Grok (xAI)

Sådan er Grok bygget teknisk

Grok er en foundation model, altså en stor model, der er fortrænet på store mængder tekst og derefter finjusteret til at følge instruktioner og bruge værktøjer. Familien er vokset hurtigt. Grok-1 blev vist frem i november 2023 og lagt open source under Apache 2.0-licens i marts 2024. Grok 3 kom i februar 2025, Grok 4 og Grok 4 Heavy fulgte i juli 2025, Grok 4.1 i november 2025, og Grok 4.5 udkom 8. juli 2026. Kadencen er blandt de hurtigste i branchen.

Træningsinfrastrukturen. Grok 3 blev trænet på Colossus, selskabets eget datacenter i Memphis, der efter egne oplysninger kørte omkring 200.000 GPU'er. Den skala er en del af forklaringen på, hvorfor Grok kunne indhente konkurrenterne så hurtigt. Adgangen til beregningskraft var ualmindelig stor for et selskab, der først startede i 2023. Colossus er siden udvidet, og de nyere modeller trænes på samme infrastruktur.

Grok 4.5 og V9-modellen. Grok 4.5 bygger på en underliggende foundation model, som selskabet omtaler som V9. Ifølge et opslag fra Elon Musk 28. juni 2026 har V9 omkring 1,5 billioner parametre, hvilket ville gøre den til en af de største offentligt omtalte modeller. Tallet er oplyst af selskabet selv og er ikke uafhængigt revideret, og selskabet har ikke bekræftet, om modellen bruger en mixture-of-experts-arkitektur, som DeepSeek og flere andre bruger for at holde beregningsomkostningen nede. Behandl parametertallet som et leverandør-oplyst estimat, indtil en uafhængig kilde bekræfter det.

Cursor-data i træningen. Et af de mest omtalte træk ved Grok 4.5 er, at den er trænet med data fra kodeværktøjet Cursor, som SpaceXAI er tæt knyttet til. Billedet er mere nuanceret, end overskrifterne antyder. Ifølge de tilgængelige beskrivelser blev Cursor-data lagt ind som supplerende træning, efter at selve fortræningen var færdig. Den fortræning sluttede 26. maj 2026, og forholdet omkring Cursor blev først offentliggjort i juni. En ingeniør fra selskabet har medgivet, at supplerende træning ikke er helt så effektiv som at have data med fra start. Grok 4.5 er til gengæld gjort direkte tilgængelig inde i Cursor, så udviklere kan bruge den som kodeassistent.

Ræsonnement og benchmarks. Grok 4.5 er en ræsonnerende model, der bruger flere beregningstrin til at tænke et problem igennem, før den svarer. SpaceXAI fremhævede flere benchmark-resultater ved lanceringen: 62,0 procent på DeepSWE 1.0, 29,0 procent pass@1 på SWE Marathon, 83,3 procent på Terminal Bench 2.1 og en løsningsrate på 64,7 procent på SWE Bench Pro. Modellen leveres med en hastighed på omkring 80 tokens i sekundet og bruger ifølge selskabet 4,2 gange færre tokens end sammenlignelige modeller på visse kodeopgaver. Som med parametertallet er benchmarks oplyst af selskabet selv, og der forelå ikke uafhængige tests ved lanceringen.

Realtidsadgangen til X. Det tekniske træk, der adskiller Grok mest fra alle andre store modeller, er den direkte kobling til X. Fordi Grok udvikles af samme selskab, der ejer X, kan modellen slå live-opslag op og bruge dem i sine svar. Hvor ChatGPT og Gemini henter web-resultater via en søgemaskine, har Grok adgang til selve X-strømmen. Det giver friskere data på det, der bliver diskuteret på platformen lige nu, og det binder samtidig modellens verdensbillede tæt til, hvad der cirkulerer på X.

Selskabet bag, fra xAI til SpaceXAI. Grok er bygget af det selskab, Elon Musk grundlagde som xAI i marts 2023. Strukturen har ændret sig markant siden. I marts 2025 opkøbte xAI X Corp, så model og platform kom under samme tag. I februar 2026 opkøbte SpaceX derefter xAI i en ren aktiehandel, der samlet blev værdisat til 1,25 billioner dollar. Fra 6. maj 2026 ophørte xAI som selvstændigt selskab, og Grok og X drives nu under navnet SpaceXAI, en division af SpaceX. Navnet SpaceXAI er altså selskabets korrekte betegnelse i juli 2026 og stammer fra sammenlægningen af xAI og SpaceX.

Overvejer I at bruge Grok eller en anden stor sprogmodel i jeres forretning, hjælper vi med at vælge den rigtige model til opgaven og sætte den op forsvarligt. Vi ser på, hvad I skal bruge modellen til, holder realtidsdata og kodeegenskaber op mod jeres krav til databeskyttelse og EU-compliance, og lægger en konkret plan for, hvordan Grok, Gemini, Mistral eller en selvhostet model passer bedst. Skal vi tage en snak om, hvilken model der giver mest mening for jer, og hvordan I kommer sikkert i gang. Se mere på vores AI-side.

Hvad Grok kan bruges til i en virksomhed

Grok dækker de samme grundopgaver som andre store sprogmodeller: tekstgenerering, opsummering, kodning, dataanalyse og samtale. De steder, hvor den skiller sig ud i en forretningssammenhæng, hænger sammen med realtidsadgangen og de agent- og kodeegenskaber, Grok 4.5 er bygget til.

Realtids-trend og stemningsanalyse. Grok kan opsummere, hvad der bliver sagt om et emne på X lige nu. En dansk detailkæde kan følge, hvordan en kampagne bliver modtaget i timerne efter lanceringen, og en kommunikationsafdeling kan opdage en begyndende shitstorm, før den vokser. Det er den mest konkrete gevinst ved Grok frem for en model uden live-adgang til platformen.

Kodning og agent-opgaver. Grok 4.5 er optimeret til kodning og til agentiske opgaver, hvor modellen selv planlægger og udfører flere trin. Den er tilgængelig direkte i Cursor, så et udviklingsteam kan bruge den til at skrive, gennemgå og rette kode uden at skifte værktøj. For et dansk softwarehus bliver Grok dermed et reelt alternativ til de kodeassistenter, der ellers bygger på GPT eller Claude.

Videnarbejde og dokumenter. Ved lanceringen viste SpaceXAI Grok 4.5 bygge en færdig app fra bunden, opstille komplekse Excel-modeller og generere PowerPoint- og Word-dokumenter. For en økonomifunktion kan et udkast til en budgetmodel eller en bestyrelsespræsentation trækkes ud af nogle få instruktioner. Kvaliteten skal stadig kontrolleres af et menneske, men startpunktet flyttes.

Billedgenerering. Grok har siden Grok-2 i august 2024 kunnet generere billeder, oprindeligt via Flux-modellen fra Black Forest Labs. Det gør Grok til en multimodal model, der både forstår og skaber tekst og billeder. En marketingafdeling kan bruge det til hurtige visuelle udkast. Netop billedgenereringen har dog også været kilde til nogle af modellens kontroverser, som vi kommer tilbage til.

Mindre filtrering som egenskab. Grok er bevidst instrueret til at afvise færre spørgsmål end de fleste konkurrenter. For nogle brugere er det en fordel, fordi modellen svarer mere direkte på følsomme emner. For en virksomhed er egenskaben tveægget. Mindre filtrering betyder mindre forudsigelig adfærd, og det stiller større krav til, at I selv kontrollerer output, før det bruges eksternt.

Integration i Musks økosystem. Grok er indbygget i X, findes som selvstændig app til web, iOS og Android og er annonceret til brug i Tesla-biler. Har jeres medarbejdere allerede X Premium, er Grok tilgængelig der uden ekstra opsætning. Det gør adgangen let, og det binder samtidig brugen til en platform, hvis indholdsmoderering og datapraksis I ikke selv styrer.

Grok sammenlignet med DeepSeek, Mistral, Llama og Gemini

Grok konkurrerer med de samme store sprogmodeller, som de fleste danske virksomheder allerede overvejer. De adskiller sig på åbenhed, pris, datakilder og på, hvor de kører. De fire vigtigste alternativer er DeepSeek, Mistral, Llama og Gemini.

DeepSeek. Den kinesiske DeepSeek er kendt for at levere stærk ræsonnement til en lav pris via en mixture-of-experts-arkitektur, der kun aktiverer en del af modellen ad gangen. DeepSeek er billigere end Grok på API-tokens og fås i åbne vægtversioner, du selv kan hoste. Til gengæld rejser den kinesiske oprindelse selvstændige spørgsmål om datastrømme og censur, og DeepSeek har ingen realtidsadgang til en social platform, sådan som Grok har til X.

Mistral. Franske Mistral er det europæiske alternativ og ofte det første valg, når datasuverænitet vejer tungt. Mistral tilbyder åbne modeller, EU-baseret drift og en klar GDPR-linje, altså præcis det, Grok mangler. Til gengæld er Mistral mindre kendt for realtidsdata og har ikke samme integration i en stor forbrugerplatform. For en dansk virksomhed, der prioriterer compliance over live-data, er Mistral typisk det tryggere valg.

Llama. Metas Llama-familie er open source og bredt brugt, når I vil køre en model på egen infrastruktur uden at sende data til en ekstern udbyder. Llama giver kontrol og ingen løbende token-pris, men kræver, at I selv står for drift og opdatering. Grok er til sammenligning en lukket model, du kun tilgår via SpaceXAIs eget API eller via X. Vælger I Llama, er det for kontrollen over egen drift.

Gemini. Googles Gemini, senest i form af Gemini Omni, er Groks nærmeste konkurrent på bredde og multimodalitet. Gemini er dybt integreret i Google Workspace, har stærk billed- og videoforståelse og kører på Googles egen infrastruktur med et modent enterprise-setup. Hvor Grok trækker realtidsdata fra X, henter Gemini fra Google Søgning. For de fleste danske virksomheder, der allerede bruger Google eller Microsoft, er Gemini eller Copilot lettere at rulle ud end Grok.

Gemma. Vi dækker også Gemma, Googles lette open source-familie, der er tænkt til at køre lokalt eller på beskeden hardware. Gemma spiller i en anden vægtklasse end Grok 4.5 og er ikke en direkte konkurrent på topmodel-niveau. Den er relevant, hvis behovet er en lille, selvhostet model frem for en stor cloud-model.

Hvor Grok er unik, og hvor den er svagere. Groks reelle særkænde er realtidsadgangen til X og den mindre filtrerede stil. Ingen af de andre modeller har samme direkte kobling til en stor social platform. Til gengæld er Grok svagere på europæisk compliance. Modellen var ikke tilgængelig i EU ved lanceringen af Grok 4.5, den har ingen EU-datalagring på niveau med Mistral, og den har haft flere offentlige kontroverser om sit output. Vælger du Grok, er det for realtidsdata og kodeegenskaberne. Vælger du et af alternativerne, er det typisk for compliance, drift eller integration i et økosystem, du allerede bruger.