Hva er en LLM?

De tre ordene, i den rekkefølgen som betyr noe

Ta navnet fra hverandre baklengs.

Modell. En modell er en funksjon som gjør et input om til et output, med regler lært fra data i stedet for skrevet av en programmerer. Værmodellen tar dagens målinger og gir ut morgendagens varsel. En språkmodell tar tekst og gir ut en sannsynlighet for hva som kommer neste.

Språk. Inputen og outputen er tekst, delt opp i tokens, som er biter av ord. Hva er tokens i AI tar for seg enheten, kortversjonen er at modellen leser og skriver i fragmenter på omtrent tre firedeler av et ord.

Stor. Modellen har et svært stort antall parametere, de interne tallene som treningen justerer. GPT-2 i 2019 hadde 1,5 milliarder. GPT-3 i 2020 hadde 175 milliarder. Katalogen dette nettstedet priser i 2026 inkluderer en Qwen-modell med 2,4 billioner parametere, hvorav rundt 95 milliarder er aktive på ett enkelt token. Stor gjør mye av jobben i navnet, og antallet har vokst mer enn tusenfold på sju år.

En LLM er altså en veldig stor neste-token-forutsier. Alle andre egenskaper folk tillegger den, resonneringen, tonen, de selvsikre feilene, følger av den ene jobben.

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

ChatGPT er en app. GPT er modellen inni den. Claude er både en familie av modeller og appen Anthropic bygger rundt dem. Gemini er samme historie hos Google. Hva er en AI-chatbot tar for seg applaget, denne siden handler om motoren.

Skillet slutter å være akademisk i det øyeblikket du oppdager at motoren kan byttes ut. Det samme chattevinduet kan sende meldingen din til GPT, Claude, Gemini, DeepSeek eller Llama, og svarene varierer i tone, pris, hastighet og treffsikkerhet. Et flermodell-arbeidsområde som Whizi er nettopp dette: ett vindu, 280+ modeller bak det, og en velger for hvilken som svarer. Appen er rattet. LLM-en er motoren, og det finnes dusinvis av dem.

Hvordan en LLM trenes, i to trinn

Trinn én, forhåndstrening. Modellen leser et enormt tekstkorpus og prøver, for hver posisjon, å gjette neste token. Hvert feilgjett dytter parameterne litt. Meta rapporterte at Llama 3 ble forhåndstrent på mer enn 15 billioner tokens, som ved rundt 100 000 tokens for en roman på 75 000 ord (tre firedeler av et ord per token) tilsvarer teksten i rundt 150 millioner bøker. Etter dette trinnet er modellen en glimrende autofullføring og en dårlig assistent: still den et spørsmål og den fortsetter kanskje med tre nye spørsmål, fordi det er ofte det tekst på internett gjør.

Trinn to, etterfølgende trening. Modellen vises deretter eksempler på gode svar og vurderes av mennesker på hvilket av to svar som er best, en prosess kalt forsterkende læring fra menneskelig tilbakemelding, eller RLHF. Det er her assistentoppførselen kommer fra: å svare på spørsmålet i formatet du ba om, og å avslå enkelte forespørsler. Det er coaching, ikke ny kunnskap. Faktaene kommer fortsatt fra trinn én.

To ting følger av de to trinnene. Modellens kunnskap stopper ved datoen dataene i forhåndstreningen slutter, det er derfor alle modeller har en kunnskapsgrense. Og ingenting i noen av trinnene installerer en faktasjekker: modellen lærte å produsere sannsynlig tekst og deretter å produsere tekst folk liker. Sannhet er en hyppig bivirkning av begge, ikke en garanti. Hvorfor AI tar feil tar dette videre.

Hvorfor en LLM forutsier i stedet for å slå opp

En søkemotor henter frem. Den har en indeks over sider og returnerer de som treffer. En LLM har ingen indeks. Alt den leste under forhåndstreningen ble komprimert inn i parameterne, og ved svartidspunktet genererer den tekst på nytt fra den komprimeringen, ett token om gangen, og velger hvert token fra en sannsynlighetsfordeling.

Det er derfor en LLM kan skrive en fungerende oppskrift på en rett den aldri har sett navnet på, og også hvorfor den kan produsere en rettsavgjørelse som ikke finnes. Begge er plausible fortsettelser. Modellen har ingen egen mekanisme som sjekker om en plausibel fortsettelse er en ekte en.

Løsningen produkter bruker er å bolte på henting: søk på nettet eller i filene dine først, og gi deretter modellen utdragene og be den svare ut fra dem. Denne teknikken kalles RAG, og hva er RAG forklarer den. Nettsøk inne i en chatapp er RAG med internett som kilde. Modellen forutsier fortsatt, den forutsier bare ut fra bedre materiale.

Hva prisen kjøper deg innad i en familie, målt

Hver familie leverer en stige: en liten modell, en mellomstor, et flaggskip. Artificial Analysis Intelligence Index, en sammensatt poengsum på tvers av offentlige resonnering-, kode- og kunnskapsbenchmarker, setter et tall på hvert trinn, og rangeringen lister en blandet pris per million tokens ved siden av. De fire stigene under ble lest av 2026-09-17.

OpenAI kjøper 15 poeng for 18 ganger raten, Anthropic 35 poeng for 36 ganger, Qwen 19 poeng for 16 ganger. DeepSeek bryter mønsteret: V4 Flash slår V4 Pro til mindre enn halve prisen. To ting følger av dette. Innad i en familie er de siste poengene de dyre, så for et kort faktaspørsmål gir den lille modellen samme svar som flaggskipet. Og på tvers av familier er pris en svak veiviser for kvalitet: DeepSeek V4 Flash til $0.27 per million tokens scorer to poeng over Claude Sonnet 5 til $5.09. Det er det aller nyttigste å vite om LLM-er som kjøper: modellen er en skive, ikke en fast kostnad. Whizi tar betalt etter samme logikk, én kreditt for en melding på husmodellen, 20 for Claude Opus 5, og opptil 100 for de dyreste radene, som hvordan Whizi-kreditter fungerer beskriver per modell.

Det ærlige forbeholdet er at en sammensatt indeks er et gjennomsnitt over oppgaver. For en lang resonneringskjede tjener flaggskipet inn prisen sin, for en omskriving gjør den ikke det. For en sammenligning av hva hver familie faktisk er god på, er hvilken AI-modell bør jeg bruke beslutningssiden.

Hva en LLM ikke kan gjøre, i én liste

Alt under er en konsekvens av arkitekturen, ikke en feil neste versjon fikser.

• Den kan ikke vite noe etter treningsgrensen sin med mindre henting gir den teksten.
• Den kan ikke telle pålitelig i lange input, fordi den jobber i tokens og sannsynligheter, ikke i en løkke over elementer.
• Den kan ikke verifisere sitt eget output, en ny runde med samme modell er den samme forutsieren som gjetter igjen.
• Den kan ikke huske deg mellom samtaler med mindre produktet lagrer notater og limer dem inn igjen, det minnet er en produktfunksjon, ikke en modellfunksjon.
• Den kan ikke se hele samtalen for alltid. Hver modell har et kontekstvindu, den maksimale teksten den kan vurdere samtidig, og hva er et kontekstvindu forklarer hva som skjer når du treffer det.

Den praktiske konsekvensen: behandle en LLM som en flytende, av og til feilende kollega, og behold verifiseringen på din side av bordet. Løkken som gjør en modell om til noe som handler på egen hånd, er en annen ting, og hva er en AI-agent trekker den linjen. For alt med en kostnad knyttet til seg, spør en annen modell. To ulike forutsiere som er enige, er svakt bevis, to som er uenige, er et sterkt signal om å sjekke.