Blog
Kontakt os

Hvad er en Foundation Model?

En Foundation Model er en stor AI-model, der er pretrænet på massive mængder data og designet til at bruges som fundament for en bred vifte af AI-applikationer. GPT-4, Claude, Gemini og Llama er alle eksempler på foundation models.

Begrebet 'foundation' refererer til, at disse modeller fungerer som et fundament, som virksomheder bygger ovenpå. I stedet for at træne en model fra bunden til hver opgave, starter man med en foundation model og tilpasser den via prompt engineering, RAG eller fine-tuning.

Læsetid 2 minOpdateret marts 2026

Hvad kendetegner en Foundation Model?

Skala: Foundation models er trænet på enorme datamængder (milliarder til trillioner af tokens) med enorme mængder beregningskraft. Det giver dem en bred generel forståelse af sprog, logik og verdensviden.

Generalitet: En enkelt foundation model kan håndtere mange forskellige opgaver: tekstgenerering, oversættelse, opsummering, kodning, analyse og mere. Det er dette, der gør dem til et 'fundament'.

Adapterbarhed: Foundation models kan tilpasses til specifikke domæner og opgaver via prompt engineering (nemmest), RAG (mest fleksibelt) eller fine-tuning (mest grundigt).

Multimodalitet: Nyere foundation models kan håndtere flere datatyper: tekst, billeder, lyd og video. De er ikke længere begrænset til ét medie.

Consile hjælper med at vælge den rette foundation model og bygge løsninger ovenpå. Kontakt os for en vurdering af jeres behov.

De vigtigste Foundation Models i 2025/2026

GPT-4 og GPT-4o (OpenAI): De mest udbredte kommercielle modeller. Tilgængelige via API og Azure OpenAI.

Claude (Anthropic): Kendt for store context windows, stærk ræsonnering og fokus på sikkerhed.

Gemini (Google): Integreret i Google-økosystemet med stærke multimodale kapabiliteter.

Llama (Meta): Open-source foundation model, der kan hostes on-premise.

Mistral (Mistral AI): Europæisk alternativ med stærke open-source modeller i flere størrelser.

Valget afhænger af use case, datapolitik, integrationsbehov og budget.

Hvad en Foundation Model ikke er

En Foundation Model er ikke en færdig løsning. Den er et fundament, der skal konfigureres, tilpasses og integreres for at skabe forretningsværdi. Forskellen mellem en rå foundation model og en veldesignet AI-løsning er enorm.

Den er heller ikke en garanti for kvalitet. Foundation models kan hallucinere, producere bias-ladede svar og mangle domænespecifik viden. Derfor er RAG, guardrails og human oversight afgørende.

Relaterede termer

Hvad er en LLM?→

En LLM er en stor sprogmodel som GPT eller Claude, der forstår og genererer tekst. Lær hvad LLM'er er, og hvordan de bruges i virksomheder.

Hvad er Generativ AI?→

Generativ AI skaber nyt indhold: tekst, billeder, kode. Se hvordan GenAI virker, hvad danske virksomheder bruger det til, og hvor det går galt.

Hvad er Fine-tuning?→

Fine-tuning tilpasser en AI-model til et specifikt domæne. Lær hvornår fine-tuning er det rigtige valg fremfor RAG.

Hvad er Deep Learning?→

Deep Learning er avanceret Machine Learning baseret på neurale netværk. Forstå teknologien bag billed-, tale- og tekstgenkendelse.

Ofte stillede spørgsmål om Foundation Models

Skal vi bygge vores egen Foundation Model?

For langt de fleste virksomheder er svaret nej. At træne en foundation model koster millioner og kræver enorm ekspertise. Det er langt mere effektivt at bruge en eksisterende model og tilpasse den med RAG eller fine-tuning.

Hvad er forskellen på en Foundation Model og en LLM?

En LLM er en type foundation model, der er specialiseret i sprog. Foundation model er det bredere begreb, der også dækker modeller for billeder, lyd og video.