Qwen 3.5: Alibabas åpne flaggskip presser de lukkede modellene

Qwen 3.5: Alibabas åpne flaggskip presser de lukkede modellene

Alibaba slapp Qwen 3.5 16. februar 2026, og fortsatte gjennom våren å publisere en hel familie av modeller med åpne vekter under Apache 2.0-lisensen. Flaggskipet er en såkalt MoE-modell med 397 milliarder parametere, men bare 17 milliarder aktive per spørring. De minste variantene er små nok til å kjøre lokalt på en vanlig laptop, noe som gjør slippet interessant også for norske virksomheter med strenge datakrav.

Hva «åpne vekter» faktisk betyr

Når en modell har åpne vekter, betyr det at selve den trente modellen — tallene som utgjør «hjernen» — kan lastes ned og kjøres på egen maskinvare. Det er noe annet enn å sende forespørsler til et API hos OpenAI eller Google, der modellen forblir på leverandørens servere og du betaler per bruk. Apache 2.0 er en tillatende lisens som også åpner for kommersiell bruk uten å betale Alibaba.

For en norsk bedrift er det praktiske poenget kontroll. Du kan kjøre modellen på egne servere eller i en sky du selv velger, slik at sensitive data aldri forlater infrastrukturen din. Det fjerner ikke ansvaret for personvern og sikkerhet, men det flytter beslutningene over til deg. Ulempen er at du selv må stille med maskinvare, drift og kompetanse — de lukkede API-ene er enklere å komme i gang med.

Hvor sterk er Qwen 3.5 egentlig

Alibaba oppgir at flaggskipet håndterer tekst, bilder og opptil to timer video, med et kontekstvindu på 256 000 tokens. På offentlige fagprøver som GPQA Diamond og kodeprøven LiveCodeBench scorer modellen høyt, og en mindre 9-milliarders variant skal slå betydelig større modeller på enkelte tester. Slike tall er nyttige som pekepinn, men de er ikke en garanti for at modellen er best for nettopp din oppgave.

Benchmarks måler avgrensede oppgaver under kontrollerte forhold, og leverandøren velger selv hvilke tall som fremheves. Det reelle spørsmålet for en norsk bruker er hvordan modellen håndterer norsk språk, dine egne dokumenter og dine arbeidsflyter. Det avgjøres bare av egen testing, ikke av et resultatark.

Den åpne kinesiske bølgen

Qwen 3.5 er del av et tydelig mønster der kinesiske laber — DeepSeek, Moonshot, MiniMax, Z.ai og Alibaba — slipper sterke modeller med åpne vekter, ofte til en brøkdel av kostnaden for de lukkede vestlige tjenestene. Det presser prisene og gir flere reelle valg, men reiser også spørsmål om hvor og hvordan modellene er trent, og hvilke skjevheter de bærer med seg.

For norske beslutningstakere er rådet nøkternt: åpne modeller er et seriøst alternativ å vurdere, særlig der datakontroll er avgjørende. Men «kinesisk og gratis» er ikke i seg selv et argument. Vurder modellen på samme måte som enhver annen leverandør — på kvalitet, sikkerhet, drift og hvor godt den løser din konkrete oppgave.

«Alibaba slapp Qwen 3.5 16. februar 2026 med åpne vekter under Apache 2.0-lisens. Flaggskipet er en MoE-modell med 397 milliarder parametere og 17 milliarder aktive per spørring, med 256 000 tokens kontekst. Familien ble utvidet utover våren med mindre varianter, der de minste kan kjøres lokalt på vanlig maskinvare.» — Oppsummert fra Alibabas Qwen-team og uavhengig dekning, februar–mars 2026 (github.com/QwenLM)

Ofte stilte spørsmål

Hva er forskjellen på Qwen 3.5 og en modell som GPT-5.5? Qwen 3.5 har åpne vekter, som betyr at du kan laste ned og kjøre modellen på egen maskinvare under Apache 2.0-lisens. GPT-5.5 og lignende lukkede modeller kjøres hos leverandøren og brukes via API mot betaling per bruk. Åpne vekter gir mer kontroll og personvern, men krever at du selv stiller med drift og kompetanse.

Kan norske bedrifter bruke Qwen 3.5 trygt? Det er mulig, særlig fordi modellen kan kjøres lokalt slik at data ikke forlater din infrastruktur. Men du har fortsatt fullt ansvar for personvern, sikkerhet og kvalitetssikring. Vurder Qwen 3.5 som enhver annen leverandør: test mot dine egne oppgaver, sjekk norsk-håndtering og avklar de juridiske rammene før produksjon.

Er Qwen 3.5 bedre enn vestlige modeller? På flere offentlige fagprøver scorer Qwen 3.5 høyt og konkurrerer med ledende modeller, men benchmarks er avgrensede tester valgt av leverandøren. Hvilken modell som er best avhenger av din konkrete oppgave, ditt språk og dine data, og det kan bare avgjøres gjennom egen testing.