Mellemstor open-source model. Dens vægte og træningskode er open-source. Modellen er udviklet af et konsortium af schweiziske institutioner. Den er blevet trænet på mere end 1.800 sprog ud fra 15.000 milliarder tokens. Modellen er trænet på CSCS' supercomputer Alps i Lugano, som er drevet af CO2 neutral vandkraft og er dermed en mere bæredygtig tilgang til AI-udvikling. Den er blevet designet fra starten til at være i overensstemmelse med AI Act.

Meget stor multimodal og flersproget model, som er højtydende inden for kode, autonom computerbrug og ræsonnering. Brugeren eller udvikleren kan vælge mellem flere niveauer af ræsonnering.

En reduceret og mere omkostningseffektiv version af DeepSeek V4 Pro, der bevarer det samme kontekstvindue på én million tokens til analyse af meget lange dokumenter. Dens API-pris ligger blandt de laveste i sin kategori for behandling af lang kontekst, med et præstationsniveau sammenligneligt med mellemstore proprietære modeller, hvilket gør den til en interessant mulighed i forhold til pris/ydeevne-forholdet. Den integrerer en avanceret ræsonneringsevne, der kan aktiveres efter behov, med et ræsonneringsniveau der kan konfigureres af brugeren eller udvikleren.

Meget stor model designet til at analysere meget lange dokumenter (op til én million tokens i input, svarende til flere bøger) og til agentiske opgaver som kodegenerering og værktøjsbrug. Dens API-pris er lavere end de førende sammenlignelige proprietære modeller, hvilket gør den til en mulighed værd at overveje i forhold til pris/ydeevne-forholdet. Den integrerer en avanceret ræsonneringsevne, der kan aktiveres efter behov, med et ræsonneringsniveau der kan konfigureres af brugeren eller udvikleren.

En flersproget model designet specifikt til europæisk sproglig mangfoldighed med stærke flersprogede oversættelses- og forståelsesevner.

Stor, native, multimodal og flersproget model, destilleret fra Gemini 3 Pro. Den inkorporerer en avanceret ræsonneringsevne ("Deep Think"), der kan aktiveres efter behov, med et ræsonneringsniveau, der kan konfigureres af brugeren eller udvikleren. Modellen understøtter nativt tekst, kode, lyd, billeder, video og PDF'er.

Mellemstor, multimodal og hurtig model, egnet til automatiseret brug eller relativt simple opgaver: oversættelse, klassificering, indholdsmoderationering. Den tilbyder justerbare niveauer af ræsonnering, fra minimal til mere dybdegående.

Meget stor multimodal og flersproget model, en videreudvikling af Gemini 3 Pro. Den bibeholder de samme multimodale egenskaber og ræsonneringstilstanden ("Deep Think"), og tilføjer et tredje mellemliggende ræsonneringsniveau samt forbedringer inden for planlægningsopgaver og værktøjsbrug.

Som en mixture of experts-variant (MoE) af Gemma 4-familien tilbyder denne multimodale flersprogede model præstationer tæt på den tætte 31B-version til en betydeligt lavere inferensomkostning. Den integrerer en avanceret ræsonneringsevne, der kan aktiveres efter behov, med et ræsonneringsniveau der kan konfigureres af brugeren eller udvikleren.

Som en tæt variant af Gemma 4-familien udmærker denne mellemstore multimodale model sig inden for kodegenerering, ræsonnering og dokumentforståelse. Den integrerer en avanceret ræsonneringsevne, der kan aktiveres efter behov, med et ræsonneringsniveau der kan konfigureres af brugeren eller udvikleren.

Meget stor model designet til komplekse opgaver: softwareudvikling, agentisk orkestrering og avanceret ræsonnering. Den simulerer et ræsonneringstrin inden den genererer sit svar. Denne version forbedrer mærkbart præstationerne inden for kodning og langvarig autonom udførelse sammenlignet med GLM 5.

En kompakt version af GPT 5.4, designet til at tilbyde en god balance mellem ydeevne og omkostninger. Velegnet til kodegenerering, agentiske systemer og autonom computerbrug. Den kan simulere et ræsonneringstrin inden svaret genereres.

Den mindste og mest økonomiske model i GPT 5.4-familien, designet til opgaver med stort volumen såsom klassificering, dataudtrækning eller sortering. Den kan simulere et ræsonneringstrin inden svaret genereres.

Multimodal model (tekst- og billedinput), der primært adskiller sig fra GPT 5.4 ved et markant fremskridt på to områder: informationsgenfinding i meget lange kontekster (hvor den næsten fordobler scoren fra den tidligere version) og agentiske opgaver inden for programmering og computerbrug. Ifølge udvikleren er dens påstande 23 % oftere faktuelt korrekte end GPT 5.4's; til gengæld har den en tendens til at opdigte et svar frem for at erkende sin uvidenhed, når den tager fejl. Den simulerer et ræsonneringstrin inden den genererer sit svar, med fem konfigurerbare indsatsniveauer.

Den største af de to første semi-åbne modeller fra OpenAI siden GPT-2. Designet som svar på fremgangen for open source-aktører som Meta (LLaMA) og Mistral, er det en performant ræsonneringsmodel, især til komplekse opgaver og i "agentiske" miljøer.

Den mindste af de to semi-åbne modeller fra OpenAI. Den er blevet designet som svar på konkurrencen fra open source og er beregnet til anvendelsestilfælde, der kræver lav latens, samt til lokale eller specialiserede implementeringer.

Med udgangspunkt i Kimi K2 har udgiveren fortsat fortræningen på cirka 15 billioner yderligere tokens, der blander tekst og visuelle data. Udgiveren fremhæver dens native multimodalitet samt dens agentiske egenskaber, der er særligt velegnede til opgaver som softwareudvikling.

Meget stor åben model udviklet af Moonshot AI, som skiller sig ud med en agent-tilstand, der kan koordinere op til 300 underagenter, der arbejder parallelt på en enkelt kompleks opgave. Den er nativt multimodal (tekst, billede, video) og har en ræsonneringstilstand. Ifølge udgiveren konkurrerer den med de bedste proprietære modeller som Claude Opus 4.6 og GPT-5.4 på flere softwareudviklings-benchmarks, samtidig med at den udgives med åbne vægte.

Åben model udviklet af Liquid AI til effektiv deployment, herunder lokalt på en kraftig computer. Dens særkende er, at den genererer tekst mærkbart hurtigere end en model af tilsvarende størrelse, takket være en arkitektur, der bryder med de aktuelt dominerende modeldesigns.

Meget stor model udstyret med et meget bredt kontekstvindue, egnet for eksempel til resumering af flere dokumenter på samme tid.

Stor model udstyret med et meget bredt kontekstvindue, egnet for eksempel til syntese af et sæt dokumenter.

Meget stor, semi-åben model specialiseret i kode og agentiske opgaver, udviklet af MiniMax, en virksomhed med base i Shanghai. Udgiveren præsenterer den som en „selvudviklende" model: den optimerer autonomt sine egne metoder til at løse opgaver, med et betydeligt præstationsløft som resultat. Ifølge udgiveren konkurrerer den med de bedste proprietære modeller inden for softwareudvikling, samtidig med at den udgives med åbne vægte.

En meget stor, semi-åben, multimodal model, der præsterer godt i flersproget kode og kontekster.

Mellemstor multilingual, multimodal model, der er billigere sammenlignet med andre modeller, som tilbyder lignende ydeevne. Den blev særligt interessant efter en opdatering i august 2025 med betydelige forbedringer af den generelle ydeevne, en "forbedret" tone og en bedre evne til at søge information på internettet.

En stor semi-åben multimodal model, der forener kapaciteter inden for instruktionsfulgte opgaver, ræsonnering og agentisk programmering. Den simulerer et ræsonneringstrin inden svaret genereres, med konfigurerbar ræsonneringsindsats.

En stor model fra Nvidia, producenten af grafikkort, baseret på en hybrid arkitektur, der kombinerer forskellige typer lag for effektivt at behandle meget lange dokumenter, samtidig med at beregningsomkostningerne begrænses. Nvidia offentliggør vægtene, træningsopskrifterne og en stor del af træningsdataene.

Den store version af Odin-modellerne fra det danske selskab Ordbogen.com.

Den mellemstore version af Odin-modellerne fra det danske selskab Ordbogen.com.

Mellemstor multimodal, flersproget model med en ræsonneringstilstand. På trods af sin beskedne størrelse konkurrerer den med langt større modeller takket være en ultra-sparse arkitektur, der kun aktiverer en lille brøkdel af sine parametre for hvert token.

En meget stor, multimodal og flersproget model med en ræsonneringstilstand. Takket være en hybridarkitektur der kombinerer lineær opmærksomhed (Gated DeltaNet) og ekspertblanding, aktiverer den kun 17 milliarder parametre ud af i alt 397 milliarder.

Flagskibsmodellen i den nye Qwen 3.6-generation, udviklet af Alibaba omkring „agentic coding": den kan nedbryde et programmeringsprojekt, skrive koden, teste den og rette sine egne fejl, indtil den når frem til et fungerende resultat. Den skiller sig også ud ved et meget stort kontekstvindue, der giver mulighed for at indlæse hele kodebaser eller dokumentkorpora. Det er en af de sjældne proprietære modeller udgivet af Qwen, som ellers typisk udgiver mange modeller med åbne vægte.

Très grand modèle semi-ouvert américain créé par Arcee AI, une startup d'une trentaine de personnes. Il intègre une capacité de raisonnement avancée et a été spécifiquement post-entraîné pour les usages agentiques et l'utilisation d'outils externes.