Vad är en LLM?

De tre orden, i den ordning som spelar roll

Ta isär namnet baklänges.

Modell. En modell är en funktion som omvandlar en indata till en utdata, med regler inlärda från data snarare än skrivna av en programmerare. Vädermodellen tar dagens mätvärden och ger ut morgondagens prognos. En språkmodell tar text och ger ut en sannolikhet för vad som kommer härnäst.

Språk. Indata och utdata är text, uppdelad i tokens, som är delar av ord. Vad är tokens inom AI tar upp enheten, kortversionen är att modellen läser och skriver i fragment på ungefär tre fjärdedels ord.

Stor. Modellen har ett mycket stort antal parametrar, de interna talen som träningen justerar. GPT-2 hade 1,5 miljarder 2019. GPT-3 hade 175 miljarder 2020. Katalogen den här sidan prissätter 2026 innehåller en Qwen-modell med 2,4 biljoner parametrar, varav ungefär 95 miljarder är aktiva på en given token. Stor gör mycket av jobbet i namnet, och antalet har vuxit mer än tusenfalt på sju år.

En LLM är alltså en mycket stor nästa-token-prediktor. Alla andra egenskaper folk tillskriver den, resonemanget, tonen, de självsäkra misstagen, följer av den enda uppgiften.

En LLM är inte en chattbot, och skillnaden är hela produkten

ChatGPT är en app. GPT är modellen inuti den. Claude är både en familj av modeller och appen Anthropic bygger runt dem. Gemini är samma historia hos Google. Vad är en AI-chattbot tar upp applagret, den här sidan handlar om motorn.

Distinktionen slutar vara akademisk i samma stund du inser att motorn kan bytas ut. Samma chattfönster kan skicka ditt meddelande till GPT, Claude, Gemini, DeepSeek eller Llama, och svaren skiljer sig i ton, kostnad, hastighet och precision. En arbetsyta för flera modeller som Whizi är precis det: ett fönster, 280+ modeller bakom det, och en väljare för vilken som svarar. Appen är ratten. LLM:en är motorn, och det finns dussintals.

Hur en LLM tränas, i två steg

Steg ett, förträning. Modellen läser en enorm textmängd och försöker för varje position gissa nästa token. Varje felgissning justerar parametrarna en aning. Meta uppgav att Llama 3 förtränades på mer än 15 biljoner tokens, vilket, med ungefär 100 000 tokens för en roman på 75 000 ord (tre fjärdedels ord per token), motsvarar texten i ungefär 150 miljoner böcker. Efter det här steget är modellen ett fantastiskt autokomplement men en dålig assistent: ställ en fråga och den kan fortsätta med tre nya frågor, för det är ofta vad text på internet gör.

Steg två, efterträning. Modellen visas sedan exempel på bra svar och betygsätts av människor på vilket av två svar som är bäst, en process som kallas förstärkningsinlärning från mänsklig återkoppling, eller RLHF. Det är härifrån assistentbeteendet kommer: att svara i det format du bad om, och att neka vissa förfrågningar. Det är coachning, inte ny kunskap. Fakta kommer fortfarande från steg ett.

Två saker följer av de två stegen. Modellens kunskap slutar vid det datum dess förträningsdata upphör, vilket är varför varje modell har en kunskapsgräns. Och inget i något av stegen installerar en faktakoll: modellen lärde sig producera sannolik text och sedan att producera gillbar text. Sanning är en vanlig bieffekt av båda, ingen garanti. Varför AI gör fel går vidare med det.

Varför en LLM förutspår istället för att slå upp saker

En sökmotor hämtar. Den har ett index av sidor och returnerar de som matchar. En LLM har inget index. Allt den läste under förträningen komprimerades till dess parametrar, och vid svarstillfället återskapar den text från den komprimeringen, en token i taget, och väljer varje token från en sannolikhetsfördelning.

Det är därför en LLM kan skriva ett fungerande recept på en rätt den aldrig sett namnet på, och också varför den kan hitta på en rättsfallsreferens som inte existerar. Båda är rimliga fortsättningar. Modellen har ingen separat mekanism som kontrollerar om en rimlig fortsättning är en verklig.

Lösningen produkter använder är att skruva på hämtning: sök på webben eller i dina filer först, och ge sedan modellen avsnitten och be den svara utifrån dem. Den tekniken kallas RAG, och vad är RAG förklarar den. Webbsökning i en chattapp är RAG med internet som källa. Modellen förutspår fortfarande, den förutspår bara utifrån bättre material.

Vad priset köper inom en familj, mätt

Varje familj levererar en stege: en liten modell, en mellan, ett flaggskepp. Artificial Analysis Intelligence Index, en sammansatt poäng över offentliga resonemang-, kodnings- och kunskapsbenchmarks, sätter en siffra på varje steg, och topplistan listar ett blandat pris per miljon tokens bredvid. De fyra stegarna nedan lästes av 2026-09-17.

OpenAI köper 15 poäng för 18 gånger priset, Anthropic 35 poäng för 36 gånger, Qwen 19 poäng för 16 gånger. DeepSeek bryter mönstret: V4 Flash presterar bättre än V4 Pro för mindre än halva priset. Två saker följer. Inom en familj är de sista poängen de dyra, så för en kort faktafråga ger den lilla modellen samma svar som flaggskeppet. Och mellan familjer är priset en svag ledtråd till kvalitet: DeepSeek V4 Flash till $0.27 per miljon tokens poängsätts två poäng över Claude Sonnet 5 till $5.09. Det är det enskilt mest användbara att veta om LLM:er som köpare: modellen är ett vred, inte en fast kostnad. Whizi tar betalt enligt samma logik, en kredit för ett meddelande på husmodellen, 20 för Claude Opus 5, och upp till 100 för de dyraste raderna, vilket hur Whizi-krediter fungerar redogör för per modell.

Den ärliga brasklappen är att ett sammansatt index är ett genomsnitt över uppgifter. Vid en lång resonemangskedja tjänar flaggskeppet in sitt pris, vid en omskrivning gör det inte det. För en jämförelse av vad varje familj faktiskt är bra på är vilken AI-modell ska jag använda beslutssidan.

Vad en LLM inte kan göra, i en lista

Allt nedan är en konsekvens av arkitekturen, inte en bugg nästa utgåva fixar.

• Den kan inte veta något efter sin träningsgräns om inte hämtning ger den texten.
• Den kan inte räkna tillförlitligt på långa indata, eftersom den arbetar i tokens och sannolikheter, inte i en loop över objekt.
• Den kan inte verifiera sin egen utdata, en andra genomgång av samma modell är samma prediktor som gissar igen.
• Den kan inte minnas dig mellan konversationer om inte produkten sparar anteckningar och klistrar in dem igen, det minnet är en produktfunktion, inte en modellfunktion.
• Den kan inte se hela konversationen för evigt. Varje modell har ett kontextfönster, den maximala text den kan beakta åt gången, och vad är ett kontextfönster förklarar vad som händer när du når det.

Den praktiska konsekvensen: behandla en LLM som en flytande, ibland felaktig kollega, och behåll verifieringen på din sida av bordet. Loopen som gör en modell till något som agerar på egen hand är en annan sak, och vad är en AI-agent drar den gränsen. För allt med en kostnad kopplad till sig, fråga en andra modell. Två olika prediktorer som håller med varandra är svagt bevis, två som är oense är en stark signal att kontrollera.