
Relaterad läsning
- Mistral Satsar $1,4 Miljarder på AI-Center i Sverige [2026]
- DeepSeek V4 Möter GDPR-oro: 946 000 Laddar Ner Ändå [2026]
- Muse Glimmer: Metas 30B AI-Modell Utmanar Molnet [2026]
- Qwen3.8-27B Slår Claude Opus 4.6: 262K Kontext [2026]
- GPT-5.6 vs Claude Opus 5: 96% mot 90% SWE-bench [2026]
- EU AI-Lagen Skjuts Upp 16 Månader, Norden Kör På [2026]
Läs mer om AI och maskininlärning i vår samlingskategori för AI & Maskininlärning.
