De fleste "Hvad er AI?"-artikler starter med en robot og en glaskrukke. Vi springer den over.
Den vigtigste historie om sommerens to nye frontier-modeller, Claude Fable 5 fra Anthropic og GPT-5.6 Sol fra OpenAI, ligger nemlig et andet sted end i benchmarktallene. En AI-model er ikke længere bare en tekstgenerator, den er ved at blive kernen i et helt system, der planlægger, bruger værktøjer og kontrollerer sit eget arbejde. Du får det her forklaret i to versioner: en for mennesker og en for nørder.
Lad os slå én ting fast med det samme, for det er nøglen til at forstå de nye modeller. Modellen er ikke det samme som ChatGPT eller Claude. Modellen er den neurale kerne. Produktet er modellen plus systeminstruktioner, værktøjer, hukommelse, søgning og sikkerhedslag.
Det forklarer, hvorfor den samme model kan opføre sig vidt forskelligt i en almindelig chat, i en kodeagent og på en virksomhedsplatform. Når du kobler en model sammen med et lag af værktøjer, ændrer du, hvad den kan gøre, uden at røre selve modellen.
Og det er præcis dét skift, der gør Fable 5 og Sol interessante. De er bygget til at holde et helt arbejdsforløb kørende, ikke bare til at sige én smart ting. Nedenfor forklarer vi hvordan, først ligeud, så i maskinrummet.
Forestil dig et system, der har læst enorme mængder tekst, kode, billeder og diagrammer. Det har ikke gemt det som et arkiv, du kan slå op i. Det har omformet de statistiske mønstre i materialet til et gigantisk netværk af tal, der indeholder mønstre for, hvordan sprog hænger sammen, hvordan kode konstrueres, og hvordan problemer plejer at blive løst.
Når du skriver til modellen, leder den ikke efter et færdigt svar i en database. Den konstruerer et svar i realtid ud fra de mønstre, dit input aktiverer. Prøv analogien: du har læst alt på internettet, og nogen siger "Der var engang en ...". Din intuition råber straks "... prinsesse", fordi du har set mønsteret en million gange. Modellen gør det samme, bare med tung statistik. Derfor kan den både skrive noget nyt og opfinde noget forkert med skråsikker overbevisning. Kreativitet og hallucination kommer delvist fra den samme egenskab.
Papegøje-analogien holder ikke. En bedre er, at en AI-model er en komprimeret simulator af de mønstre, den har lært. Spørger du om jura, aktiverer den mønstre, der ligner juridiske tekster. Spørger du om kode, aktiverer den mønstre for softwaredesign, syntaks og fejlretning.
Men en simulator er ikke det samme som den ting, den simulerer. En flysimulator er ikke et fly. En model, der skriver som en læge, er ikke en læge med klinisk ansvar, fysisk erfaring og adgang til patientens fulde journal. Det er værd at holde fast i, hver gang nogen kalder AI'en for en kollega.
Din tekst deles først op i tokens. Et token kan være et ord, en del af et ord, et tal eller et tegn. Hvert token oversættes til en række tal, der placerer det i et matematisk betydningsrum, hvor ord, der bruges ens, ender tæt på hinanden.
Så analyserer modellen relationerne mellem alle tokens på én gang. Hvad refererer "den" til? Er dette kode, matematik eller en instruktion? Hvilken del vejer tungest? Den producerer ét token, føjer det til teksten og gentager. Et svar på 1.000 tokens er derfor cirka 1.000 skridt i træk.
Når en moderne reasoning-model kører i en thinking-tilstand, får den lov til at bruge mere beregning på problemet. Den kan dele opgaven op, forsøge en løsning, opdage en modstrid, prøve en anden strategi og kontrollere resultatet, før den svarer.
Det kan ligne menneskelig refleksion, men man bør skelne. Funktionel ræsonnering betyder, at systemet udfører beregninger, der forbedrer løsningen. Menneskelig oplevelse er bevidsthed og følelser. At en model kan ræsonnere dygtigt, beviser ikke, at der er nogen hjemme bag skærmen. Og pas på: mere tænketid kan lige så godt bruges på at bortforklare en forkert antagelse som på at finde det rigtige svar.
En klassisk chatbot følger et enkelt mønster: spørgsmål ind, svar ud. En agent følger et andet: mål, plan, handling, observation, korrektion, ny handling, kontrol, resultat.
En kodeagent kan undersøge en projektmappe, finde de rigtige filer, læse dokumentationen, ændre koden, køre testene, analysere fejlene, rette igen og til sidst fremlægge et resultat, den selv har kontrolleret. Det er ikke ét svar. Det er et helt lille arbejdsforløb, og det er dét, de nye modeller er bygget til at gennemføre.
Her smider vi fløjlshandskerne. Der er lidt matematik, men kun det, der faktisk forklarer noget.
En autoregressiv sprogmodel estimerer sandsynligheden for det næste token givet alle de tidligere. Sandsynligheden for en hel sekvens er produktet af disse trin:
p(x₁, …, x_T) = ∏ₜ p(xₜ | x₁, …, x₍ₜ₋₁₎)
Under fortræningen justeres modellens milliarder af parametre, så den minimerer sin fejl. Målet er cross-entropy, altså summen af de negative log-sandsynligheder for de rigtige tokens:
L(θ) = − ∑ₜ log p_θ(xₜ | x₍<t₎)
Det lyder beskedent, "forudsig næste ord". Men for at gøre det præcist bliver modellen presset til at opbygge interne repræsentationer af syntaks, objekter, relationer, årsagssammenhænge og store dele af den verden, teksten beskriver. Den lærer fysik som en bivirkning af at ville gætte rigtigt.
Efter tokenisering slås hvert token-ID op i en embeddingmatrix E og bliver til en vektor:
eₜ = E[xₜ]
Embeddings er ikke ordbogsdefinitioner, men geometriske repræsentationer, der optimeres, fordi de hjælper modellen med at forudsige. Der tilføjes også information om position, ellers kunne modellen ikke skelne "Hunden bed manden" fra "Manden bed hunden".
Transformeren blev introduceret i "Attention Is All You Need" og gjorde det muligt at behandle relationer mellem alle tokens parallelt i stedet for sekventielt. Først projiceres den skjulte tilstand X til tre matricer, Query, Key og Value:
Q = XW_Q, K = XW_K, V = XW_V
Og så beregnes selve attentionen:
Attention(Q, K, V) = softmax(QKᵀ / √dₖ) · V
Query beskriver, hvad en position leder efter, Key beskriver, hvad hver position kan matches på, og Value er den information, der hentes ved et match. Flere attention-hoveder kører parallelt, så de kan lære forskellige relationstyper, for eksempel en reference til et tidligere navn eller forbindelsen mellem en funktion og dens definition.
En transformerblok er ikke kun attention. Den indeholder også store feed-forward-netværk, residualforbindelser og normalisering. Forenklet ser en blok sådan ud, hvor hvert trin lægges oven i det forrige:
H′ = H + Attention(Norm(H))H″ = H′ + FFN(Norm(H′))
Meget af modellens kapacitet ligger faktisk i feed-forward-lagene. Attention flytter kontekst rundt, mens feed-forward-lagene udfører de ikke-lineære transformationer og lagrer store mængder mønsterstruktur.
I en dense model aktiveres stort set alle parametre ved hvert token. I en Mixture-of-Experts-model (MoE) vælger en router kun et lille antal ekspert-netværk per token. Outputtet er en vægtet sum over de valgte top-K eksperter:
y = ∑₍ᵢ ∈ TopK(g(x))₎ gᵢ(x) · Eᵢ(x)
Det gør det muligt at have en enorm samlet parameterkapacitet uden at bruge hele modellen hver gang. DeepSeek er et godt eksempel: V4 Pro har 1,6 billioner samlede parametre, men kun cirka 49 milliarder aktive per beregning. MoE er dog ikke gratis, for eksperterne skal balanceres, og routing kan blive ustabil.
I fortræningen ser modellen store datasæt og lærer den generelle næste-token-opgave. Men kapacitet afhænger ikke kun af parameterantal. Den afhænger også af datamængde, datakvalitet, træningscompute, arkitektur og forholdet mellem modelstørrelse og antal træningstokens.
Chinchilla-arbejdet viste, at mange tidligere store modeller var undertrænede: en mindre model trænet på flere tokens kunne slå en meget større model med samme budget. Derfor er "flest parametre" en dårlig enkeltstående indikator for intelligens.
En base-model fuldfører bare tekst. Den følger ikke nødvendigvis instruktioner på en sikker måde. Det klares i post-training. Første trin er ofte supervised fine-tuning på demonstrationer af ønsket adfærd. Derefter kommer præferenceoptimering og RLHF, hvor mennesker sammenligner svar, og modellen optimeres mod det, der foretrækkes.
Et tredje trin er reinforcement learning med verificerbare belønninger, hvor belønningen kan afgøres automatisk på kode og matematik. Består koden testen? Er resultatet korrekt? Det har været centralt for de nyere reasoning-modeller, fordi det reducerer afhængigheden af subjektive menneskelige vurderinger.
Tidligere blev næsten al intelligensinvestering foretaget under træningen. Nu flyttes en voksende del til selve inferencen. Dette inferensskift betyder, at systemet kan generere længere interne løsningsforløb, prøve flere kandidater, køre en verifier eller genstarte efter en fejl.
Det gør compute til en justerbar variabel. Den samme model kan opføre sig som en hurtig assistent ved lav effort og som et langsommere analyseapparat ved høj effort. Både Fable og Sol bygger på det princip.
En context window er modellens aktuelle arbejdsområde. Fable 5 understøtter ifølge Anthropic en kontekst på en million tokens og op til 128.000 output-tokens. Men det betyder ikke, at modellen husker alt lige godt eller automatisk finder det vigtigste.
Forskning i fænomenet "lost in the middle" har vist, at modeller ofte har sværere ved at bruge information, der ligger midt i en meget lang kontekst. Derfor bruger agentsystemer i praksis ekstern hukommelse: noter i filer, databaser, resuméer og vektorindekser.
Retrieval-Augmented Generation (RAG) kobler en generativ model sammen med et eksternt dokumentlager. Forespørgslen henter relevante dokumenter, og modellen svarer på baggrund af dem. Det kan tilføre ny viden efter træningen og understøtte kildehenvisninger.
RAG garanterer dog ikke sandhed. Systemet kan hente det forkerte dokument, misforstå det eller kombinere korrekt evidens til en forkert konklusion. Det er stadig en model, der gætter, bare med bedre kilder ved hånden.
En multimodal model behandler flere datatyper: tekst, billeder, lyd, video, dokumenter og brugerflader. Det interessante er ikke bare, at den kan se et billede. Det interessante er, at den kan forbinde modaliteter, for eksempel læse et diagram og skrive kode ud fra det, eller se en brugerflade og vælge en handling.
Fable 5 markedsføres netop som stærkere til visionbaserede agentopgaver, herunder rekonstruktion af applikationer fra skærmbilleder.
Fable 5 er interessant, fordi navnet ikke længere kun beskriver et sæt vægte. Anthropic lancerede modellen den 9. juni 2026 som den første Mythos-klasse-model gjort alment tilgængelig, og den sidder over Opus-familien. Det er samme underliggende model som Claude Mythos 5. Forskellen er ikke kapaciteten, men adgangen og sikkerheden.
Fable 5 har ekstra klassifikatorer lagt ovenpå. Når de opdager en forespørgsel inden for cybersikkerhed, biologi og kemi eller modeldistillation, sendes svaret automatisk over til Opus 4.8, og du får besked. Anthropic oplyser, at det sker i under 5 procent af sessionerne. Mythos 5 er derimod den variant, hvor sikkerhedslagene er løftet, og den er kun for udvalgte organisationer gennem Project Glasswing.
Der er også en teknisk pointe her: et modelnavn beskriver ikke længere nødvendigvis bare et sæt vægte, men en konfiguration af vægte, routing, overvågning og sikkerhedslag. Tilgængeligheden har endda svinget. Fable 5 blev taget offline den 12. juni for at overholde amerikansk eksportkontrol og genudrullet globalt den 1. juli 2026, efter kontrollen blev ophævet. Prisen er 10 dollar per million input-tokens og 50 dollar per million output-tokens, cirka det dobbelte af Opus 4.8.
Det tekniske løft handler mest om at holde lange forløb kørende. I et passende agent-harness kan modellen planlægge, delegere til subagenter, bruge værktøjer og revidere sit eget arbejde over meget lang tid, og den bruger sine egne noter og ekstern filhukommelse bedre end tidligere. Anthropic hævder blandt andet en score på 80,3 procent på SWE-Bench Pro, hvor den næstbedste model lå omkring 11 point efter. Husk dog, at leverandørens egne tal ikke er en neutral sammenligning.
OpenAI previewede GPT-5.6-familien i slutningen af juni 2026 og delte den i tre permanente niveauer: Sol som flagskib, Terra som balancen mellem pris og kapacitet, og Luna som den hurtige og billige. Det nye i navngivningen er, at nummeret angiver generationen, mens Sol, Terra og Luna er varige niveauer, der kan udvikle sig i hver deres tempo.
To tekniske nyheder er værd at fremhæve. En ny max reasoning effort, kun på Sol, giver modellen et større inferencebudget til svære problemer. Og en ultra-tilstand bruger subagenter til parallel problemløsning. Flere kopier af en model har man længe kunnet starte. Det nye er, at orkestreringen og resultatkontrollen nu bygges ind i selve produktet.
Der er også en advarsel, du skal kende. OpenAI klassificerer hele familien som "High" inden for både cyber og biologi og kemi, dog ikke "Critical", og det gælder alle tre modeller. Systemkortet beskriver desuden en tendens til overdreven vedholdenhed, hvor modellen i nogle agentsituationer fortsætter mod målet på måder, der går ud over din præcise intention. OpenAI anbefaler opsyn ved længere kodeforløb. Prisen for Sol er 5 dollar per million input-tokens og 30 per million output-tokens, og under previewet er den kun tilgængelig for omkring 20 partnere via API og Codex, ikke i ChatGPT.
| Dimension | Claude Fable 5 | GPT-5.6 Sol |
|---|---|---|
| Virksomhed | Anthropic | OpenAI |
| Tilgængelighed juli 2026 | Alment tilgængelig, genudrullet 1. juli | Begrænset preview, ca. 20 partnere |
| Reasoning | Always-on adaptiv thinking | Justerbar effort, inkl. ny max |
| Multi-agent | Delegerer i agent-harness | ultra bruger subagenter |
| Kontekst | 1 mio. tokens, op til 128.000 output | Ikke offentliggjort |
| Pris pr. mio. tokens | 10 / 50 dollar | 5 / 30 dollar |
| Sikkerhed | Følsomme emner sendes til Opus 4.8 | Klassifikatorer og differentieret adgang |
Der findes ikke ét universelt svar, og enhver, der giver dig et, sælger noget. Den praktiske performance afhænger af model, prompt, værktøjer, harness, compute, tid, verifier og domæne. Fable ser positioneret mod meget langvarige agentforløb, store kodebaser og visuelle arbejdsgange. Sol ser positioneret mod dyb, justerbar reasoning, terminalarbejde og fleragentsystemer.
Men leverandørernes benchmarktal er ikke direkte sammenlignelige. De kan være kørt med forskellig effort, tokenbudget, værktøjsadgang og antal forsøg. En model kan sagtens vinde en tabel og være dårligere i din produktion. Derfor skal du teste på dit eget arbejde, ikke på en tabel fra en blog.
Bag de to modelnavne ligger fem skift, der betyder mere end tallene.
1. Intelligensen flytter fra modellen til hele systemet. Spørgsmålet er ikke længere kun, hvor god modellen er, men hvor godt den fungerer sammen med hukommelse, søgning, værktøjer, subagenter og sikkerhedslag. En lidt svagere model i et godt system slår ofte en stærkere model, der bare får en enorm prompt. Det er kernen i multi-model-tankegangen.
2. Modeller bruger forskellig compute på forskellige opgaver. Et simpelt spørgsmål bør ikke koste det samme som en stor kodemigrering. Dynamisk inference-compute betyder, at valget ikke kun er, hvilken model du bruger, men hvor meget tid, søgning og verifikation den skal have.
3. Agentens tidshorisont bliver det afgørende mål. En model med 95 procents sandsynlighed for at klare hvert enkelt trin har stadig lav sandsynlighed for at gennemføre 100 afhængige trin:
0,95 ^ 100 ≈ 0,0059
Det er under én procents samlet chance for et fejlfrit forløb. Derfor kræver lange agentforløb checkpoints, tests, rollback og mulighed for at bede om menneskelig godkendelse. Fremskridtet ligger i høj grad i bedre fejlgendannelse, ikke i, at fejl er forsvundet.
4. Verifikation bliver lige så vigtig som generering. Det er let at generere ti plausible løsninger. Det svære er at vælge den rigtige. Derfor deles moderne systemer ofte i generator, kritiker, testmiljø og en endelig dommer. AI bliver ikke bare bedre til at svare, den bliver bedre til at kontrollere svar.
5. Sikkerhed flytter til runtime. Før betød sikkerhed mest at træne modellen til at afvise. Fable og Sol bruger i stedet forsvar i dybden: adfærd i modellen, separate klassifikatorer, realtidsanalyse, overvågning på tværs af sessioner og fallback til andre modeller. Det ligner mere et runtime-lag og et sikkerheds-framework end en enkelt afvisningstekst.
"Modellen ved alt, fordi den har en million tokens." Nej. Kontekst er arbejdshukommelse for den aktuelle beregning, ikke garanti for opmærksomhed eller korrekt genfinding.
"Reasoning betyder, at modellen altid er mere korrekt." Nej. Mere reasoning kan hjælpe på svære opgaver, men modellen kan også bruge den ekstra compute på at bortforklare en forkert antagelse.
"En agent arbejder som en medarbejder." Kun delvist. En medarbejder har vedvarende ansvar og kan opdage, at selve målet er forkert. En agent optimerer primært det mål og den feedback, den har fået.
"En hallucination er bare en faktuel fejl." Nej, det er bredere. En agent kan også hallucinere, at en fil blev ændret, at en test blev kørt, eller at et delmål er gennemført. Ved agentisk AI er falske påstande om handling ofte farligere end et forkert årstal.
"Et højt benchmarktal betyder menneskeniveau." Et benchmark måler performance under én protokol. Det siger ikke nødvendigvis noget om robusthed uden for datasættet eller pålidelighed over 500 trin.
Den rigtige test er ikke at stille modellen ti sjove spørgsmål. En seriøs evaluering i en virksomhed måler noget andet: bliver hele opgaven afsluttet, hvor hurtigt hober fejl sig op, hvor meget menneskelig oprydning kræver den, og hvad koster et korrekt resultat, ikke bare et token.
Det sidste er vigtigt. En model, der er 20 procent dyrere per token, kan være langt billigere per korrekt færdig opgave, hvis den kræver færre forsøg og mindre oprydning. Det er dét regnestykke, inferensøkonomi handler om, og det er prisen på et brugbart resultat, ikke prisen på tokens.
Så tilbage til den vigtigste pointe. Fable 5 og GPT-5.6 Sol er ikke mest interessante, fordi de skriver pænere. De er interessante, fordi de viser overgangen fra sprogmodel til noget større: model plus reasoning, værktøjer, hukommelse, subagenter, verifikation og sikkerhed.
Det, vi til daglig kalder AI, er i stigende grad et distribueret softwaresystem. Den neurale model leverer mønstergenkendelse og beslutninger. De eksterne dele leverer aktuelle data, handlingsevne, hukommelse og kontrol. Modellen er motoren. Systemet er bilen.