Genspark har frigivet GenOffice som open source under Apache-2.0. Der ligger signed installers til macOS (Apple Silicon) og Windows x64, og koden er åben at kigge i. Version 0.4.110. Det er gratis og uden annoncer, ifølge den tekniske gennemgang hos MarkTechPost. Alfa-status er tydelig – og klogt valgt.
Det hurtige overblik først: GenOffice består af Docs, Sheets, Slides og et PDF-værktøj, bygget som fem Electron-apps med en delt engine. AI er ikke en chatboks i hjørnet, men et redigeringsprincip. Det er her, det skiller sig ud.
Hvad er GenOffice
GenOffice er en AI-native kontorpakke, ikke bare klassiske værktøjer med en AI-knap ovenpå. Ifølge MarkTechPost rummer pakken tekstbehandling, regneark, præsentationer og PDF – og den er ad-fri. På macOS og Windows installerer man binerne direkte, uden krumspring. Ingen web-login ved opstart, ingen vandmærker. Men når AI’en skal i spil, koster det kreditter.
Platforme og installation
Der er signed installers til Apple Silicon på macOS og til Windows x64. For dem, der vil bygge selv, kører sourcen på Node 20+ og npm 10+, og Sheets-delen kræver en Rust toolchain til en sidecar, ifølge den tekniske beskrivelse. Det er ikke usædvanligt for Electron-baserede værktøjer at have små sidecars for performance eller systemnære opgaver – her bruges Rust som tungt løfteværktøj til Excel-fidelitet.
Det betyder også, at DevOps-linjen for en fork ikke bare er en “npm i && npm run build”. Man skal have Rust på build-agenter, styre cache, sikre reproducible builds og signering. Småt, men vigtigt i virksomhedsregi.
Hvordan det er bygget
Kernen er fem Electron-apps, men med en fælles engine-layer i TypeScript uden direkte Electron-afhængigheder. Det gør motoren genbrugelig på tværs af apps. Ifølge MarkTechPost indeholder engine-laget blandt andet docx-engine, pptx-engine, pptx-render, file-parse, agent-core, ai-provider og ai-search. Opdelingen peger på en klar adskillelse mellem dokumentmodellering og UI.
Det mest bemærkelsesværdige er Docs’ byte-bevarende .docx-flow: Originalfilen arkiveres ved hash og røres ikke. docx-engine parser topniveauet af word/document.xml til en bloktræ-struktur, redigering sker i en TipTap-streaming editor med dirty tracking, og ved gem konverteres kun de ændrede blokke tilbage til OOXML-fragmenter, som splices ind i originalen. Resten af zip-arkivet kopieres byte-for-byte. Konsekvensen er, at layout, kommentarer, tracked changes, ligninger og ink bevares, som hvis filen aldrig havde været ude. Ambitiøst – og hvis det holder, praktisk talt guld i samarbejdsworkflows, hvor et enkelt linjeskift kan smadre en sidebrydning.
Konsekvensen for dokumentfidelitet
GenOffice lover pagineret visning med samme linjemetrik som i Word. Ifølge gennemgangen er det netop grunden til byte-preservation: åbning og gemning skal ikke ændre på stilarter og spacing. Det er klassisk svært, særligt når AI får lov at pille i tekst og formatering. Dirty-merge-ideen – kun ændre de blokke, der faktisk blev redigeret – er her et sobert svar.
Sheets og Slides følger samme filosofi: smalle patches oven på en sandhedskilde. Regneark kører på en UI-bund af Univer-core (Apache-2.0) og benytter en Rust-sidecar med calamine og IronCalc til XLSX-import/eksport. Slides har en in-house pptx-parse/render/editer med masters, charts, cropping, ink og tekstformning via HarfBuzz. PDF læner sig op ad pdf.js og pdf-lib og tilføjer annotationer, formularer, signaturer, sideoperationer og udskrivning. Det lugter af pragmatisme mere end purisme. Godt.
Open source og licenssporet
Apache-2.0 giver frihed: kommerciel brug, modificering, forgrening. Koden er åben nok til, at en virksomhed kan bygge en intern variant. MarkTechPost noterer dog et ee/ katalog i repoet – reserveret til fremtidige enterprise-moduler under en separat GenOffice Enterprise License – og at GenOffice- og Genspark-navnene er Mainfunc, Inc.-varemærker, som forks ikke må bruge. Det er standardspillet: permissiv kerne, betalte udvidelser, beskyttede brands.
Hvad betyder det i praksis, hvis man vil forke? Man må gerne bygge sin egen distribution og sælge support, men man skal ændre navn og fjerne eventuelle enterprise-hooks, hvis licensen kræver det. Og man skal holde øje med, hvad der ender i ee/. Hvis nøglefunktioner flytter derover senere, kan det påvirke langsigtede vedligeholdelsesvalg.
AI-stien, kreditmodel og sikkerhed
AI-funktionerne er gratis i UI’et, men forbruget koster Genspark-kreditter. Ifølge MarkTechPost kræver det en Genspark-konto, fordi modelkald proxieres server-side. Det er fint til afprøvning, men har compliance-implikationer: dokumentuddrag og prompts forlader maskinen for at blive behandlet i skyen. Hvordan data logges og gemmes, er ikke dokumenteret i detalje i kilden. Det bør afklares, før større organisationer ruller ud bredt.
Sikkerhedsnoterne er mere konkrete, end man ofte ser i en alfa: hver dokumentwindow kører med contextIsolation true, nodeIntegration false og sandbox true. IPC-payloads schema-valideres i main-processen, og Sheets bruger zod end-to-end, ifølge kilden. Eksterne links går gennem en gate med allowlist for http/https; file:, javascript: og custom schemes afvises. Det er sunde standarder. Ikke en erstatning for en formel sikkerhedsgennemgang, men bedre end tavshed.
Hvorfor den delte engine betyder noget
En fælles engine på tværs af Docs/Sheets/Slides gør det muligt at genbruge AI-rutiner, data-parsere og værktøjsagenter. Det kan skubbe feature-iteration op i tempo. I stedet for at bygge tre forskellige integratorer til interne datakilder kan teams bygge én adapter til engine-laget og bruge den flere steder. Mindre limkode, færre integrationsfejl, hurtigere rettelser.
Praktisk betyder det også, at en organisation kan begynde med en lille PoC i ét værktøj – fx AI-assisteret dokumentredigering – og siden genbruge motorik i regneark eller præsentationer. Det lyder trivielt, men det er sådan, AI-funktioner flytter fra “smart knap” til daglig drift. Og så kommer tradeoffs: et fælles engine-lag er et single point of change. Fejl i kernepakken kan mærkes i alle apps. Governance og versionsstyring bliver vigtigt.
Bygkrav og DevOps-overvejelser
Skal man bygge fra source eller vedligeholde en fork, kræver pipelines Node 20+, npm 10+ og Rust toolchain til Sheets. Det betyder build-containere, versionspinning, cache-warmers og signeringsnøgler. CI skal kunne køre på både macOS og Windows for at producere first-class artefakter. Og auto-update i Electron kræver en beslutning: tillader man auto-opdatering i produktion, eller fastlåser man versioner og ruller kontrolleret ud via intern softwaredistribution?
Autentifikation mod interne systemer bliver næste stop: hvis man integrerer data-connectors, skal der tænkes på OAuth/OIDC, nøglehåndtering og mindst rollebaseret adgang. Et engine-lag gør det lettere at centralisere det, men det bliver også et attraktivt mål. Logning og revisionsspor bør planlægges fra dag ét.
Compliance og dataejerskab
At modelkald proxieres i skyen betyder, at data sandsynligvis passerer Gensparks servere. Ingen detaljer om retention, kryptering at rest eller SLA er nævnt i den primære kilde. For GDPR-tunge miljøer eller sektorer med skærpede krav (finans, sundhed, offentlig forvaltning) er det stopklods nummer ét. Mulige afbødninger – i almindelighed, ikke nødvendigvis understøttet af GenOffice endnu – kan være datamaskering i klienten, brug af lokale eller hybrid-hostede modeller, eller en virksomhedsproxy, der vasker metadataspor. Men uden eksplicit produktstøtte er det manuelt og skrøbeligt.
Drift og omkostninger
Genspark oplyser ifølge MarkTechPost, at alpha tog cirka en uge for én ingeniør og forbrugte cirka 10.000 dollars i modeltokens. Det er mest interessant som tempo-indikator: AI-funktioner kan prototypers hurtigt, hvis arkitekturen er ren. Men det antyder også, at seriøs brug vil give løbende tokenomkostninger, som skalerer med dokumentstørrelse, promptlængde og modelvalg. Forbrugsstyring bliver et styringsspor på linje med cloud-budgetter: interne kreditbudgetter pr. team, alarmer for overforbrug og måske en billig model til hverdagsopgaver og en dyrere til komplekse revisioner.
Pay-as-you-go er praktisk, men overraskelser kommer hurtigt, når AI flytter fra pilot til hverdag. Et par hundrede autokompletteringer i timen per kontorfløj kan blive til rigtige penge. Det er ikke et GenOffice-problem specifikt, mere en realitet ved enhver AI-integreret suite.
Deploybarhed og målgrupper
Hvem bør prøve det nu? Startups og mindre virksomheder med fleksible compliance-krav kan hente binerne og teste workflows i ro og mag. Mellemstore teams kan overveje en fork, da Apache-2.0 tillader kommercielle modifikationer og distribution – bare husk varemærkerne og ee/-modulernes særstatus.
Regulerede virksomheder bør sænke farten. Alfa-status, cloud-proxiede AI-kald og åbne spørgsmål om dataretention kalder på procurement, sikkerhedsgennemgang og DPIA, før piloter ruller bredere ud. Kravet til buildmiljø (Node/Rust) er trivielt for tech-teams, men for traditionelle IT-miljøer kan Electron-deploys og opdateringsmekanismer stadig være en hurdle, især på låste Windows-images.
Begrænsninger og åbne spørgsmål
Der er nogle huller, som kilderne ikke dækker. Hvilke sprogmodeller bruges bag proxyen? Hvilke licenser gælder for modellerne? Kan man skifte til selv-hostede modeller? Der er ingen officiel dokumentation i kilden om SLA, dataretention, metadatalogning eller kryptering i hvile. Uden det forbliver udrulning i stor skala en risikosport.
Ydeevne er også et åbent felt. Hvordan klarer Sheets meget store regneark i praksis? Hvad med latency ved AI-funktioner, memory footprint og offline-adfærd ved dårlige netværk? Edge-cases ved konvertering – sjove styles, gamle spor fra Office 2010, tredjeparts OLE-objekter – nævnes ikke. Det er fair i en alfa, men bør testes af uafhængige brugere.
Opdateringer og enterprise-moduler
Auto-update nævnes i skitseform, men der er ikke beskrevet en fuld opdateringsmekanisme med signeringskæder og rollback. I enterprise-land er det ofte et krav. ee/-kataloget er flaget til fremtidige moduler under separat licens – men intet om tidshorisont eller betingelser. Her må man afvente mere dokumentation fra udgiver.
Konsekvenser for markedet
GenOffice viser, at AI-native kontorværktøjer er på vej ud af lukkede SaaS-bokse og ind i open source-økosystemet, hvor organisationer kan pille, auditere og bygge videre. Det er ikke en markedsdominans i morgen, men det flytter Overton-vinduet. Hvis vægtene for stærke modeller i bredere grad bliver åbne og permissivt licenserede, bliver self-hosting mere realistisk mange steder. Den bredere branche peger i den retning – eksempelvis meldinger om åbne vægte for store MoE-modeller som Qwen-holdet har varslet – men licenser og praktisk driftsstøtte afgør, om det er brugbart, ikke bare muligt.
For etablerede spillere betyder det mere konkurrence på arkitektur og integrationsdygtighed, ikke kun på UI-vaner. Byte-bevarende round-trips og modulære AI-agenter kan hurtigt føles vigtigere end nye templater. Det er lidt niche nu, men niche flytter ofte mainstream stille og roligt.
Hvad man praktisk kan gøre nu
Det enkle første skridt er at installere binerne og prøve med ikke-følsomme dokumenter. Undersøg, om byte-bevaring faktisk holder i jeres mest brugte .docx/.xlsx/.pptx. Kig på buildkravene, hvis en fork frister, og beslut hvor kreditter og forbrug skal styres fra dag ét. Overvej en lille PoC for hybrid eller lokal inferens, hvis dataejerskab er centralt – eller vent til mere dokumentation om enterprise-moduler og datasporing. Man opdager først forskellen, når man sidder med det i hænderne.
