Din dator laddar ned samma AI-fil om och om igen – nu finns ett förslag på lösning

Samma fil, om och om igen

Tänk dig att din dator redan har en kopia av en fil. En exakt, bit-för-bit identisk kopia. Ändå tvingas du ladda ned den igen – bara för att du besöker en annan webbplats än förra gången. Det låter absurt, men det är precis vad som händer idag när webbapplikationer använder AI-modeller direkt i webbläsaren.

Thomas Steiner, utvecklarrelationsingenjör i Googles Chrome-team, beskriver problemet i ett inlägg på Hugging Faces blogg och det är välformulerat och tydligt: webbläsare behandlar lagrad data som strängt tillhörande den webbplats som laddade ned den. Det kallas same-origin policy och är en grundpelare i webbsäkerheten. Men när det gäller stora, statiska resurser som AI-modeller skapar regeln ett påtagligt slöseri.

I exemplet Steiner lyfter fram rör det sig om taligenkänningsmodellen Whisper, som används av det populära JavaScript-biblioteket Transformers.js. Det biblioteket låter webbutvecklare köra AI-modeller lokalt i webbläsaren – utan att skicka användardata till en server, vilket är en fin poäng i sig. Men om du besöker webbplats A som använder Whisper, och sedan webbplats B som också använder Whisper, laddar webbläsaren ned 177 megabyte igen. Från grunden. Trots att filerna är identiska och redan finns på din hårddisk.

Och det stannar inte vid modellerna. Även den delade körningsmiljön för WebAssembly – en fil på nästan fem megabyte som i princip alla Transformers.js-applikationer behöver – laddas ned på nytt för varje nytt ursprung.

Förslaget: delad lagring mellan ursprung

Lösningen som diskuteras är ett nytt webb-API som skulle tillåta webbläsare att dela cachade resurser mellan olika webbplatser – under kontrollerade och säkra former. Tanken är inte att rucka på säkerhetsmodellen, utan att skapa ett specifikt undantag för resurser som är ofarliga att dela: stora, oföränderliga filer som identifieras via kryptografisk kontrollsumma.

Det är en elegant avgränsning. Om två webbplatser vill använda samma modell och den filen redan finns cachad lokalt, ska webbläsaren kunna dela den – förutsatt att filens innehåll kan verifieras som identiskt. Ingen känslig information läcker. Ingen säkerhetsmodell bryts. Man återanvänder helt enkelt det man redan har.

Som systemutvecklare ser jag direkt igenkänning i tankegången. Det påminner om hur pakethanterare som npm eller pip fungerar: du installerar ett beroende en gång och alla projekt på din dator kan sedan använda det. Webbens isoleringsmodell har historiskt förhindrat detta, men nu när webbläsaren alltmer fungerar som en körplattform för avancerade applikationer börjar den avvägningen se annorlunda ut.

Varför det spelar roll just nu

Timing är allt. Förslaget kommer i ett läge då AI-funktioner i webbläsaren är på väg att bli vardagsmat snarare än experiment. Transformers.js används redan i produktionsmiljöer för allt från textöversättning till bildanalys. WebGPU, som ger webbläsare direkt tillgång till grafikprocessorns kraft, öppnar för allt mer avancerade modeller att köras lokalt.

Ju fler webbplatser som anammar dessa tekniker, desto mer kännbar blir problemet med duplicerad lagring. Det handlar inte bara om bandbredd – det handlar om laddningstider, batteriförbrukning och användarupplevelse. En webbapp som kräver att användaren väntar 30 sekunder på att en modell ska laddas ned har redan förlorat stora delar av sin publik.

Ett delat modellcache skulle inte bara gynna slutanvändare. Det skulle sänka tröskeln för webbutvecklare att faktiskt använda AI-funktioner, eftersom de kan förutsätta att modellen troligen redan finns på användarens enhet – inte bara om de råkade besöka rätt webbplats förut.

Det är den typen av infrastrukturförändring som sällan hamnar i rubriker, men som på sikt påverkar hur hela ekosystemet utvecklas.