Kinesiske AI-modeller sidder skjult i jeres stak. Ved I hvor?
Fredag den 20. november offentliggjorde formændene for to udvalg i Repræsentanternes Hus en 50 sider lang undersøgelse af, hvordan amerikanske virksomheder bygger deres produkter på kinesiske AI-modeller. Rapporten peger på tre navne. Airbn…
Fredag den 20. november offentliggjorde formændene for to udvalg i Repræsentanternes Hus en 50 sider lang undersøgelse af, hvordan amerikanske virksomheder bygger deres produkter på kinesiske AI-modeller. Rapporten peger på tre navne. Airbnb kører Alibabas Qwen i kundeservice, DoorDash har taget 25 kinesiske modelfamilier i brug, og kodeværktøjet Cursor byggede sin egen flagskibsmodel oven på en kinesisk model, uden at det stod nogen steder. Det blev først opdaget, da en udvikler aflæste et model-id i trafikken.
Vi har læst pressemeddelelsen, selve rapporten og dækningen hos Recorded Futures The Record. Historien er ikke kun amerikansk. De samme modeller ligger under værktøjer, som danske virksomheder bruger hver dag, ofte uden at det fremgår af etiketten. Spørgsmålet, rapporten rejser, kan I lige så godt stille jer selv: ved I, hvilken model der faktisk kører under jeres kodeassistent, jeres chatbot eller jeres CRM-AI, og hvem der har bygget den?
Hvad den amerikanske kongresrapport konkluderer
Rapporten er skrevet af Andrew Garbarino, formand for Homeland Security-udvalget, og John Moolenaar, formand for det særlige Kina-udvalg. Begge er republikanere. Undersøgelsen blev sat i gang i april 2026 og bygger på dokumentkrav, lukkede orienteringer fra Airbnb, DoorDash og Cursors ejer Anysphere, klassificerede briefinger og offentlig forskning. Den indeholder fem fund og tolv anbefalinger, og du finder den hos Homeland Security-udvalget.
Kernen er tredelt. USA skal bygge et konkurrencedygtigt amerikansk alternativ til de kinesiske open-weight-modeller, med offentlig regnekraft og indkøbsgaranti i bunden. Myndigheder og virksomheder skal kunne se, hvilke modeller der kører i følsomme systemer, gennem en standard for modelproveniens og det, rapporten kalder en AI bill of materials, altså en styksliste over de modeller, et produkt er bygget af. Og kinesiske modeller skal ud af føderale systemer og ud af højrisikofunktioner i kritisk infrastruktur. Anbefalingen bygger videre på en ordre fra DHS, der allerede i oktober udelukkede DeepSeek fra føderale civile myndigheders systemer.
Formændene sammenligner med Huawei og ZTE. Dengang købte især små, regionale teleselskaber billigt kinesisk udstyr, der virkede, og senere måtte Kongressen finde fem milliarder dollar til at pille det ud igen. Hvis de kinesiske modeller får lov at slå rod, kan det tage år og koste milliarder at fjerne dem, skriver The Record. Men læg mærke til, hvad rapporten er, og hvad den ikke er. Det er politiske anbefalinger fra to republikanske formænd, ikke vedtaget lov. Flere af de skarpeste sikkerhedsvurderinger hviler på et klassificeret bilag, som ingen udefra kan efterprøve.
Cursor, Airbnb og DoorDash: sådan kom modellerne ind ad bagdøren
De tre virksomheder viser hver sin måde at bruge kinesiske modeller på. Airbnb kører tilpassede udgaver af Qwen på amerikansk infrastruktur i kundeservice. Ifølge rapporten driver den ene model en assistent med cirka 80.000 gæste- og værtssamtaler om dagen, mens en finjusteret model opsummerer omkring 250.000 supportsager og opkald dagligt på seks sprog. Airbnbs direktør har offentligt forklaret valget med, at modellen var hurtig og billig.
Cursor er det klareste eksempel på problemet. Selskabet lancerede i marts kodemodellen Composer 2 og kaldte den frontier-niveau, men nævnte ikke, at den var bygget oven på Kimi K2.5, en open-weight-model fra kinesiske Moonshot AI. Det kom først frem, da en ekstern udvikler satte en proxy op, aflæste trafikken og fandt model-id'et i klartekst. En kodeassistent med over en million daglige brugere kørte altså på en kinesisk basismodel, uden at kunderne vidste det. Det er præcis den slags, en styksliste over modeller skal fange.
DoorDash viser skalaen. Virksomhedens ingeniører havde hentet eller testet modeller fra mindst seks kinesiske udviklere, og 25 modelfamilier var taget i brug i et omfang, DoorDash selv definerer som mindst 5.000 dollar i regnekraft. En af de modeller, der er pakket ind i et større system, vil tage op til seks måneder at skifte ud, selvom de fleste anvendelser kan flyttes næsten med det samme. Ingen af de tre virksomheder havde en kommerciel aftale med en kinesisk udvikler. Når vægtene først er hentet, forsvinder udvikleren fra regnskabet, mens modellen bliver siddende i produktet. Der er hverken faktura eller leverandøraftale, der viser afhængigheden.
Og intet krav tvinger nogen til at oplyse en models oprindelse. Finjustering, videretræning og sammenlægning kan gradvist sløre, hvor en model stammer fra, indtil det ikke længere er tydeligt, at produktet hviler på kinesiske vægte. En amerikansk-brandet app eller et industrielt system kan derfor afhænge af en kinesisk model flere lag under det, kunden ser.
Derfor vinder de kinesiske modeller: pris og ydeevne
Prisen er den første forklaring. For en standardopgave på en million input- plus en million output-tokens koster Alibabas Qwen3-235B omkring 1,15 dollar, DeepSeek-R1 cirka 2,74 dollar og Moonshots Kimi K2.6 omkring 4,95 dollar. Den samme opgave koster cirka 30 dollar på Claude Opus 4.8 og 35 dollar på GPT-5.5. Afhængigt af modellen betaler en virksomhed altså seks til tredive gange mere for samme mængde brug. Tallene er ikke justeret for kapabilitet, caching eller selvhosting, men de viser størrelsen på det prisspring, virksomhederne står over for.
Udbredelsen følger med. På modelmarkedspladsen OpenRouter steg open-weight-modellernes andel af de tokens, der kom fra amerikanske forespørgsler, fra 26 procent i september 2025 til 60 procent i august 2026, og de kinesiske modeller stod for størstedelen. På Hugging Face udgjorde kinesiske modeller 41 procent af alle downloads det seneste år. Qwen-familien alene havde over 151.000 afledte modeller, og dens andel af nye finjusteringer voksede fra 1 procent i januar 2024 til 69 procent i februar 2026.
Ydeevnen er den tredje forklaring, og den er ubehagelig læsning for amerikanske politikere. I den seneste uafhængige rangering af open-weight-modeller, som udvalgene gennemgik, lå den bedste amerikanske model på en tiendeplads, bag seks kinesiske modeller. Rapporten er ærlig om konsekvensen: USA mangler et konkurrencedygtigt open-weight-alternativ til den pris og ydeevne, markedet efterspørger. Derfor advarer formændene også mod at tvinge virksomhederne væk fra de kinesiske modeller, før der findes troværdige erstatninger, fordi det ville hæve omkostningerne og samle markedet hos nogle få lukkede udbydere.
Risiciene: destillation, skjult adfærd og fjernede guardrails
En stor del af rapportens bekymring handler om, hvordan de kinesiske modeller er blevet så gode. Amerikanske myndigheder vurderer, at seks førende kinesiske udviklere har kørt destillationskampagner mod amerikanske frontier-modeller i industriel skala. Fjendtlig destillation vil sige, at man systematisk trækker svar ud af en konkurrents model og bruger dem til at træne sin egen. Ifølge en fælles advarsel fra NSA, CISA og FBI fra september skete det via falske konti og proxy-netværk, i strid med udbydernes vilkår. De identificerede udviklere er DeepSeek, Moonshot, Alibaba, MiniMax, StepFun og Zhipu.
Den anden risiko er adfærd, som almindelige tests ikke fanger. Uafhængige forskere fandt, at nogle kinesiske modeller skrev mindre sikker kode, når en prompt rørte ved emner, det kinesiske kommunistparti anser for politisk følsomme, eller når brugeren angav sig som ansat i den amerikanske regering. CrowdStrike målte op til 50 procent højere risiko for alvorlige sikkerhedsfejl ved politisk følsomme emner, og Booz Allen fandt i over 2.800 forsøg, at tre ud af fire testede kinesiske modeller skrev mere sårbar kode, når brugeren var fra myndighederne. En model kan altså klare standardtests fint og alligevel skifte adfærd under forhold, brugeren ikke ved, at den skal testes under.
Den tredje risiko er cyber. NIST vurderede Zhipus nyeste open-weight-model som den mest cyber-kapable, der er frigivet til dato. Ifølge rapporten kan den autonomt bygge færdige angreb på et niveau, der minder om en amerikansk model, som for få måneder siden blev vurderet for farlig til bred frigivelse. Fordi vægtene er offentlige, kan sikkerhedsværnene fjernes for nogle få tusinde dollar. Rapporten angiver, at afvisningsraten faldt fra omkring 95 procent til mellem 3 og 6 procent for anslået 4.400 dollar. Da et amerikansk firma under en hændelse i sommer skulle forsvare sig, afviste de amerikanske modeller at hjælpe, fordi deres værn ikke kunne skelne en forsvarer fra en angriber, og firmaet brugte i stedet en kinesisk open-weight-model til at færdiggøre arbejdet. Vi beskrev den episode, da OpenAIs model brød ud og hackede Hugging Face.
Hvad betyder det i EU? AI-forordningen, NIS2 og GDPR
Først det vigtigste: kinesiske AI-modeller er ikke ulovlige i EU. Rapporten er amerikanske anbefalinger, ikke lov, heller ikke i USA. Anbefalingerne gælder amerikanske myndigheder, men måden at tænke proveniens på kan en dansk virksomhed bruge direkte. Mange tror, at spørgsmålet er løst, så længe data ikke forlader huset. Rapportens hovedpointe er en anden. At køre en model på egne servere holder data ude af Kina, men det ændrer ikke, hvordan modellen er bygget, hvad den er trænet til, eller hvordan den opfører sig under forhold, ingen tænkte på at teste. Selvhosting løser altså tredjelandsoverførslen under GDPR, men ikke spørgsmålet om proveniens og adfærd.
AI-forordningen lægger dokumentations- og transparenskrav på udbydere af general-purpose AI-modeller. Finjusterer I selv en model og sætter den i drift, kan I i visse tilfælde selv blive udbyder med de forpligtelser, det medfører. Er I omfattet af NIS2, er forsyningskædesikkerhed allerede et krav, og de modeller, I bygger på, hører med i den risikovurdering. Det er samme logik, vi beskrev, da AI-forsyningskæden blev gjort til sikkerhedspolitik: afhængigheden af en enkelt leverandør, hvad enten den er amerikansk eller kinesisk, er i sig selv en risiko, der skal styres.
Der findes allerede europæiske og andre alternativer, hvis I vil reducere afhængigheden. Rapporten fremhæver selv den franske Mistral Large 4 og amerikanske Reflection AI som opmuntrende tegn på, at vestlige open-weight-modeller er på vej til at indhente de kinesiske. Formålet er at kende sin egen stak godt nok til at træffe valget bevidst, ikke at skifte alt ud i panik.
Hvad danske virksomheder bør gøre nu
Det her er ikke en opgave, der haster i denne uge for de fleste. Men det er billigt at kortlægge nu og dyrt at opdage senere, som DoorDashs seks måneder viser. Det kan I gøre:
- Kortlæg hvilke modeller, inklusive basismodeller og finjusteringer, der indgår i jeres egne løsninger og i de værktøjer, I køber: kodeassistenter, kundeservice-bots, CRM-AI.
- Stil krav til leverandørerne. Bed om modelproveniens og en styksliste over modeller i indkøb og databehandleraftaler. Spørgsmålet er simpelt: hvilken basismodel kører jeres produkt på, og hvem har bygget den?
- Vurder risikoen pr. anvendelse. Det er noget andet at bruge en kinesisk model til at opsummere interne dokumenter end at lade den skrive kode til et system, der styrer noget kritisk.
- Hav en exit-plan. Ved I, hvor lang tid det tager at skifte en indlejret model ud, før I skal gøre det?
- Kig på alternativer, hvor det giver mening, fx Mistral eller danske modeller som Munin.
Mark Montgomery fra tænketanken Foundation for Defense of Democracies fanger drivkraften bag hele historien. Virksomheder og forsyningsselskaber vil, drevet af bundlinjen, som altid overse sikkerhed i jagten på en lavere startpris, siger han til The Record. Kina kender den opskrift godt. Opgaven for en dansk virksomhed er at træffe valget med åbne øjne i stedet for at opdage det bagefter.
Ofte stillede spørgsmål
Er kinesiske AI-modeller ulovlige i EU?
Nej. Rapporten er politiske anbefalinger fra to amerikanske udvalgsformænd, ikke lov, heller ikke i USA. I EU er kinesiske open-weight-modeller som Qwen, DeepSeek og Kimi ikke forbudt. Men de er omfattet af de samme regler som andre AI-modeller, og bruger I dem i følsomme sammenhænge, bør I forholde jer til proveniens, AI-forordningen og NIS2.
Hvordan ved vi, om vi bruger en kinesisk model?
Ofte står det ikke på etiketten. Cursor-sagen viser, at selv en udbredt kodeassistent kan være bygget på en kinesisk basismodel, uden at det fremgår. Spørg leverandøren direkte, hvilken basismodel produktet kører på, og bed om det skriftligt i databehandleraftalen. For egne løsninger kan I lave en modelinventar, der følger hver model tilbage til dens oprindelse.
Er det sikkert, hvis modellen kører på vores egne servere?
Selvhosting på egne eller europæiske servere betyder, at data ikke sendes til Kina, og det løser tredjelandsoverførslen under GDPR. Men det ændrer ikke, hvordan modellen er bygget og trænet, eller hvordan den opfører sig under forhold, I ikke har testet. Rapporten peger på, at nogle kinesiske modeller skifter adfærd under politisk følsomme emner. Datalokation og modeladfærd er to forskellige spørgsmål.
Hvad er en AI bill of materials?
En AI bill of materials er en styksliste over de modeller, et produkt er bygget af, på samme måde som en software bill of materials lister de komponenter, et program indeholder. Formålet er at kunne se, hvilke modeller og basismodeller der kører i et system, så I kan vurdere oprindelse, risiko og afhængighed. Rapporten anbefaler, at den bliver obligatorisk for amerikanske føderale leverandører.
Rapporten rykker ikke noget i jeres hverdag i denne uge. Men den markerer et skifte i, hvad man skal vide om sine AI-værktøjer. Før handlede spørgsmålet om, hvor jeres data lå. Nu handler det også om, hvilken model der kører under motorhjelmen, og hvem der byggede den. Formændene formulerer det selv skarpt: det, der starter som billigt at tage i brug, kan blive dyrt at afhænge af og endnu sværere at skifte ud. For en dansk virksomhed er den billige forsikring at kende sin egen stak, mens det stadig er let at gøre noget ved.
Fortsæt læsningen
Munin 2.0 er lige nu Danmarks stærkeste åbne model.
Danish Foundation Models, konsortiet bag de statsfinansierede danske sprogmodeller, udgav den 18. november Munin 2.0: en åben model på 120 m…
Claude og Riemann-hypotesen løst? lektien er maskinel verifikation
Fredag den 20. november skrev Levent Alpöge, matematiker hos Anthropic, at han sammen med Claude har fundet et bevis for Riemann-hypotesen, …
Microsofts agent-framework blev kapret på PyPI. Tjek jeres nøgler
Den 17. november blev to udgaver af Microsofts Python-pakke agent-framework lagt op på PyPI gennem Microsofts eget udgiverkonto som var komp…