Models &amp; Tool Choice

ChatGPT, Claude, Gemini eller Copilot — hvilken skal en begynder vælge?

Fire udbredte AI-assistenter forklaret i et letforståeligt sprog. En ikke-teknisk guide til at vælge din første AI ud fra de værktøjer, du allerede bruger, og det, du faktisk ønsker af den.

Ny inden for AI

7 min læsning

Vælg den rette model til opgaven: en beslutningsguide til 2026

Hvilken model du bør vælge til forskellige opgavetyper. GPT, Claude, Gemini, ræsonneringsmodellerne og modellerne med åbne vægte — sorteret efter, hvad de reelt er bedst til, med enkle beslutningsregler.

Begynder

Orkestrering af flere modeller: Routing efter omkostning, latenstid og kvalitet

At bruge én model til alt er en begynderfejl. AI-systemer i produktion sender forskellige forespørgsler til forskellige modeller og sparer 60-90% i omkostninger, samtidig med at kvaliteten forbedres. Her er mønstrene, routinglogikken og afvejningerne.

Flere i dette emne

13 min læsning

LLM-stacken i 2026: modeller, inferens, værktøjer og afvejninger

En praktiserende arkitekts blik på LLM-stacken i 2026 — modelniveauer, inferensudbydere, orkestreringslag, evalueringsværktøjer og de afvejninger, der faktisk betyder noget, når AI sættes i produktion.

Chain-of-thought, self-critique og tree-of-thoughts — hvornår du skal bruge hvad

Tre ræsonnementsteknikker, der reelt forbedrer AI-resultater på vanskelige problemer — og beregningen af omkostninger og udbytte ved at bruge dem. Med konkrete prompts, direkte sammenligninger og de faldgruber, som moderne ræsonnerende modeller medfører.

12 min læsning

Omkostningsoptimering af inferens: promptcaching, routing og outputkontrol

LLM-inferensomkostninger kan reduceres med 60-90% med de rigtige teknikker. Promptcaching, modelrouting, outputkontrol, batching og nogle mindre kendte mønstre. Her er tallene, mønstrene og den produktionsdisciplin, der adskiller veldrevet inferens fra en løbsk regning.

13 min læsning

Finjustering i 2026: Hvornår LoRA slår RAG, og hvordan du gør det uden en klynge

LoRA-finjustering er blevet tilgængelig — du kan køre reelle finjusteringer på en bærbar computer eller leje en GPU i en time. Her er de mønstre, der virker, de tilfælde, hvor finjustering slår RAG, og en praktisk arbejdsgang fra dataklargøring til drift.

6 min læsning

Gratis eller betalt ChatGPT: Det får du faktisk med en opgradering

En sammenligning uden jargon mellem gratis ChatGPT, ChatGPT Plus og ChatGPT Pro — hvad der ændres, når du opgraderer, og hvordan du afgør, om du overhovedet har brug for det.

Ny inden for AI

Lokal AI på din Mac: Ollama, LM Studio, og hvad 7B-modeller reelt kan

Lokal AI er blevet moden. Med Ollama eller LM Studio og en moderne Mac kan du køre kompetente modeller offline, gratis og privat. Her er, hvad der virker, hvad der ikke gør, og hvilke anvendelser der reelt har gavn af det.

Udformning af prompts til ræsonnerende modeller (o3, R1 og Claude extended thinking)

Ræsonnerende modeller er ikke hurtige modeller med ekstra trin. De belønner en anden måde at skrive prompts på, ignorerer visse traditionelle mønstre og har deres egne faldgruber. En praktisk vejledning i at bruge dem godt.

12 min læsning

Vælg mellem prompting, RAG og finjustering (og hvornår de skal kombineres)

Prompting, RAG og finjustering er de tre store greb til at tilpasse LLM'er til dit problem. De passer hver især til nogle problemer og ikke til andre. Her er en ramme for valget, de realistiske omkostninger og de produktionsmønstre, hvor kombinationen virker bedst.

11 min læsning