OpenEuroLLM tar nästa steg för europeisk AI-suveränitet

Under det första året har OpenEuroLLM-projektet nått avgörande milstolpar inom infrastruktur, datapraxis och modellutveckling. Syftet är tydligt: att utveckla nästa generations öppna och transparenta stora språkmodeller för att främja europeisk AI-kapacitet.

Genombrott inom öppna data och infrastruktur

En av projektets mest betydelsefulla framgångar är lanseringen av datasetet MixtureVitae. Det är det första datasetet som är fritt att använda även i kommersiellt syfte med en prestanda som matchar eller överträffar de ledande icke-tillåtande alternativen på marknaden. MixtureVitae är särskilt starkt inom kod och matematiska resonemang, vilket är kritiskt för nästa steg i industriell AI-användning.

För att möta utmaningen med databrist för mindre europeiska språk har projektet, tillsammans med EuroLLM, utvecklat det första omfattande flerspråkiga syntetiska datasetet för förträning. Inom underprojektet, som kallas MultiSynt, har AI Swedens NLU-team arbetat med att översätta högkvalitativ engelsk data till språk som svenska, isländska, ungerska och spanska. Arbetet syftar till att överkomma de brister i nuvarande datainsamling som idag begränsar en korrekt representation av många språk. Genom att skapa ett öppet flerspråkigt dataset är målet att både möjliggöra träning av språkmodeller inom OpenEuroLLM och att driva forskningen kring flerspråkiga modeller framåt.

Genom att göra dessa resurser tillgängliga på europeiska superdatorsystem som LUMI och Leonardo undviks dubbelarbete och resurserna kan nyttjas maximalt i hela ekosystemet.

Beräkningskapacitet en avgörande byggsten

OpenEuroLLM blev i december 2025 det första AI-projektet som beviljas strategisk tillgång till flera av EuroHPC:s superdatorer samtidigt, inklusive LUMI, Leonardo, Jupiter och Marenostrum 5. Men ytterligare beräkningsresurser kommer att krävas för att komplettera de tidigare tilldelningarna, understryker projektets samordnare Jan Hajič.

Vägen framåt

Under det kommande året växlar AI Sweden upp arbetet för att skapa förutsättningar för att de europeiska modellerna ska bli praktiskt användbara. Inom ramen för post-training – den kritiska fasen där modeller ändamålsanpassas – fokuserar AI Swedens NLU-team på att förse modellerna med de förmågor och beteenden som krävs för avancerad användning. Det handlar konkret om att optimera modellernas förmåga att hantera lång kontext, förbättra instruktionsföljande och chat-interaktion, samt stärka deras kapacitet för resonerande och funktionsanropning.

Under hösten planeras de första språkmodellerna utvecklade inom ramen för OpenEuroLLM att offentliggöras.

Om EuroHPC

European High Performance Computing (EuroHPC) består av ett kluster av storskalig beräkningsinfrastruktur i Europa. Beräkningssystemen är främst avsedda att användas för akademisk forskning.

Inom ramen för EuroHPC ryms också stöd till forskning och innovation i form av utlysningar inom alla områden som rör storskaliga beräkningar, samt investeringar i kompetenscentra runtom i Europa som ska förenkla kunskapsutbyten, innovation och nya forskningssamarbeten.