Lindy droppet Claude for DeepSeek V4: Lærdom for norske SMB
En 25-personers AI-agent-startup i San Francisco har flyttet 100 prosent av sin user-facing produksjonstrafikk fra Anthropic Claude til DeepSeek V4, og ifølge grunnleggeren sparer selskapet millioner av dollar. Saken er prissensitiv, ikke ideologisk, og den er relevant for norske SMB som vurderer AI-agenter i 2026.
Hva skjedde egentlig med Lindy, og hvorfor valgte de DeepSeek V4?
Lindy er en no-code plattform for AI-agenter som automatiserer e-post triage, møteplanlegging og CRM-arbeidsflyter. Selskapet ble grunnlagt i 2023 etter en pivot fra Teamflow. I juni 2026 annonserte grunnlegger og CEO Flo Crivello (tidligere Uber) på X at hele produksjonen ble flyttet fra Claude til DeepSeek V4. Direkte sitat: "Saves us millions of $ and we're actually seeing an increase in performance on many core use cases. Transformative for the business."
Det som gjør saken spesiell er omfanget. Crivello byttet ikke deler av trafikken eller kjørte A/B-tester. Hundre prosent av det sluttbrukerne møter går nå gjennom DeepSeek V4. Intern bruk hos ansatte, der flatrate-abonnementet Claude Max passer bedre, er beholdt hos Anthropic. Begrunnelsen er konsistent: AI-inference var Lindys største enkeltkostnad, faktisk større enn lønn. Crivello omtalte det som "unsustainable" og "a matter of survival for the business".
Hvor mye sparte de, og er det realistisk for andre?
Crivello oppgir selv "millions of dollars" i besparelser, og CNBC rapporterer at selskapet vil spare millioner "within months". Det finnes ikke et presist, verifisert dollar-tall i åpne kilder. Det som er kjent er at AI-inference var Lindys største kostnadspost, og at kostnadskurven ifølge Crivello "crashed to the ground" etter byttet.
For norske SMB er det viktig å lese dette med et kostnadsblikk i stedet for en kopi-handling. Lindy er et spesielt tilfelle: en AI-agent-plattform med svært høy inference-trafikk per ansatt, der hver kundeinteraksjon sender tokens gjennom modellen. Et advokatfirma med 15 ansatte som bruker AI til å oppsummere saksdokumenter en gang i uken, har en helt annen kostnadsprofil. Lærdommen fra Lindy handler derfor ikke om å kopiere besparelsen, men om å forstå mekanismen: når AI blir en løpende driftskostnad, blir modellvalg et strategisk valg.
Hvorfor DeepSeek V4, og ikke noe annet?
Crivello evaluerte åpen kildekode-modeller i 6 til 9 måneder før de landet på DeepSeek V4, og brukte ytterligere to måneder på DeepSeek-spesifikk testing. De vurderte også self-hosting, men avviste det som "massive distraction" for et 25-personers team. Løsningen ble amerikansk hosting: DeepSeek V4 kjører som open-weight-modell gjennom amerikansk leverandør på amerikansk jord. Data forlater ikke USA.
Alternativene i markedet deles i to grupper: premium-lukkede modeller fra OpenAI og Anthropic, og dramatisk billigere open-weight alternativer. Vercels AI Gateway-data fra mai 2026 viser at DeepSeeks andel av token-volumet hoppet fra under 1 prosent til 17 prosent på én måned, mens andelen av den totale kostnaden holdt seg nær 1 prosent. Det er et direkte mål på prisforskjellen. For en norsk SMB som vil grave i pristall og modell-sammenligning, har vi tidligere skrevet om DeepSeek V4 og AI-priser og om kinesiske språkmodeller i porteføljen. Crivellos kommentar oppsummerer logikken: han ville byttet tilbake til Anthropic hvis de kuttet pris vesentlig, men inntil videre har han alternativer.
Hva betyr dette for norske SMB?
For en norsk SMB med 7 til 100 ansatte er ikke spørsmålet om du skal bytte fra Claude til DeepSeek i morgen. Spørsmålet er om du har en bevisst modellportefølje, eller om du har låst hele AI-bruken til én premium-leverandør uten å vite hva det koster deg over tid. For en grundigere gjennomgang av modeller tilgjengelig i 2026 og hvordan du velger AI-leverandør, har vi skrevet egne oversikter. Tre observasjoner fra Lindy-saken som treffer norske SMB direkte:
For det første: AI-kostnad skalerer annerledes enn programvarekostnad. Når AI-agenter tar over arbeidsflyter, vokser token-forbruket med bruken. Det er en driftskostnad, ikke en lisenskostnad. For det andre: leverandørmarkedet er i bevegelse. OpenAI utsetter IPO fordi de nekter å gå under billion-dollar verdivurdering, mens Snowflake-CEO Sridhar Ramaswamy nylig testet GLM-5.2 fra Zhipu mot Claude Opus 4.7 på 103 kodeoppgaver. GLM løste 66 prosent mot Opus sine 67 prosent over tre forsøk, til en brøkdel av prisen. For det tredje: norske selskaper sitter ofte med en "bare bruk Claude"-standard uten å ha gjort en bevisst evaluering. Det er ikke lenger det trygge svaret, det er bare en uvurdert posisjon. En gjennomgang av hva AI-agenter faktisk koster i Norge i 2026 gir et realistisk utgangspunkt.
Er dette trygt? Juridisk og datasuverenitet
Løsningen Lindy valgte er geopolitisk nøytralisert uten å være politisert. Open-weight betyr at modellvektene er åpent tilgjengelige, men kjøringen skjer hos en amerikansk skyleverandør på amerikansk jord. Det betyr at norske kunders data behandles under amerikansk jurisdiksjon, ikke kinesisk. For norske SMB uten personopplysninger ut over standard arbeidsdata, er dette en helt annen risikoprofil enn å sende data til en lukket kinesisk plattform.
Det som gjenstår er GDPR- og personvernvurderingen, som er uavhengig av modellvalg. For norske SMB som behandler helse-, finans- eller annen sensitiv persondata, er hosting-valg, databehandleravtale og loggføring fortsatt avgjørende. Vi har skrevet om AI-agenter, lokal drift og governance for de som vil gå dypere i arkitekturvalg. Poenget er at Lindy-saken viser at "åpen modell" og "trygg hosting" ikke er motsetninger. De er to uavhengige valg.
Hvordan kan AIKI-kunder ta dette i bruk?
Hos AIKI starter vi med en kostnadsanalyse av eksisterende AI-bruk. Mange kunder oppdager at de betaler for Claude eller GPT-4o på oppgaver som en billigere modell løser like godt: kategorisering av e-poster, første utkast til kundebrev, møtereferater, enkel kodehjelp. Deretter setter vi opp en modellportefølje der premium brukes kun der det faktisk lønner seg, og rimeligere modeller tar volumet.
For kunder med høyt inference-volum, som bygger egne AI-agenter i produksjon, ser vi på åpen-vekt-alternativer som DeepSeek V4 eller GLM-5.2, alltid hostet i EU eller USA og aldri gjennom lukkede kinesiske plattformer. For kunder med lavt volum og høye krav til konsistens, holder vi ofte premium-leverandøren, men strukturerer bruken slik at volumoppgaver ikke trekker unødvendig kostnad. Resultatet er sjelden én modell for alt. Det er en bevisst miks.
For en dypere innføring i AI-agenter i norsk kontekst og hvordan de skiller seg fra generell AI-bruk, har vi en egen oversikt.
Vil du vite hva din nåværende AI-regning egentlig består av, og hvor den kan kuttes uten å miste kvalitet? Book en prat med AIKI, så går vi gjennom deres faktiske bruk og regning.
Kilder
- The Decoder (26. juni 2026): AI-startup Lindy ditched Claude entirely for DeepSeek
- CNBC (26. juni 2026): OpenAI, Anthropic new AI spending reality
- Flo Crivello på X (4. juni 2026): https://x.com/Altimor/status/2062389885437366342
- The New Stack (9. juni 2026): Lindy DeepSeek Anthropic switch
- The Decoder: Snowflake-CEO finner GLM-5.2 konkurransedyktig med Opus 4.7
