Hvad er en LLM (stor sprogmodel)? Letforståelig guide (2026)
En LLM, eller stor sprogmodel, er et AI-system trænet på enorme mængder tekst, som kan forstå og generere menneskelignende sprog. Det er motoren bag værktøjer som ChatGPT, Claude og Gemini: du skriver noget, og LLM'en producerer et sammenhængende, relevant svar ved at forudsige, hvilke ord der bør komme derefter. LLM'er er grunden til, at AI pludselig blev så god til at skrive, svare, opsummere og samtale.
Denne guide forklarer i et enkelt sprog, hvad en LLM er, hvordan den fungerer, virkelige eksempler, hvordan den hænger sammen med generativ AI, og hvordan virksomheder bruger LLM'er.
(Hurtig bemærkning: "LLM" står også for Master of Laws, en juridisk overbygningsuddannelse. Denne guide handler om AI-betydningen, den store sprogmodel.)
TL;DR
- En LLM (stor sprogmodel) er en AI trænet på enorme tekstdata til at forstå og generere menneskelignende sprog.
- Den fungerer ved gang på gang at forudsige det næste ord og producerer dermed sammenhængende tekst.
- Eksempler: ChatGPT, Claude, Gemini og Llama.
- En LLM er den tekstfokuserede motor, der driver de fleste generative AI- og chatbotprodukter.
- Virksomheder bruger LLM'er til indhold, kundesamtaler, opsummering, kodning og personalisering.
Hvad er en LLM, med enkle ord?
Grundlæggende er en LLM en ekstremt sofistikeret forudsiger af det næste ord. Den blev trænet ved at læse en enorm del af teksten på internettet og lære sprogets mønstre: hvilke ord der har tendens til at følge hvilke, hvordan idéer hænger sammen, hvordan spørgsmål besvares. Når du giver den en prompt, genererer den et svar ved gentagne gange at forudsige det mest passende næste ord og bygger sætninger og afsnit op, der læses, som om et menneske skrev dem.
Det lyder enkelt, men i enorm skala producerer det noget bemærkelsesværdigt: et system, der kan skrive essays, besvare spørgsmål, oversætte, opsummere, holde en samtale og endda skrive kode, alt sammen ved at forudsige de sprogmønstre, det lærte under træningen. "Stor" i stor sprogmodel henviser både til de enorme træningsdata og til de milliarder af interne parametre, der lagrer det, den lærte.
Hvordan fungerer en LLM?
Tre faser, forenklet:
- Træning. Modellen læser enorme mængder tekst og justerer milliarder af interne parametre, indtil den bliver meget god til at forudsige det næste ord i en hvilken som helst passage. Det er her, den "lærer" sprogmønstre, fakta og ræsonnementsstile.
- Prompten. Du giver den et input: et spørgsmål, en instruktion, en tekst at arbejde med.
- Generering. Den producerer output ét token ad gangen (groft sagt, én orddel), og forudsiger hver gang det mest passende næste token ud fra alt indtil videre, indtil svaret er færdigt.
Moderne LLM'er finjusteres ofte bagefter med menneskelig feedback for at blive mere hjælpsomme, præcise og sikre, og det er det, der gør en rå forudsiger af det næste ord til en nyttig assistent som ChatGPT eller Claude.
LLM-eksempler
- ChatGPT (OpenAIs GPT-modeller), den mest kendte LLM-drevne assistent.
- Claude (Anthropic), kendt for stærk ræsonnering og arbejde med lang kontekst.
- Gemini (Google), integreret i Googles produkter.
- Llama (Meta), en førende familie af modeller med åbne vægte.
Disse driver ikke kun deres egne chat-apps, men tusindvis af forretningsværktøjer bygget oven på dem.
LLM vs generativ AI vs AI
- AI er det brede felt, hvor maskiner udfører intelligente opgaver.
- Generativ AI er den delmængde, der skaber nyt indhold (tekst, billeder, lyd, kode). (Se hvad er generativ AI.)
- En LLM er en specifik type generativ AI-model med fokus på sprog: den genererer tekst. Billedgeneratorer er også generativ AI, men er ikke LLM'er.
Så en LLM er en type generativ AI, som igen er en type AI. ChatGPT er et chatbotprodukt drevet af en LLM.
Hvordan virksomheder bruger LLM'er i 2026
LLM'er er motoren bag det meste praktiske forretnings-AI. De skriver marketingtekster og e-mails, opsummerer dokumenter og opkald, driver chatbots og AI-agenter, der fører ægte samtaler, skriver og gennemgår kode og personaliserer kommunikation i stor skala. For salg og marketing er en LLM det, der gør det muligt for software at læse en indgående besked, forstå hensigten og svare naturligt, så en enkelt AI-agent kan kvalificere hundredvis af leads i en ægte frem-og-tilbage-samtale. Det er præcis sådan, Inflowaves AI-agenter forstår og besvarer Instagram-DM'er i dit brands stemme.
FAQ
Hvad er en LLM med enkle ord?
En LLM (stor sprogmodel) er en AI, der har læst en enorm mængde tekst og lært sprogets mønstre så godt, at den kan forstå, hvad du skriver, og generere menneskelignende svar. Den fungerer grundlæggende ved gang på gang at forudsige det næste ord for at opbygge sammenhængende svar. Det er teknologien, der gør det muligt for værktøjer som ChatGPT at skrive, besvare spørgsmål, opsummere og samtale. (Bemærkning: "LLM" er også en forkortelse for en Master of Laws-grad, men i en AI-sammenhæng betyder det stor sprogmodel.)
Er ChatGPT en LLM?
ChatGPT er en applikation drevet af en LLM, ikke modellen selv. Den underliggende store sprogmodel er OpenAIs GPT-familie; ChatGPT er chatproduktet bygget oven på den, med ekstra finjustering og en grænseflade. Så når folk siger "ChatGPT er en LLM", har de omtrent ret, den er LLM-drevet, men teknisk set er ChatGPT assistenten, og LLM'en (GPT) er motoren inde i den.
Hvad er forskellen mellem en LLM og AI?
AI er det brede felt, hvor maskiner udfører intelligente opgaver, hvilket omfatter alt fra spamfiltre til selvkørende biler. En LLM er én specifik type AI: en stor sprogmodel trænet til at forstå og generere tekst. Så en LLM er en snæver, sprogfokuseret delmængde af AI. Mere præcist er en LLM en type generativ AI (AI, der skaber indhold), som selv er en delmængde af AI generelt.
Er en LLM det samme som generativ AI?
Ikke helt, en LLM er en type generativ AI, men generativ AI er bredere. Generativ AI er enhver AI, der skaber nyt indhold, hvilket omfatter tekst (LLM'er), billeder (som DALL-E og Midjourney), lyd og video. En LLM genererer specifikt sprog/tekst. Så alle LLM'er er generativ AI, men ikke al generativ AI er en LLM; billed- og lydgeneratorer er generativ AI uden at være sprogmodeller.
Hvad er nogle eksempler på LLM'er?
Blandt de førende eksempler er OpenAIs GPT-modeller (der driver ChatGPT), Anthropics Claude, Googles Gemini og Metas Llama-familie med åbne vægte. Disse modeller driver både deres egne chatapplikationer og et stort økosystem af forretningsværktøjer, kundeservicebots, skriveassistenter, kodningsværktøjer og AI-salgsagenter, der bygges oven på dem via API'er.
Har virksomheder brug for deres egen LLM?
Næsten aldrig. Langt de fleste virksomheder bruger LLM'er via eksisterende produkter og API'er i stedet for at træne deres egne, hvilket ville være ekstraordinært dyrt. I praksis tager du værktøjer i brug med en indbygget LLM (en AI-chatbot, en AI-salgsagent, en skriveassistent) og drager fordel af modellen uden at administrere den. At træne eller kraftigt tilpasse sin egen model giver kun mening for meget store organisationer med højt specialiserede behov.
