Hvad er en LLM?

De tre ord, i den rækkefølge der betyder noget

Skil navnet ad baglæns.

Model. En model er en funktion, der omdanner et input til et output, med regler lært fra data i stedet for skrevet af en programmør. Vejrmodellen tager dagens målinger og giver morgendagens vejrudsigt. En sprogmodel tager tekst og giver en sandsynlighed for, hvad der kommer næst.

Sprog. Input og output er tekst, delt op i tokens, som er stykker af ord. Hvad er tokens i AI dækker enheden, den korte version er, at modellen læser og skriver i fragmenter på cirka tre fjerdedele af et ord.

Stor. Modellen har et meget stort antal parametre, de interne tal som træningen justerer. GPT-2 havde i 2019 1,5 milliarder. GPT-3 havde i 2020 175 milliarder. Kataloget denne side priser i 2026 inkluderer en Qwen-model med 2,4 billioner parametre, hvoraf cirka 95 milliarder er aktive på ét token. Stor gør en stor forskel i navnet, og antallet er vokset mere end tusindfold på syv år.

Så en LLM er en meget stor næste-token-forudsiger. Alle andre egenskaber, folk tillægger den, ræsonnementet, tonen, de selvsikre fejl, følger af netop det ene job.

En LLM er ikke en chatbot, og forskellen er hele produktet

ChatGPT er en app. GPT er modellen inden i. Claude er både en familie af modeller og appen Anthropic bygger omkring dem. Gemini er samme historie hos Google. Hvad er en AI-chatbot dækker applaget, denne side handler om motoren.

Forskellen holder op med at være akademisk, i det øjeblik du lærer, at motoren kan udskiftes. Det samme chatvindue kan sende din besked til GPT, Claude, Gemini, DeepSeek eller Llama, og svarene adskiller sig i tone, pris, hastighed og præcision. En multimodel-arbejdsplads som Whizi er netop det: ét vindue, 280+ modeller bag det, og en vælger til at bestemme, hvem der svarer. Appen er rattet. LLM'en er motoren, og der findes snesevis.

Sådan trænes en LLM, i to trin

Trin ét, foertræning. Modellen læser et enormt korpus af tekst og forsøger for hver position at gætte det næste token. Hvert forkert gæt skubber parametrene en smule. Meta rapporterede, at Llama 3 blev foertrænet på mere end 15 billioner tokens, hvilket, ved cirka 100.000 tokens for en 75.000-ords roman (tre fjerdedele af et ord per token), svarer til teksten i cirka 150 millioner bøger. Efter dette trin er modellen en fremragende autoudfylder og en dårlig assistent, spørger du den om noget, kan den fortsætte med tre nye spørgsmål, fordi det ofte er sådan, tekst på internettet opfører sig.

Trin to, efterfølgende træning. Modellen får derefter vist eksempler på gode svar og bliver bedømt af mennesker på, hvilket af to svar der er bedst, en proces kaldet reinforcement learning fra menneskelig feedback, eller RLHF. Det er her, assistentadfærden opstår: at besvare spørgsmålet i det format, du bad om, og at afvise nogle anmodninger. Det er coaching, ikke ny viden. Fakta kommer stadig fra trin ét.

To ting følger af de to trin. Modellens viden stopper ved den dato, dens foertræningsdata slutter, hvilket er grunden til, at alle modeller har en videns-cutoff. Og intet i nogen af trinene installerer en faktatjekker: modellen lærte at producere sandsynlig tekst og derefter at producere tekst, folk kan lide. Sandhed er en hyppig bivirkning af begge dele, ikke en garanti. Hvorfor AI tager fejl går videre med det.

Hvorfor en LLM forudsiger i stedet for at slå op

En søgemaskine henter. Den har et indeks over sider og returnerer dem, der matcher. En LLM har intet indeks. Alt den læste under foertræningen blev komprimeret ind i dens parametre, og ved svartidspunktet genererer den tekst ud fra den komprimering, ét token ad gangen, og vælger hvert token fra en sandsynlighedsfordeling.

Det er grunden til, at en LLM kan skrive en fungerende opskrift på en ret, den aldrig har set navngivet, og også grunden til, at den kan producere en retskilde, der ikke findes. Begge dele er plausible fortsættelser. Modellen har ingen separat mekanisme, der tjekker, om en plausibel fortsættelse er en ægte en.

Løsningen produkter bruger er at hægte hentning på: søg på nettet eller i dine filer først, og giv derefter modellen passagerne og bed den svare ud fra dem. Den teknik kaldes RAG, og hvad er RAG forklarer den. Websøgning inde i en chatapp er RAG med internettet som kilde. Modellen forudsiger stadig, den forudsiger bare ud fra bedre materiale.

Hvad prisen køber inden for en familie, målt

Hver familie sender en stige: en lille model, en mellemste, et flagskib. Artificial Analysis Intelligence Index, en sammensat score på tværs af offentlige ræsonnement-, kodnings- og videns-benchmarks, sætter et tal på hvert trin, og ranglisten viser en blandet pris per million tokens ved siden af. De fire stiger nedenfor blev aflæst den 2026-09-17.

OpenAI køber 15 point for 18 gange prisen, Anthropic 35 point for 36 gange, Qwen 19 point for 16 gange. DeepSeek bryder mønstret: V4 Flash scorer højere end V4 Pro til under halv pris. To ting følger af det. Inden for en familie er de sidste par point de dyre, så til et kort faktuelt spørgsmål giver den lille model samme svar som flagskibet. Og på tværs af familier er pris en svag guide til kvalitet: DeepSeek V4 Flash til $0.27 per million tokens scorer to point over Claude Sonnet 5 til $5.09. Det er det mest nyttige, en køber kan vide om LLM'er: modellen er en drejeknap, ikke en fast omkostning. Whizi tager betaling efter samme logik, én credit for en besked på husmodellen, 20 for Claude Opus 5, og helt op til 100 for de dyreste rækker, hvilket sådan fungerer Whizi-credits opstiller per model.

Det ærlige forbehold er, at et sammensat indeks er et gennemsnit over opgaver. Til en lang tankekæde tjener flagskibet sin pris ind, til en omskrivning gør det ikke. For en sammenligning af, hvad hver familie faktisk er god til, er hvilken AI-model bør jeg bruge beslutningssiden.

Hvad en LLM ikke kan, i én liste

Alt nedenfor er en konsekvens af arkitekturen, ikke en fejl, næste udgivelse retter.

• Den kan ikke kende noget efter sin trænings-cutoff, medmindre hentning giver den teksten.
• Den kan ikke tælle pålideligt på lange input, fordi den arbejder i tokens og sandsynligheder, ikke i en løkke over elementer.
• Den kan ikke verificere sit eget output, en anden gennemgang af samme model er den samme forudsiger, der gætter igen.
• Den kan ikke huske dig mellem samtaler, medmindre produktet gemmer noter og limer dem tilbage ind, den hukommelse er en produktfunktion, ikke en modelfunktion.
• Den kan ikke se hele samtalen for evigt. Alle modeller har et kontekstvindue, den maksimale mængde tekst den kan overveje ad gangen, og hvad er et kontekstvindue forklarer, hvad der sker, når du rammer det.

Den praktiske konsekvens: behandl en LLM som en veltalende, af og til fejlagtig kollega, og hold verifikationen på din side af bordet. Løkken, der gør en model til noget, der handler på egen hånd, er en anden ting, og hvad er en AI-agent trækker den grænse. Til alt med en omkostning tilknyttet, spørg en anden model. To forskellige forudsigere, der er enige, er svagt bevis, to der er uenige, er et stærkt signal om at tjekke.