DeepSeek V4 blev fritt tillgänglig i somras, med öppna vikter under MIT-licens och priser som underskrider allt OpenAI och Anthropic erbjuder. Samtidigt har den kinesiska modellen redan hunnit bannlysas i ett nordiskt parlament och granskas av dataskyddsmyndigheter i flera EU-länder. Den 23 augusti 2026 står nordiska it-avdelningar mitt i ett dilemma: modellen är billig, öppen och tekniskt konkurrenskraftig, men bygger på ett företag som lagrar data i Kina under kinesisk underrättelselagstiftning. Den här analysen går igenom vad som faktiskt hänt, vilka siffror som ligger bakom hajpen och hur svenska och nordiska organisationer navigerar mellan kostnadsfördelar och regelefterlevnad.
DeepSeek V4 når GA-status efter tre månaders förhandsvisning
DeepSeek skickade ut de första öppna vikterna för V4-Pro och V4-Flash den 24 april 2026, licensierade under MIT och tillgängliga direkt på Hugging Face. Efter tre månaders förhandsgranskning gick modellen allmänt tillgänglig (GA) den 20 juli 2026, med tillagda agentfunktioner, starkare matematisk resonemangsförmåga och riktade förbättringar för kodgenerering. Den 31 juli följde ytterligare en öppen viktuppsättning för V4-Flash, fortsatt under samma MIT-licens. Lanseringstakten är ovanligt hög även för en bransch där nya modeller dyker upp varje vecka, och den återspeglar hur snabbt DeepSeek försöker etablera sig som standardval för öppen källkod-AI innan konkurrenter som Qwen och Mistral hinner ikapp.
Så ser specifikationerna ut: V4-Pro och V4-Flash
DeepSeek V4 kommer i två varianter som båda bygger på en Mixture-of-Experts-arkitektur (MoE), där bara en bråkdel av den totala modellen aktiveras per token. Det gör dem betydligt billigare att köra än vad de råa parametertalen antyder.
Arkitektur och kontextfönster
V4-Pro har 1,6 biljoner totala parametrar men aktiverar bara 49 miljarder av dem per beräkning. V4-Flash är den lättare varianten, med 284 miljarder totala parametrar och 13 miljarder aktiva. Båda delar samma kontextfönster på en miljon tokens, vilket räcker till att mata in en hel kodbas eller flera hundra sidor dokumentation i ett enda anrop.
Benchmarkresultat mot slutna modeller
Enligt DeepSeeks egna publicerade resultat når DeepSeek-V4-Pro-Max 80,6 procent på SWE-bench Verified, det högsta som någon öppen modell uppnått och i nivå med Googles senaste Pro-modell på samma test. Siffran ska läsas med viss försiktighet eftersom den kommer från leverantören själv, men den har inte motsagts av oberoende granskare hittills och stämmer med de nedladdningssiffror som beskrivs längre ner.
| Egenskap | V4-Pro | V4-Flash |
|---|---|---|
| Totala parametrar | 1,6 biljoner | 284 miljarder |
| Aktiva parametrar | 49 miljarder | 13 miljarder |
| Kontextfönster | 1 miljon tokens | 1 miljon tokens |
| Pris, indata | 0,435 dollar/miljon tokens | 0,14 dollar/miljon tokens |
| Pris, utdata | 0,87 dollar/miljon tokens | 0,28 dollar/miljon tokens |
| Licens | MIT | MIT |
| VRAM-behov (ungefärligt) | Flera GPU:er med hög minneskapacitet | Cirka 170-175 GB |
Priset som får inköpsavdelningar att räkna om
Prisbilden är den enskilt största anledningen till att DeepSeek V4 sprider sig så fort. V4-Pro kostar 0,435 dollar per miljon indatatoken och 0,87 dollar per miljon utdatatoken via DeepSeeks egna API. V4-Flash landar på 0,14 respektive 0,28 dollar. För en organisation som spenderar tiotusentals dollar i månaden på inferens hos ett slutet alternativ blir skillnaden snabbt en fråga för budgetmötet snarare än bara för utvecklingsteamet. Det är den typen av räkneexempel som gör att öppna vikter inte längre bara är en fråga för forskare och hobbyister, utan för CFO:er på medelstora nordiska bolag.
Skillnaden märks snabbt i praktiken. Ett svenskt SaaS-bolag som i dag betalar för miljontals utdatatoken varje månad hos en sluten leverantör kan i teorin sänka den posten kraftigt genom att byta till V4-Pro via API, eller ännu mer genom att självhosta modellen på egen eller hyrd hårdvara. Den exakta besparingen varierar förstås med volym, promptlängd och vilken alternativkostnad som räknas in för drift, men storleksordningen är tillräckligt stor för att motivera en ordentlig utvärdering snarare än att avfärdas som marginell.
MIT-licensen öppnar dörren för fri kommersiell användning
MIT-licensen är en av de mest tillåtande som finns inom mjukvara. Den ger fri kommersiell användning utan royalties, utan användningstak och utan krav på att offentliggöra egna vidareutvecklingar. För företag som redan är vana vid open source-verktyg är steget till att självhosta en öppen AI-modell mindre dramatiskt än det låter. Skillnaden mot att använda DeepSeeks molntjänst direkt är avgörande: vikterna kan laddas ner en gång och köras på egen infrastruktur, i eget datacenter eller hos en europeisk molnleverantör, helt utan att någon förfrågan någonsin lämnar den valda jurisdiktionen. Det är just den distinktionen, mellan modellen och tjänsten, som ligger till grund för hela debatten om datasuveränitet som beskrivs nedan.
Nedladdningssiffrorna: 946 000 skäl att ta modellen på allvar
På Hugging Face har DeepSeek-V4-Pro registrerat 946 264 nedladdningar och 3 724 gillanden under den verifierade organisationen deepseek-ai. Den mindre V4-Flash-Base noterade 385 147 nedladdningar under en enda månad. Det är siffror som placerar DeepSeek V4 bland de mest hämtade öppna modellerna över huvud taget under 2026, tillsammans med Alibabas Qwen-serie. Nedladdningssiffror säger förstås inget om hur många av dessa installationer som faktiskt körs i produktion hos europeiska företag, men de visar med all önskvärd tydlighet att intresset finns, oavsett vad regulatorerna säger.
Italien satte precedensfallet redan i januari 2025
Den regulatoriska oron kring DeepSeek är inte ny, den föregår faktiskt V4 med över ett år. Redan den 28 januari 2025 öppnade den italienska dataskyddsmyndigheten Garante en utredning mot Hangzhou DeepSeek Artificial Intelligence. Två dagar senare, den 30 januari, beslutade myndigheten om en omedelbar begränsning av all behandling av italienska användares personuppgifter.
Vad tillsynsmyndigheten pekade ut
Enligt Garantes beslut, dokumenterat av juristbyrån Bird & Bird, handlade kritiken om flera saker samtidigt: otydlig information om vilken behandling som faktiskt sker, avsaknad av en tydlig rättslig grund för varje enskild databehandling, lagring av data i Kina samt att DeepSeek inte hade utsett något EU-ombud enligt dataskyddsförordningen. DeepSeek hävdade att den italienska lagstiftningen inte var tillämplig på tjänsten, ett argument Garante avvisade direkt.
Norge stänger dörren för Stortinget, Danmark nöjer sig med en varning
I Norden har reaktionerna skilt sig kraftigt åt. Enligt nyhetssajten Ingeniøren förbjöd Stortinget norska politiker och anställda från att använda DeepSeek på enheter kopplade till parlamentets system, efter att den norska säkerhetsmyndigheten NSM varnat norska företag för att tillåta appen på arbetsrelaterad it-utrustning. Danmark valde en mjukare linje: Folketinget rekommenderar ledamöter och personal att avstå från DeepSeek på tjänsteutrustning, men utan att göra det till ett formellt förbud. Skillnaden mellan ett direkt förbud i Oslo och en rekommendation i Köpenhamn illustrerar hur olika myndigheter tolkar samma underliggande risk.
Sverige och IMY: ingen bannlysning men en tydlig rekommendation
Integritetsskyddsmyndigheten, IMY, har inte utfärdat något formellt förbud mot DeepSeek i Sverige. Myndigheten har dock publicerat vägledning om hur GDPR ska tillämpas vid användning av generativ AI i offentlig och privat sektor, och rekommendationen till organisationer som vill testa DeepSeek är entydig: dela aldrig känslig eller personrelaterad information via tjänsten. Bakgrunden är att DeepSeek i sin egen integritetspolicy uppger att insamlad information lagras på servrar i Kina, ett land vars lagstiftning kräver att företag och medborgare samarbetar med statlig underrättelseverksamhet. Sverige har alltså valt en tredje väg, mellan Norges hårda linje och en helt passiv hållning.
Varför Norden talar med olika röster
Skillnaderna handlar mindre om teknisk bedömning och mer om vilken typ av risk respektive myndighet är satt att hantera. NSM i Norge är en säkerhetsmyndighet med mandat att skydda statliga system mot spionage, vilket gör ett kategoriskt förbud logiskt för just parlamentets utrustning. IMY i Sverige är en dataskyddsmyndighet vars uppdrag handlar om personuppgiftsbehandling snarare än nationell säkerhet, vilket ger ett smalare mandat och en försiktigare, mer resonerande hållning. Danmark hamnar däremellan. Resultatet är ett lapptäcke av regler som gör det svårt för ett nordiskt techbolag med verksamhet i flera länder att ha en enda, enhetlig AI-policy.
| Land/region | Myndighet | Åtgärd | Datum |
|---|---|---|---|
| Italien | Garante | Begränsning av databehandling | 30 januari 2025 |
| Norge | Stortinget/NSM | Förbud på parlamentets utrustning | 2025 |
| Danmark | Folketinget | Rekommendation att avstå | 2025 |
| Sverige | IMY | Vägledning, ingen bannlysning | Löpande 2025-2026 |
| EU (helhet) | EDPB | Utökad AI-arbetsgrupp, granskning pågår | 2025-2026 |
Självhostning som kompromiss mellan pris och integritet
Den praktiska lösning som växer fram bland nordiska it-avdelningar är att skilja på modellen och molntjänsten. Eftersom DeepSeek V4 släpps med öppna vikter under MIT-licens går det att köra modellen helt lokalt, utan att en enda förfrågan någonsin når DeepSeeks egna servrar i Kina. Data, loggar, säkerhetskopior och administrativ åtkomst stannar då inom vald jurisdiktion, vilket i praktiken löser den delen av GDPR-problemet som handlar om var behandlingen sker, samtidigt som kostnadsfördelen från den öppna modellen behålls.
Vad krävs i hårdvara
Ingen av varianterna passar på konsument-GPU:er. V4-Flash kräver ungefär 170-175 GB totalt VRAM, vilket i praktiken betyder två H200-kort eller motsvarande, medan V4-Pro kräver ännu mer minneskapacitet fördelat över flera GPU:er. Den vanligaste vägen är att köra de öppna vikterna med en högpresterande serveringsstack som vLLM och exponera modellen via ett lokalt, OpenAI-kompatibelt API. För en organisation som redan spenderar några tusen dollar i månaden på molnbaserad inferens brukar affärsargumentet för självhostning bli tydligt ganska snabbt.
Det suveräna molnet växer fram som alternativ
Molnleverantörerna har märkt av efterfrågan på just den här typen av lösning. Enligt Dagens Infrastruktur öppnade AWS sitt europeiska suveräna moln (European Sovereign Cloud) den 15 januari 2026, med infrastruktur placerad i Tyskland och fysiskt och logiskt separerad från övriga AWS-regioner. Erbjudandet motiveras enligt AWS av ökande kundbehov av datasuveränitet och ökande regulatoriska krav för hantering av känslig data. Tele2 har på liknande grunder inlett ett partnerskap med franska Scaleway för att lansera ett suveränt europeiskt moln- och AI-erbjudande riktat mot svenska kunder. Trenden är tydlig: infrastrukturen för att köra öppna modeller som DeepSeek V4 inom EU:s gränser, med kontrakterade garantier om var behandlingen sker, byggs ut snabbare än på länge.
Konkurrenslandskapet: DeepSeek mot Mistral, Qwen och Meta
DeepSeek V4 är inte den enda öppna modellen som konkurrerar om nordiska utvecklares uppmärksamhet under 2026. Franska Mistral AI, med starka kopplingar till EU och redan investeringar i svensk datacenterkapacitet, är det mest naturliga alternativet för organisationer som av principskäl vill undvika både kinesiska och amerikanska leverantörer. Alibabas Qwen3.8-Max konkurrerar rent tekniskt med ännu fler totala parametrar. Metas öppna Muse Glimmer riktar sig snarare mot enklare, lokala driftsättningar på en enskild GPU.
| Modell | Utvecklare | Totala/aktiva parametrar | Kontext | Licens |
|---|---|---|---|---|
| DeepSeek V4-Pro | DeepSeek (Kina) | 1,6 biljoner / 49 miljarder | 1 miljon tokens | MIT |
| Qwen3.8-Max | Alibaba (Kina) | 2,4 biljoner / 95 miljarder | 1 miljon tokens | Anpassad, MIT-liknande |
| Mistral Large 3 | Mistral AI (Frankrike/EU) | 675 miljarder / 41 miljarder | 256 000 tokens | Apache 2.0 |
| Muse Glimmer | Meta (USA) | 30 miljarder (dense) | Ej officiellt jämförbar | Apache 2.0 |
Två av de fyra ledande öppna modellerna kommer alltså från kinesiska bolag, vilket förstärker snarare än löser sourcing-dilemmat för nordiska organisationer. Mistral Large 3 är för många europeiska köpare det tryggaste valet ur ett rent jurisdiktionsperspektiv, trots att det tekniskt sett inte matchar DeepSeeks pris per token.
Historik: från chockvåg till etablerad aktör
Det är lätt att glömma hur nytt hela fenomenet DeepSeek egentligen är. R1-modellen chockade marknaden i januari 2025, utlöste Italiens blockering inom dagar och satte i gång utredningar i Belgien och Irland. Arton månader senare är DeepSeek inte längre en kuriositet utan en etablerad del av det öppna AI-ekosystemet, med produktionsanvändning hos företag som medvetet väljer bort de stora amerikanska molnleverantörerna. Vägen dit har gått via upprepade prishöjningar på den officiella API-tjänsten, flera modellgenerationer och en stadigt växande mängd oberoende driftsättningar som aldrig rör vid DeepSeeks egen infrastruktur. Just den sistnämnda utvecklingen, från molntjänst till nedladdningsbar vikt, är den som gör hela debatten om datasuveränitet relevant på ett sätt den inte var för arton månader sedan.
Marknadspåverkan för nordiska techbolag och konsultbolag
För nordiska konsultbolag och SaaS-leverantörer skapar situationen både en möjlighet och ett säljargument. Den som kan visa att en AI-funktion körs på självhostade, öppna vikter inom EU, snarare än via ett amerikanskt eller kinesiskt API, får ett konkurrensmedel gentemot upphandlande myndigheter och GDPR-känsliga kunder inom vård, finans och offentlig sektor. Samtidigt ökar kraven på intern kompetens. Att driva vLLM-kluster med flera GPU:er i produktion är en annan disciplin än att anropa ett API, och den kompetensbristen är i sig en marknad för specialiserade infrastrukturbolag. AI Sweden har redan sökt sig in i det europeiska projektet OpenEuroLLM för att bygga öppna, europeiska språkmodeller, ett tecken på att staten också ser digital suveränitet som en strategisk fråga snarare än ett tekniskt detaljproblem.
Effekten syns tydligast i offentlig upphandling. Svenska kommuner och myndigheter som redan omfattas av NIS2 och skärpta krav på leverantörskedjor har svårt att motivera ett direkt beroende av en molntjänst med servrar i Kina, oavsett hur konkurrenskraftigt priset är. Konsultbolag som kan erbjuda samma modell, men driftsatt inom EU med dokumenterad datalokalisering, får därför ett försprång i just de upphandlingarna. På sikt kan det här bli den faktor som avgör om DeepSeek V4 stannar kvar som ett verktyg för utvecklare i tidiga experiment, eller växer till en etablerad del av nordisk företags-it.
Prognoser för hösten och 2027
Baserat på utvecklingen hittills går det att dra några rimliga slutsatser om vad som väntar:
- Fler nordiska myndigheter kommer sannolikt att publicera egen vägledning om öppna kinesiska AI-modeller under hösten 2026, i linje med det IMY redan inlett.
- Efterfrågan på suverän molninfrastruktur för AI-arbetslaster väntas fortsätta växa i takt med att fler leverantörer, utöver AWS och Scaleway, lanserar EU-baserade alternativ.
- Mistral AI:s investering i svensk datacenterkapacitet gör det troligt att fler svenska bolag väljer europeiska modeller som förstahandsval, även när priset per token är högre än DeepSeeks.
- Konkurrensen mellan DeepSeek och Qwen om att vara den ledande öppna modellen väntas hårdna ytterligare, vilket sannolikt pressar priserna nedåt även på självhostad infrastruktur.
- Fler EU-utredningar liknande den italienska kan inledas om DeepSeek inte utser ett EU-ombud eller förtydligar sin rättsliga grund för databehandling, vilket skulle öka trycket mot självhostning som standardlösning.
Vanliga frågor
Är det lagligt att använda DeepSeek V4 i Sverige?
Ja, det finns inget formellt förbud i Sverige. IMY har dock rekommenderat att organisationer inte delar känslig eller personrelaterad information via DeepSeeks molntjänst, eftersom data lagras i Kina.
Vad är skillnaden mellan V4-Pro och V4-Flash?
V4-Pro har 1,6 biljoner totala parametrar med 49 miljarder aktiva och riktar sig mot krävande uppgifter. V4-Flash är mindre, med 284 miljarder totala och 13 miljarder aktiva parametrar, och kostar ungefär en tredjedel så mycket per token.
Kan jag köra DeepSeek V4 helt lokalt utan moln?
Tekniskt ja, men det kräver seriös hårdvara. V4-Flash behöver omkring 170-175 GB VRAM, vilket i praktiken kräver flera datacenter-GPU:er som H200 eller motsvarande. Det är inte en lösning för en vanlig arbetsstation.
Varför har Norge bannlyst DeepSeek men inte Sverige?
Norges förbud gäller Stortingets egen utrustning och kom efter en varning från säkerhetsmyndigheten NSM, som bedömer nationella säkerhetsrisker. IMY i Sverige är en dataskyddsmyndighet med ett annat mandat och har valt vägledning framför förbud.
Är MIT-licensen verkligen helt fri att använda kommersiellt?
Ja. MIT-licensen tillåter kommersiell användning utan royalties, utan användningstak och utan krav på att offentliggöra egna ändringar. Det gäller oavsett var vikterna körs, så länge själva modellfilerna hämtas lagligt.
Löser självhostning hela GDPR-problemet?
Självhostning löser den del av problemet som handlar om var data behandlas och lagras. Organisationen måste ändå uppfylla övriga GDPR-krav, som rättslig grund för behandlingen och information till registrerade, precis som vid vilket annat AI-verktyg som helst.
Hur billig är DeepSeek V4 jämfört med slutna alternativ?
Via DeepSeeks eget API kostar V4-Pro 0,87 dollar per miljon utdatatoken, en bråkdel av vad ledande slutna modeller tar betalt. Kostnadsbilden vid självhostning ser annorlunda ut eftersom organisationen själv står för hårdvara och drift.
Finns det öppna europeiska alternativ till DeepSeek?
Mistral Large 3 från franska Mistral AI är det mest etablerade europeiska alternativet, släppt under Apache 2.0-licens med 675 miljarder totala och 41 miljarder aktiva parametrar. Det matchar inte DeepSeeks pris per token men undviker frågan om kinesisk jurisdiktion helt.
Relaterad bevakning
- DeepSeek V4-Pro vs Gemini 3.7 Flash: 384K vs 65K
- DeepSeek V4 Pro Officiell: API-Priset Upp 200%
- Kör DeepSeek och Llama 4 Lokalt: 14 Steg, 45 Min
- Öppen Källkod-AI Slår Stängt: DeepSeek 80,6% vs GPT
- EU AI-Lagen Skjuts Upp 16 Månader, Norden Kör På
- Mistral satsar 1,2 miljarder euro på AI i Sverige
Läs mer inom området på pillarsidan AI & Maskininlärning.
