AI-blog | Guides & værktøjer fra førende AI-konsulenter | Consile

Munin 2.0 er lige nu Danmarks stærkeste åbne model.

Skrevet af Martin Mensbo Christiansen | 22. nov. 2026 08.46.15

Danish Foundation Models, konsortiet bag de statsfinansierede danske sprogmodeller, udgav den 18. november Munin 2.0: en åben model på 120 milliarder parametre til dansk og engelsk, bygget til at skrive og rette kode som en AI-agent. Konsortiet kalder den den hidtil stærkeste fuldt åbne sprogmodel lavet i Danmark, og på den udbredte kodetest SWE-bench Verified scorer den 17 procentpoint højere end den NVIDIA-model, den er bygget oven på. Alle de tal er opgjort af konsortiet selv, og selv den letteste udgave kræver et datacenter-grafikkort for at køre.

Vi har læst release-noten, modelkortet og licensen. Herunder gennemgår vi, hvad Munin 2.0 faktisk er, hvad de selvrapporterede tal viser, hvad det koster at køre modellen selv, og hvornår en dansk open-weight-model giver mening for jer. Den korte version: stærk og billig til kode- og agentopgaver, svagere til at følge instruktioner præcist, ikke på niveau med de bedste lukkede modeller, og uden sikkerhedstræning, så I selv skal bygge værnene.

 

Hvad Munin 2.0 er, og hvad "dansk" betyder her

Munin 2.0 er en sprogmodel med 120 milliarder parametre i alt, hvoraf kun 12 milliarder er aktive pr. token. Den forstår dansk og engelsk, har et kontekstvindue på 128.000 tokens og har ræsonnering slået til som standard. Det særlige er, at den er efteruddannet specifikt til agentisk softwareudvikling, altså AI-agenter, der selv løser opgaver ved at køre kommandoer og rette i kodefiler, ikke bare svarer på spørgsmål.

Det er vigtigt at skelne mellem "dansk model" og "model trænet fra bunden i Danmark". Munin 2.0 er ikke trænet fra bunden. Konsortiet har taget NVIDIAs fortrænede basismodel Nemotron 3 Super og lært den at chatte, ræsonnere og bruge værktøjer. Arkitekturen og tokenizeren er uændrede fra NVIDIAs model. Munin 2.0 er altså en dansk specialisering af en amerikansk åben model. Den skelnen har betydning for både ydeevne og juridisk ansvar, som vi vender tilbage til.

Bag projektet står Syddansk Universitet, Aarhus Universitet, Københavns Universitet og Alexandra Instituttet, finansieret af Ministeriet for Forskning, Uddannelse og Digitalisering. Forgængeren Munin 1.0 fra juni var en række små modeller på 8 til 9 milliarder parametre, der kun var trænet med supervised fine-tuning. Munin 2.0 er konsortiets første model, der også er trænet med reinforcement learning, og det er kernen i, hvorfor den er bedre til kode.

 

Sådan er den lavet: NVIDIA-fundament, LUMI og Gefion

Træningen foregik i to trin og tog under fem dages regnetid i alt. Første trin er fine-tuning på 6,8 millioner samtaler, hvor modellen lærer at chatte, ræsonnere og kalde værktøjer. Cirka 8 procent af de trænede tokens er dansk, og yderligere 9 procent blander dansk og engelsk. Det trin kørte på 128 grafikkort på den finske supercomputer LUMI og gav det, konsortiet kalder SFT-checkpointet.

Andet trin er reinforcement learning på den danske supercomputer Gefion. Her arbejder modellen som agent: Den får en rigtig opgave, for eksempel en fejlrapport og et kodelager, løser den ved at køre kommandoer og rette filer, og bagefter tjekker et program resultatet med tests, som agenten aldrig har set. Hver opgave forsøges otte gange, og algoritmen forstærker de forsøg, der klarer sig bedre end gennemsnittet. Der bruges ingen menneskelig feedback og ingen dommermodel. Modellen nåede gennem cirka 119.000 sådanne forløb, hvoraf cirka halvdelen var softwareudvikling og en fjerdedel terminalopgaver. Ingen af opgaverne var på dansk.

Hver eneste kode- og terminalopgave kører i sin egen isolerede sandkasse, et friskt miljø, hvor agentens kode ikke kan påvirke noget udenfor. Konsortiet byggede selv en sandkassetjeneste, der kan starte omkring tusind sandkasser ad gangen, og beskriver den som den reelle flaskehals, ikke grafikkortene. Hele opsætningen er offentliggjort. Ifølge release-noten brugte efteruddannelsen under 0,1 procent af den regnekraft, der gik i selve basismodellen, hvilket vi også vender tilbage til under AI Act.

 

Tallene: stærk på kode, svag på instruktioner

Reinforcement learning-trinnet handlede om kode og terminalarbejde, og det er dér, gevinsten ligger. På SWE-bench Verified, en test af om modellen kan løse rigtige softwareopgaver, scorer Munin 2.0 66,2 procent mod 58,1 for SFT-checkpointet og 49,3 for NVIDIAs Nemotron 3 Super i samme testopsætning. Det er de 17 procentpoints forspring over NVIDIA-modellen, som også Computerworld gengiver, med den tilføjelse at resultatet er opgjort af konsortiet selv.

Den sammenligning fortjener et forbehold. NVIDIAs model laver få værktøjskald i konsortiets testopsætning og scorer derfor lavere her, end NVIDIA selv måler. NVIDIA rapporterer 60,5 procent for Nemotron 3 Super i sin egen opsætning. Forsprunget er altså reelt, men mindre, når man bruger NVIDIAs eget tal som udgangspunkt. På dansk, målt på 17 EuroEval-datasæt, der er renset for overlap med træningsdata, scorer Munin 2.0 71,1 mod 68,7 for NVIDIA-modellen. I en blind test af dansk kreativ skrivning mod 12 andre modeller blev den nummer tre, og kun en model mere end tre gange så stor var klart bedre.

Svagheden er instruktionsfølgning. På testen IFBench, hvor en helt almindelig anmodning har en eller to usædvanlige, mekanisk kontrollerede betingelser hægtet på, scorer Munin 2.0 49,7 mod 74,0 for NVIDIAs model. Modellen overser sjældent en betingelse, men rammer den lidt forkert. Bedt om at gøre hver sætning præcis fem ord længere end den forrige skrev den sætninger på 5, 10, 13, 20 og 25 ord. For jer betyder det, at modellen egner sig bedre til agentopgaver med automatisk kontrol end til opgaver, hvor et svar skal overholde et stramt format i første forsøg.

Hold to forhold fast, når I læser tallene. For det første er alle benchmarks målt af konsortiet selv, og der findes endnu ingen uafhængige målinger. For det andet blev det udgivne checkpoint delvist valgt ud fra netop de agentiske benchmarks, så konsortiet skriver selv, at scorerne er "somewhat optimistic". Konfidensintervallerne er på plus-minus 7 til 9 point. Behandl tallene som en retning, ikke en facitliste, og test på jeres egne opgaver.

 

Sikkerhed: hvorfor I selv skal bygge værnene

Konsortiet er usædvanligt åbent om, at Munin 2.0 ikke har fået nogen dedikeret sikkerhedstræning, og tallene er blandede. Når modellen bruges som agent i et levende terminalmiljø, tager den færre skadelige handlinger end både SFT-checkpointet og NVIDIAs model, og den ligger nummer tre af 16 modeller på testen SABER, kun overgået af to lukkede modeller. Det er den gode nyhed.

Den dårlige nyhed står i testen Agentic Misalignment, hvor modellen får at vide, at den skal udskiftes, eller at dens mål bliver overskrevet. Her afpresser Munin 2.0 i 20 procent af scenarierne og lækker fortrolige data i 79 procent, mod 5 og 56 procent for SFT-checkpointet. Reinforcement learning-trinnet gjorde modellen værre til at opføre sig loyalt, når den føler sig truet. Samtidig steg dens farlige cyberviden under træningen. Det er klassisk dual use: Den samme evne, der gør modellen nyttig til forsvar, kan misbruges.

Konklusionen fra konsortiet selv er klar. Som de skriver på modelkortet: "We did no dedicated safety training. Add your own safeguards, especially for autonomous agents with real permissions." Sætter I Munin 2.0 i drift som agent, skal den køre i en sandkasse med begrænsede rettigheder, logning og menneskelig godkendelse af følsomme handlinger. Konsortiet oplyser desuden, at det ikke selv har kørt nogen filtrering af persondata eller ulovligt materiale i træningsdataene, og at der ikke er målt bias for dansk. Det er et opmærksomhedspunkt, hvis modellen skal bruges i HR, kreditvurdering eller borgerrettede løsninger.

 

Licens, GDPR og AI Act: hvad "åben" betyder i praksis

Munin 2.0 er udgivet under NVIDIA Nemotron Open Model License. Den tillader kommerciel brug, ændring og videredistribution, og NVIDIA gør ikke krav på det, modellen producerer. Når I videredistribuerer modellen eller en afledt version, skal I dog sende licensen med, bevare de eksisterende ophavsrets- og attributionsnoter og tilføje teksten "Licensed by NVIDIA Corporation under the NVIDIA Nemotron Model License". Licensen bortfalder, hvis I anlægger patent- eller ophavsretssag om modellen, og den indeholder et krav om at overholde eksportregler. Det er en tilladende licens, men ikke en OSI-godkendt open source-licens som Apache 2.0, som Munin 1.0 brugte.

På databeskyttelse er hovedargumentet for en open-weight-model, at I kan køre den på egen infrastruktur eller i en europæisk cloud, så persondata ikke behøver forlade huset eller EU. Det kan forenkle GDPR-vurderingen, fordi der ikke er nogen overførsel til tredjeland. Det fjerner ikke kravene til databehandling, logning og adgangsstyring, men det flytter kontrollen hjem.

AI Act er mere nuanceret. Efter Kommissionens retningslinjer bliver den, der ændrer en model, selv udbyder af en ny generel AI-model, hvis ændringen bruger mere end en tredjedel af basismodellens træningsregnekraft. Konsortiets efteruddannelse brugte cirka 0,25 procent af den tærskel, og derfor vurderer det, at det ikke er udbyder af en ny model. Samme logik gælder for jer: Finjusterer I Munin 2.0 let til jeres eget brug, bliver I normalt ikke selv udbyder af en ny generel AI-model. Bygger I derimod et højrisikosystem ovenpå, gælder AI Acts krav til systemet stadig. Konsortiet har desuden lovet at offentliggøre resuméer af træningsdataene efter AI Act-skabelonen, et transparensniveau, som lukkede modeller sjældent matcher.

 

Hvad koster det at køre modellen selv?

Her er den praktiske hurdle. Munin 2.0 fås i tre varianter: standardudgaven i BF16, en komprimeret NVFP4-udgave og SFT-checkpointet til forskning og videre finjustering. BF16-udgaven fylder 247 gigabyte og kører typisk på otte grafikkort med tensor-parallelisme. NVFP4-udgaven er skåret ned til 80 gigabyte og kan køre på ét enkelt 96 gigabyte RTX PRO 6000 Blackwell-kort. Selv den mindste udgave kræver altså et datacenter-grafikkort. Det her er ikke en model, en almindelig bærbar kan køre, og det er den store forskel på Munin 2.0 og de små lokale modeller, vi tidligere har skrevet om, da vi kørte Nemotron 3 Nano på en Mac.

Modellen køres via vLLM med et OpenAI-kompatibelt API, så den passer ind i de fleste eksisterende opsætninger. Ved udgivelsen var den ikke hostet hos nogen inference-udbyder, så vil I afprøve den uden at investere i hardware, skal I enten selv rejse en GPU-server i en europæisk cloud eller vente på, at en udbyder tilbyder den. Til sammenligning er franske Mistral Large 4 et andet europæisk open-weight-alternativ, men den er langt større, omkring en billion parametre, og en direkte sammenligning på danske opgaver findes ikke endnu.

 

Hvad det betyder for danske virksomheder

Munin 2.0 er den første danske model, der kan tages alvorligt som motor i en kodeagent, der forstår dansk og kan køre på eget jern. For organisationer, hvor data ikke må forlade huset, eller hvor afhængigheden af amerikanske API'er er en strategisk risiko, er det et reelt alternativ. Men den er ikke på niveau med de bedste lukkede modeller, og driften kræver hardware, de færreste har stående. Det her kan I gøre nu:

  • Test modellen på 10 til 20 af jeres egne, typiske opgaver mod den model, I bruger i dag. Stol ikke på konsortiets benchmarks alene, især ikke når scorerne er selvrapporterede.
  • Regn ærligt på driften: GPU-kapacitet på mellem 80 og 247 gigabyte, drift og vedligehold holdt op mod, hvad et API koster jer i dag.
  • Kør den kun som agent i en sandkasse med begrænsede rettigheder, logning og menneskelig godkendelse, fordi den ikke har fået sikkerhedstræning.
  • Læs NVIDIA-licensen igennem med en jurist, før modellen bygges ind i et produkt, især på grund af attributionskravet og klausulen om retssager.
  • Brug den, hvor dens styrker passer: intern kodeassistent på fortrolig kildekode og dansksprogede interne assistenter, hvor data skal blive i huset.

 

Ofte stillede spørgsmål

 

Munin 2.0 flytter grænsen for, hvad der er muligt med en dansk, åben model, og det gør den ved at bygge oven på en amerikansk basismodel i stedet for at træne fra bunden. Det er en fornuftig vej, for efteruddannelse skalerer lettere end fortræning, og konsortiet kan gentage opskriften på nye og bedre basismodeller, efterhånden som de kommer. For danske virksomheder er pointen, at modellen er god nok til konkrete opgaver, forstår dansk og kan køre under jeres egen kontrol, selv om den ikke er bedst i klassen. Det er en mulighed, der ikke fandtes for et halvt år siden.