Hjem · Sammenligninger ·
Sammenligning

DeepSeek vs Qwen: Hvilken kinesisk åpen AI-modell bør du velge?

DeepSeek vs Qwen: Hvilken kinesisk åpen AI-modell bør du velge?

DeepSeek og Qwen er begge sterke, kinesiske åpne AI-modeller tilgjengelig gratis eller til lav kostnad. DeepSeek utmerker seg på resonnering og koding, mens Qwen (fra Alibaba) er bredere og mer multimodal. Begge kan selvhostes. Personvern bør vurderes nøye ved bruk av skytjenestene deres — sensitiv bruk bør gå via selvhosting av åpne vekter.


Innholdsfortegnelse

  1. Bakgrunn og hvem som står bak
  2. Modellene i detalj
  3. Sammenligningstabell
  4. Pris og tilgjengelighet
  5. Modellkvalitet og ytelse
  6. Åpenhet og lisens
  7. Personvern og sikkerhet
  8. Norsk språkstøtte
  9. Bruksområder
  10. Hvem bør velge hva?
  11. Konklusjon

Bakgrunn og hvem som står bak {#bakgrunn}

DeepSeek — det kinesiske gjennombruddet

DeepSeek ble grunnlagt i 2023 av det kinesiske kvantitative hedgefondet High-Flyer, og overrasket teknologibransjen i januar 2025 med lanseringen av DeepSeek R1 — en resonneringsmodell som hevdet å matche OpenAIs o1 til en brøkdel av kostnadene. Selskapet er basert i Hangzhou og har fra dag én prioritert åpenhet: modellvektene slippes under MIT-lisens, og metodikken dokumenteres i åpne forskningsartikler.

DeepSeek er kjent for en uvanlig kostnadseffektiv treningsprosess. R1 ble angivelig trent for under 6 millioner dollar — et tall som fikk AI-bransjen til å stoppe opp og revurdere antakelsene om hva som kreves for å nå toppklasse.

Qwen — Alibabas åpne modell-familie

Qwen (uttales «chwen», kort for «Qianwen») er Alibabas serie av store språkmodeller, utviklet av Alibaba Cloud. Der DeepSeek er et relativt ungt selskap, kommer Qwen fra en av verdens største tech-konglomerater med massiv infrastruktur, forskningskapasitet og global skyvirksomhet.

Qwen-familien spenner bredt: tekstmodeller, kodemodeller (Qwen-Coder), matematikkspesialister (Qwen-Math), multimodale modeller som kan behandle bilder og lyd (Qwen-VL, Qwen-Audio), og til og med modeller for lange dokumenter med opptil én million tokens kontekstvindu. Alibaba tilbyr modellene både via Alibaba Cloud (Dashscope API) og som åpne vekter på Hugging Face og ModelScope.


Modellene i detalj {#modellene}

DeepSeek-modellene

DeepSeek V3 er selskapets generelle flaggskip-modell — en Mixture-of-Experts (MoE)-arkitektur med 671 milliarder totale parametere, men bare 37 milliarder aktive per token. Dette gir V3 ytelse på linje med GPT-4o og Claude 3.5 Sonnet på mange benchmarks, særlig innen koding og matematikk.

DeepSeek R1 er resonneringsmodellen. Den bruker en «tenke-kjede»-tilnærming (chain-of-thought) som lar modellen resonnere grundig gjennom problemer før den svarer. R1 scorer svært høyt på AIME (matematikk-olympiade), LiveCodeBench (koding), og MATH-benchmarken. En versjon med åpne vekter (R1-Zero) samt destillerte mindre varianter (R1-7B, R1-14B, R1-32B, R1-70B) gjør resonneringskapasiteten tilgjengelig selv på forbrukerhardware.

DeepSeek-Coder V2 er en spesialisert kodemodell som scorer svært høyt på HumanEval og MultiPL-E benchmarks.

DeepSeek tilbyr også en gratis nettapp på chat.deepseek.com og en mobilapp som lar norske brukere eksperimentere uten kostnad.

Qwen-modellene

Qwen2.5 er siste generasjon av Alibabas generelle modeller, tilgjengelig i størrelser fra 0,5 milliarder til 72 milliarder parametere. Qwen2.5-72B er en av de sterkeste åpne modellene i sin størrelse og scorer konkurransedyktig mot Llama 3.1 70B og Mistral Large.

Qwen2.5-Coder er en kodespesialist som scorer blant de aller beste åpne kodemodellene, inkludert på flerspråklig koding.

QwQ er Qwens resonneringsmodell, tilsvarende DeepSeeks R1. QwQ-32B er særlig imponerende gitt sin størrelse og kan kjøres lokalt på en moderne GPU med tilstrekkelig VRAM.

Qwen-VL og Qwen-Audio er multimodale varianter som kan analysere bilder og lydklipp — noe DeepSeek foreløpig ikke tilbyr i samme omfang.

Qwen-Long støtter opptil én million tokens kontekst — ideelt for analyse av lange dokumenter, kontrakter, bøker eller kodebase-review.


Sammenligningstabell {#tabell}

KriteriumDeepSeekQwen
UtviklerDeepSeek (High-Flyer)Alibaba Cloud
Flaggskip-modellDeepSeek V3 / R1Qwen2.5-72B / QwQ-32B
API-pris (input)ca. $0,14–0,27 per 1M tokensca. $0,40–1,20 per 1M tokens
API-pris (output)ca. $0,28–1,10 per 1M tokensca. $1,20–3,50 per 1M tokens
Gratis brukJa (chat.deepseek.com, app)Ja (Qwen-apper, begrenset API)
Åpne vekterJa (MIT-lisens)Ja (Qwen Community License / Apache)
MultimodalBegrensetJa (bilde, lyd, video)
Maks kontekst128 000 tokens (V3)1 000 000 tokens (Qwen-Long)
ResonneringSvært sterk (R1)Sterk (QwQ)
KodingSvært sterkSvært sterk
Norsk språkMiddelsMiddels
SelvhostingJaJa
Personvern (sky)Kinesisk datalagringKinesisk datalagring

*Priser er ca.-tall per juni 2026 og kan endre seg. Sjekk api-docs hos DeepSeek og Alibaba Cloud Dashscope for oppdaterte satser.*


Pris og tilgjengelighet {#pris}

DeepSeek

DeepSeeks API er kjent for å være blant de rimeligste i markedet. Per midten av 2026 koster DeepSeek V3 ca. $0,27 per million input-tokens og ca. $1,10 per million output-tokens. DeepSeek R1 er noe dyrere grunnet den lengre resonneringsprosessen. Begge er likevel dramatisk billigere enn GPT-4o eller Claude 3.5 Sonnet.

Gratisbruk via chat.deepseek.com er tilgjengelig for alle, og mobilappen gir tilgang til V3 og R1 uten kostnad — med visse begrensninger ved høy belastning. Det har ved jevne mellomrom vært problemer med kapasitet på gratis-nivå, særlig etter høyprofilerte lanseringer.

Qwen

Qwen distribueres primært via Alibaba Clouds Dashscope API. Prisene varierer mellom modellstørrelser; Qwen2.5-7B er svært rimelig (sub-$0,10 per million tokens), mens 72B-varianten typisk ligger høyere enn DeepSeek V3 på sammenlignbare størrelser. Qwen-Long med én million tokens kontekst har egne prissatser som gjenspeiler den ekstra kapasiteten.

Alibaba tilbyr en gratis prøvekvote ved registrering. I tillegg finnes Qwen tilgjengelig via tredjeparts API-aggregatorer som OpenRouter, Together.ai og Fireworks, noe som gir priskonkurranse og fleksibilitet.


Modellkvalitet og ytelse {#ytelse}

Resonnering og matematikk

På tunge matematikk- og logikk-benchmarks er DeepSeek R1 en av de absolutt sterkeste modellene som finnes — åpen eller lukket. Den scorer jevnbyrdig med OpenAI o1 på AIME og MATH. QwQ-32B fra Qwen er imponerende for sin størrelse, men når ikke helt opp mot R1 på de tøffeste resonneringsoppgavene.

Koding

Begge er sterke på koding. DeepSeek-Coder V2 og Qwen2.5-Coder 32B scorer begge svært høyt på HumanEval og LiveCodeBench. Valget mellom dem avhenger gjerne av integrasjon (hvilken API du allerede bruker) og spesifikt programmeringsspråk — begge støtter de fleste populære språk.

Generell bruk og instruksjonsfølging

Qwen2.5-72B er en bred generalmodell som håndterer et vidt spekter av oppgaver godt — oversettelse, sammendrag, kreativ skriving, faktaspørsmål og mer. DeepSeek V3 er sammenlignbar på de fleste dimensjoner, og hevder seg særlig sterkt på oppgaver som krever presis logikk.

Multimodalitet

Her skiller Qwen seg klart ut. Qwen-VL kan analysere bilder, Qwen-Audio kan transkribere og analysere lydklipp, og Qwen-VL-Max konkurrerer med GPT-4V på visuell forståelse. DeepSeek har per 2026 mer begrenset multimodal støtte, selv om multimodal kapasitet er under utvikling.

Lange dokumenter

Qwen-Long med én million tokens kontekst er uten sammenligning for den som trenger å behandle svært lange tekster i én enkelt forespørsel. DeepSeek V3 støtter 128 000 tokens — anstendig, men langt kortere.


Åpenhet og lisens {#apenhet}

Begge familiene er genuint åpne i den forstand at modellvektene slippes offentlig og kan lastes ned og kjøres lokalt.

DeepSeek bruker MIT-lisens for R1 og de fleste destillerte varianter. MIT er en av de mest permissive lisensene som finnes — du kan fritt bruke, modifisere og distribuere modellen, inkludert i kommersielle produkter, uten å betale royalties.

Qwen bruker i hovedsak sin egen «Qwen Community License» for de fleste modeller. Denne er noe mer restriktiv: kommersielle aktører med over 100 millioner månedlige aktive brukere trenger en separat lisens fra Alibaba. For de aller fleste norske bedrifter er dette irrelevant, men det er verdt å merke seg. Noen Qwen-modeller brukes også under Apache 2.0.

Begge selskapene publiserer tekniske rapporter og (i varierende grad) treningsdetaljer, noe som gir langt bedre innsikt enn lukkede modeller fra OpenAI eller Anthropic.


Personvern og sikkerhet {#personvern}

Dette er det viktigste forbeholdet ved begge tjenestene, og det bør nevnes eksplisitt.

Både DeepSeek og Qwen er kinesiske selskaper underlagt kinesisk lov, inkludert Den nasjonale etterretningsloven av 2017, som krever at kinesiske organisasjoner samarbeider med statlige etterretningsoperasjoner ved behov. Dataene du sender til chat.deepseek.com eller Alibaba Cloud Dashscope kan i prinsippet lagres på servere i Kina.

Hva dette betyr i praksis:

Den gode nyheten er at begge er genuint åpne: Du kan laste ned modellvektene og kjøre DeepSeek R1 eller Qwen2.5-72B helt lokalt, på din egen maskin eller i din egen skyinfrastruktur. For sensitiv bruk er selvhosting den anbefalte løsningen. Plattformer som Ollama, LM Studio og vLLM gjør dette relativt enkelt.

Det er verdt å merke seg at DeepSeek-appen i januar 2025 ble funnet å sende brukerdata til servere i Kina via potensielt utrygge kanaler — et funn som fikk flere land til å vurdere restriksjoner mot appen. Bruk av API-et er mer kontrollerbart enn app-bruken.


Norsk språkstøtte {#norsk}

Ingen av de to modellene er trent spesifikt på norsk, men begge forstår og produserer norsk tekst av akseptabel kvalitet — i likhet med de fleste store multilingual modeller trent på internettdata.

Norsk tekst er imidlertid sterkt underrepresentert i treningsdataene sammenlignet med engelsk, kinesisk, spansk og tysk. I praksis betyr dette:

For oppgaver der norsk språkkvalitet er kritisk, anbefales GPT-4o eller Claude 3.5 Sonnet som fortsatt er noe bedre på skandinaviske språk. Men for tekniske oppgaver, koding, analyse og resonnering der norsk bare er grensesnittet, holder begge modellene mål.


Bruksområder {#bruksomrader}

Når DeepSeek er et godt valg

Når Qwen er et godt valg

Selvhosting

Begge modellene kan kjøres lokalt med riktig hardware. R1-70B krever typisk flere GPU-er eller en high-end forbrukerkort (som RTX 4090 med 24 GB VRAM for kvantiserte varianter). Qwen2.5-7B og 14B er godt egnet for lokale installasjoner på moderne Macs med Apple Silicon eller PC-er med 16 GB+ VRAM.


Hvem bør velge hva? {#hvem}

Velg DeepSeek hvis du:

Velg Qwen hvis du:

Vurder selvhosting uansett valg hvis:


Konklusjon {#konklusjon}

Både DeepSeek og Qwen representerer imponerende fremskritt i det åpne AI-landskapet, og begge gir sterke alternativer til dyrere vestlige modeller. Valget mellom dem avhenger i stor grad av hva du skal bruke dem til.

DeepSeek er den klare vinneren for resonnering og koding til lavest mulig kostnad. R1 er en av de beste resonneringsmodellene som eksisterer, åpen eller lukket, og prissettingen er aggressiv nok til at det er vanskelig å argumentere mot det for API-bruk i stor skala.

Qwen vinner på bredde, fleksibilitet og multimodalitet. Alibabas ressurser gjenspeiles i en modell-familie som dekker alt fra minimodeller til lange-kontekst spesialister og avansert bildeforståelse.

Personvernaspektene er reelle for begge, og norske bedrifter oppfordres til å gjøre en bevisst vurdering. Det viktigste er at begge modellene er genuint åpne — og selvhosting eliminerer personvernbekymringene fullstendig. Det gjør dem til unike alternativer i et marked der de fleste kraftfulle modeller bare finnes bak lukkede API-er.

For de fleste norske brukere vil en kombinasjon gi mest mening: DeepSeek R1 via API for resonnering og koding, Qwen for multimodale oppgaver og lange dokumenter — og begge via lokal installasjon for sensitiv informasjonsbehandling.


*Sist oppdatert: juni 2026. Priser og modellspesifikasjoner er omtrentlige og kan endres. Sjekk alltid gjeldende priser hos DeepSeek Platform (platform.deepseek.com) og Alibaba Cloud Dashscope (dashscope.aliyun.com).*

Slik vurderer vi

Vi baserer innholdet på offisielle priser, leverandørenes egne sider og uavhengige kilder, oppdatert løpende. Vi tjener provisjon på enkelte lenker, men det påvirker ikke vurderingen.

Ansvarlig redaktør
Ingar

Ingar er ansvarlig redaktør i altai og jobber til daglig med AI-rådgivning og digitale tjenester for norske virksomheter. altai er hans uavhengige oversikt over AI-verktøy for et norsk publikum.

← Alle sammenligninger