Analys · AI-ekonomi

Svenska är en dyr valuta i AI-åldern

Att köra en AI-modell kan kosta några kronor per miljon ord. Ändå betalar svenska användare hundratals — och mest betalar den som enligt lag måste skriva på svenska.

Det finns ett enda AI-bolag i världen som visat vad driften faktiskt kostar.

Den 1 mars 2025 publicerade kinesiska DeepSeek siffrorna för ett dygns drift av sina språkmodeller — de 24 timmarna mellan den 27 och 28 februari. Allt inräknat: app, webb och API. Kostnaden för dygnet var 87 072 dollar, omkring 844 000 kronor. Under samma dygn läste systemet in 608 miljarder tokens och skrev 168 miljarder.

Token är den enhet AI-bolagen använder för prissättning — ungefär ett kort ord eller en orddel. Att mata in en miljon tokens och få en miljon tillbaka motsvarar grovt räknat sju romaner in och sju ut.

Ur DeepSeeks siffror går kostnaden per token att räkna fram. Att läsa in en miljon tokens och skriva en miljon kostade bolaget 3,49 kronor i drift.

Siffrorna är bolagets egna och publicerades under dess marknadsföringsvecka, inte av en revisor. Men de går att räkna efter, och de håller ihop: 226,75 noder med åtta grafikkort vardera i ett dygn till två dollar i timmen ger exakt 87 072 dollar, och när dygnets tokenmängder fördelas efter DeepSeeks egna genomströmningstal motsvarar de samma sammanlagda nodtid med fem hundradels procents avvikelse.

Samma mängd text kostar 291 kronor hos Anthropics Claude Opus 5 och 582 kronor hos de två flaggskeppen, OpenAI:s GPT-6 Astra och Anthropics Claude Fable 5.1. Det är 83 respektive 167 gånger driftskostnaden.

Elen är den sämsta ursäkten

Låt oss först avfärda invändningen som stoppar flest svenska organisationer.

De som oroar sig för AI och klimatet har rätt i sak — men fel om vad oron ska riktas mot. Datacenterutbyggnaden är ett verkligt problem: nätkapacitet, mark, vatten, anslutningstider. Din enskilda fråga är det inte.

I en mätning som Google publicerade i augusti 2025 drar medianfrågan i bolagets egen chattapp 0,24 wattimmar. Siffran avser textfrågor i Gemini under maj 2025. Då är driften inräknad — kylning, servrar som står och väntar, datacentrets övriga omkostnader. Träningen av modellen, nätet ut till användaren och den egna datorn ingår inte, och med den snävare metod som annars används i branschen blir samma fråga 0,10 wattimmar. Analysföretaget Epoch AI landar på 0,3 wattimmar för en jämförbar fråga — där är det dock en beräkning utifrån antaganden, inte en mätning.

Räkna på vad det blir. Hundra chattfrågor om dagen, varje dag, ett helt år ger knappt nio kilowattimmar. Det motsvarar två till tre tiominutersduschar. Elen kostar mellan sju och tjugotvå kronor på ett år, beroende på om man räknar datacentrets industripris eller ett svenskt hushållspris.

En dusch drar lika mycket energi som över tiotusen chattfrågor.

Invändningen mot det är berättigad: en chattfråga är inte hela sanningen. Långa resonemangssvar drar tiotals wattimmar, och en AI-agent som arbetar självständigt kan dra tiotals till hundratals wattimmar per uppdrag — en användare som under åtta veckor mätte energianvändningen för sitt eget kodningsverktyg landade på omkring 150 wattimmar per uppdrag. Skillnaden mellan den lättaste och tyngsta användningen är hundra- till tusenfaldig.

Men slutsatsen håller i hela spannet. Även i den dyraste änden är elen någon enstaka procent av vad du betalar för en toppmodell. Av kostnaden för att köra ett AI-chip i en timme utgör elen omkring sex procent. Hårdvaran står för omkring 80 procent.

Vänd på det och räkna på din egen räkning. Den som använder gratisversionen eller betalar ett par hundra i månaden för ett abonnemang ställer omkring tjugo frågor om dagen. Elen för hela den månadens AI-användning kostar då omkring trettio öre. Även en mycket flitig användare — hundra frågor varje dag, månad ut och månad in — landar på ungefär en och en halv krona.

Sätt det i sitt sammanhang: hundra AI-frågor om dagen i en hel månad drar 0,7 kilowattimmar. Ditt kylskåp drar femton. En enda dusch drar nästan fem gånger mer än hela månadens frågor.

Att avstå från att fråga en AI för klimatets skull ändrar därför ingenting. Var datacentren byggs och hur de ansluts till elnätet ändrar allt. Där finns hela effekten, och där bör den som bryr sig lägga sin kraft.

Kina är inte poängen

Här gör svenska diskussioner ofta ett tankefel. Slutsatsen blir ”kinesisk AI är billig men den kan vi inte använda”, och saken avfärdas som en säkerhetsfråga.

Men det är inte driften som är kinesisk. Det är ritningarna.

En AI-modell är i grunden en fil. DeepSeek tillhandahåller modellen gratis, fri att använda även kommersiellt. Vem som helst kan ladda ned den och köra den på sin egen server — då finns ingen uppkoppling till Kina över huvud taget, lika lite som ett nedladdat dokument ringer hem.

Och det görs redan. De amerikanska AI-leverantörerna Together, Fireworks och DeepInfra kör DeepSeek på amerikansk hårdvara i amerikanska datacenter, till ungefär samma pris som DeepSeek självt.

Knepet som gör modellen billig är enkelt att beskriva. Den är enorm, men aktiverar bara den lilla del av modellen som behövs för just din fråga — åtta miljarder parametrar när den läser, sexton när den skriver, av flera hundra miljarder. Ungefär som att tända lampan i ett rum i stället för i hela huset. Den konstruktionen är publicerad och möjlig att efterlikna.

Priset sitter alltså i hur modellen är byggd, inte i var den står.

Det betyder inte att öppet tillgängliga modeller är riskfria. En modells träningsmaterial går inte att granska i efterhand, forskning har visat att ett par hundra manipulerade dokument räcker för att plantera beteenden som överlever finjustering, och kinesiska modeller har mätbart avvikande svar på politiskt känsliga frågor — vilket för en svensk myndighet är en fråga om saklighet, inte smak. Den som laddar ned och anpassar en modell kan dessutom själv bli leverantör i AI-förordningens mening, med allt vad det innebär.

Och att köra själv är sällan billigare. Ett kluster som kan hålla en stor modell i gång kostar runt sex miljoner kronor om året i hårdvara, el och personal. Med svensk kontorstidsanvändning står korten stilla större delen av dygnet, och egen drift kostar därför flera gånger mer än priset via API. Det lönar sig först när belastningen kan hållas uppe dygnet runt — stora nattliga körningar, till exempel genomgång av ett arkiv. För allt annat är det billigare att köpa, även med påslaget.

De kan redan

Då infinner sig den obekväma frågan.

Kinesiska ingenjörer har hittat sätt att köra AI långt billigare. De har publicerat hur. Skulle OpenAI, Google och Anthropic — med större budgetar och fler forskare — ha låtit bli att ta del av resultaten?

Man behöver inte spekulera. Den billigaste modellen i OpenAI:s nuvarande generation kostar 13,57 kronor för en miljon tokens in och en miljon ut. DeepSeeks motsvarighet kostar 14,54 under de 35 veckotimmar som räknas som högtrafik — och 7,27 resten av tiden. De ligger i samma härad.

Det är poängen: amerikanska bolag prissätter lågt när de möter konkurrens. I toppen möter de ingen.

Det finns fullt legitima skäl till att en toppmodell kostar mer att köra. Den aktiverar fler delar av modellen per ord, kräver mer minne, måste leverera svar med kortare fördröjning och kräver redundans och säkerhetsfilter. Allt det tillsammans motiverar rimligen tio till hundra gånger DeepSeeks redovisade driftkostnad.

Men det förklarar inte det här. I Artificial Analysis, den mest använda oberoende jämförelsen av AI-modeller, delas förstaplatsen i dag av två modeller: Anthropics Claude Fable 5.1 och OpenAI:s GPT-6 Astra. Båda går att köra med olika lång betänketid — man kan låta modellen tänka längre mot högre pris. Fyra sådana inställningar når exakt samma poäng. Ändå kostar det mellan 22 och 74 kronor att lösa samma uppgift, beroende på vilken av dem man väljer.

Samma resultat, tre gånger priset.

En invändning ska mötas direkt. Enligt uppgifter som The Information tagit del av låg OpenAI:s bruttomarginal på omkring 33 procent 2025 och omkring 39 procent första kvartalet 2026, medan Anthropic uppges ligga runt 44. Det låter som att driften vore dyr. Siffrorna är läckta, inte reviderade. Men i dem ingår gratisanvändare, reservkapacitet, tomgång och redundans. Vad de tokens som betalande kunder använder faktiskt kostar bolagen är en annan sak — och det publicerar ingen.

Notan du inte ser

Om driften kostar några kronor och priset är hundratals — vart går mellanskillnaden?

Analysföretaget Epoch AI har gått igenom investerardokument från OpenAI. Enligt dem, med reservation för att underlaget delvis är prognoser, lade bolaget omkring 48 miljarder kronor på beräkningskapacitet för forskning under 2024. Den slutliga träningen av de modeller som faktiskt lanserades kostade runt 4,5 miljarder.

Det du betalar för är inte bara modellen du använder. Du är också med och finansierar nästa. Den slutliga träningen av de modeller som faktiskt lanserades motsvarade mindre än en tiondel av den beräkningskapacitet som enligt underlaget gick till forskning. Resten gick till experiment, utveckling och modeller som aldrig lanserades — och ovanpå det ligger utbyggnaden: datacenter, chip och elavtal som ska bära en trafik som ännu inte finns. Priset på dagens modell bidrar alltså till att finansiera arbetet med nästa, inte bara driften av den modell du använder. Bolagen redovisar inte sin priskalkyl, så det går inte att bevisa — men det är den rimligaste tolkningen av var pengarna tar vägen, och det förklarar varför priset inte följer driftskostnaden nedåt.

Och utbyggnaden den finansierar sker inte här. EU:s tre största superdatorer tillsammans — tyska JUPITER, finska LUMI och italienska Leonardo — rymmer drygt 49 000 AI-acceleratorer, alltså specialiserade beräkningschip, varav omkring hälften finns i system som togs i drift 2022. Sveriges nationella AI-kapacitet, superdatorn Arrhenius i Linköping plus Wallenbergfinansierade Berzelius, omfattar omkring 2 400 chip. Enskilda amerikanska träningskluster som har byggts de senaste två åren räknas i hundratusentals — men de exakta talen är företagshemligheter och de uppgifter som cirkulerar går inte att verifiera.

Den svenska språkskatten

Här kommer den del som knappt diskuterats i Sverige.

AI-modeller läser inte bokstäver. De delar upp texten i bitar enligt en ordlista som bolagen byggt själva — och ordlistan byggs utifrån det textmaterial som modellen tränats på.

Den texten är till övervägande del engelsk. I Common Crawl, den vanligaste träningskällan, utgör svenska 0,72 procent av dokumenten. Engelska är femtiosex gånger vanligare, tyska åtta gånger. Följden är att engelska ord får egna platser i ordlistan medan svenska sammansättningar delas upp i fragment.

Ta ordet kollektivavtalsförhandlingar. Hos GPT-4 blir engelskans collective bargaining negotiations fyra bitar. Det svenska ordet blir tio: kol-le-kt-iv-av-t-als-för-handling-ar. Uppdelningen följer inte ens ordets naturliga delar.

Det handlar om datamängd, inte om grammatik. Tyskan bygger ihop ord precis som svenskan — och är ändå billigare, eftersom det finns åtta gånger mer tysk text i träningsmaterialet.

I en egen mätning av 360 000 meningspar som finns på både svenska och engelska — EU-protokoll, föredrag, vardagsmeningar, programvarutexter — kräver samma innehåll en fjärdedel till två tredjedelar fler tokens på svenska, beroende på modell.

Och det beror inte på att svenskar skriver längre. Tvärtom: den svenska texten är ungefär lika lång som den engelska räknat i tecken, och omkring tio procent kortare räknat i ord.

Störst blir skillnaden i just den text som måste vara på svenska. Den svenska versionen av dataskyddsförordningen har färre ord än den engelska — 48 000 mot 55 000 — men kräver 95 000 tokens mot 64 000. Nästan 50 procent fler tokens, trots färre ord.

Skollagen omfattar drygt 200 000 tokens. Just lagtext är alltså värre än genomsnittet: där ligger kvoten närmare 1,5 mot vardagstextens 1,24.

Till det kommer fyra påslag som inte har något med språket att göra. Svensk moms lägger 25 procent på priset — amerikanen i Florida eller Oregon betalar ingen alls. Kronan har tappat knappt 30 procent mot dollarn sedan 2014. Microsoft tar 30 procent mer för samma serverkonfiguration i Sweden Central än i East US, och priset är detsamma i Västeuropa. Och att kräva att uppgifterna behandlas i en viss region kostar tio procent extra hos Azure, OpenAI och Google. Hos Anthropic kan du bara välja USA; behandling inom EU erbjuds endast via Amazons eller Googles molntjänster.

Räkningen blir konkret. På den dyrare abonnemangsnivån, runt tusen kronor i månaden, arbetar en löntagare på svensk medianlön drygt sju timmar efter skatt för det en amerikansk medianlöntagare får för fyra. Kvoten är densamma på alla prisnivåer: den svenska medianlöntagaren arbetar knappt dubbelt så länge för samma abonnemang. Och får mindre för pengarna, eftersom användningsgränsen mäts i tokens: den svenska användaren kan behandla ungefär fyra femtedelar så mycket text som den amerikanska.

Vissa kan byta språk

Programkod skrivs i huvudsak på engelska, oavsett vem som skriver den. En svensk utvecklare kan ställa sina frågor på engelska och slipper då större delen av påslaget. Jämförelser av kodmodeller på olika språk visar vissa skillnader i resultat, men de är små jämfört med kostnadsskillnaden.

En sjuksköterska som skriver en epikris — slutanteckningen som sammanfattar vårdtillfället och går vidare till nästa vårdgivare — kan inte byta språk. Patientdatalagen kräver att journalhandlingar skrivs på svenska. Även när en läkare fått rätt att journalföra på engelska ska vårdgivaren enligt Socialstyrelsens föreskrifter se till att de väsentliga ställningstagandena och slutanteckningarna finns på svenska.

Socialsekreteraren som motiverar ett beslut är bunden av språklagens tionde paragraf: språket i domstolar, förvaltningsmyndigheter och andra organ som fullgör uppgifter i offentlig verksamhet är svenska. Det gäller inte bara myndighetsutövning, utan verksamhetens kärna — beslut, protokoll och handlingar som blir allmänna. Utanför den kärnan lämnar förarbetena utrymme för andra språk.

Utvecklaren byter till engelska. Sjuksköterskan kan inte.

Det är inte hypotetiskt. Under namnet Svea bygger AI Sweden en gemensam digital assistent för svensk offentlig sektor, finansierad av Vinnova och deltagande organisationer. Från sex deltagare 2024 har projektet vuxit till över 120 anslutna kommuner, regioner och statliga myndigheter i den etapp som löper 2026–2027. Assistenten är medvetet byggd för att kunna använda olika modeller. Valet av modell avgör om 120 svenska offentliga verksamheter betalar en fjärdedel mer för att skriva på svenska, eller betydligt mindre.

Finländarna löste sitt

Det mest provocerande är att problemet inte är tekniskt svårt.

I flera modeller har nämligen vissa språk fått betydligt större utrymme i ordlistan. Finska kräver 30 procent fler tokens än engelska hos OpenAI, men färre tokens än engelska hos en finländsk modell. Och kinesiska, som hos OpenAI kräver omkring 17 procent fler tokens än engelska, kräver 13 procent färre hos DeepSeek.

Och svenska? På samma meningspar kräver den finländska modellen Viking-7B — med i praktiken lika stor ordlista som Meta Llama 3, 131 072 platser mot 128 256 — knappt fler tokens för svenska än för engelska. Llama 3.1 kräver 39 procent fler tokens. I lagtext växer Llamas påslag till 75 procent, medan den finländska modellen stannar på fem procent.

Skillnaden är inte pengar, hårdvara eller forskningsgenombrott. Det är vilket språk som råkade finnas i rummet när ordlistan byggdes.

Det finns dessutom en färdig lösning som inte kräver någon ny modell alls: Google debiterar redan per tecken i vissa av sina tjänster. Svensk text är ungefär lika lång som engelsk räknat i tecken. Påslaget skulle försvinna helt.

När allt räknas samman

Driften kostar 3,49 kronor. Elen kostar en bråkdel av ett öre — en dusch räcker till över tiotusen frågor. Men priset du betalar är 291 kronor. En stor post i mellanskillnaden är forskning som aldrig blev en produkt, tillsammans med utbyggnad som ännu inte fått sin trafik.

Här går det att vända på en vanlig invändning. Det sägs ofta att dagens AI är subventionerad, och att notan kommer den dag kapitalet tryter. Men subventionen ligger inte där man tror. Driften är inte subventionerad — den är billig, och det är offentligt hur billig. Det som betalas i förskott är nästa modell.

Skillnaden mellan de två sakerna är att den ena har ett golv som redan är publicerat. DeepSeek räknade upp sina egna driftskostnader, vem som helst kan räkna efter, och vem som helst kan ladda ned modellen och köra den själv. Det golvet står kvar även den dag riskkapitalet tar slut.

Avståndet ned till golvet är inte vinst — där ryms träning, forskning, gratisnivåer och kapacitet som står och väntar. Men det är synligt, och det går att räkna på. Frågan är därför inte om priset stiger när subventionerna upphör. Frågan är hur länge avståndet ned till golvet går att försvara.

Ovanpå det lägger vi moms som amerikanen i Florida slipper, en krona som tappat knappt en tredjedel av sitt värde, serverkapacitet som kostar 30 procent mer i Sverige än i Virginia, tio procent till för krav på att uppgifterna behandlas i en viss region — och en text som kräver omkring en fjärdedel fler tokens när den är skriven på svenska.

Notan hamnar hos vårdcentralen, kommunen och skolan. Alltså hos precis de verksamheter som enligt lag inte får skriva på något annat språk, och som samtidigt är några av de verksamheter där staten hoppas att AI ska bidra till att möta personalbristen.

Av alla dessa poster är exakt en möjlig att åtgärda utan ny hårdvara.

Att förbättra ordlistan kräver ingen ny hårdvara, inget riskkapital och inget forskningsgenombrott. Den finländska modellen visar att problemet går att lösa med lika många platser i ordlistan som Meta använder. I Sverige har det också byggts en egen språkmodell — GPT-SW3, utvecklad av AI Sweden tillsammans med RISE och WASP och tränad på superdatorn Berzelius i Linköping. Den kräver ansökan för att ens laddas ned, forskningssyfte och att man tillhör ett europeiskt lärosäte.

Och det finns en logik i att ingen fixar det. Utrymmet i ordlistan är begränsat. Varje plats svenskan får måste tas från något annat språk, och ett amerikanskt labb har ingen anledning att ge tio miljoner nordbor företräde framför hundra miljoner spansktalande. Det är inte illvilja. Det är bara att ingen som röstar om saken bor här.

Under tiden pågår den svenska AI-debatten för fullt.

Och den handlar påfallande ofta om elen.