OpenAI har genindført modelvælgeren i ChatGPT efter lanceringen af GPT-5, og det skaber fornyet fleksibilitet for professionelle og erhvervsbrugere. Mens ambitionen fra OpenAI handlede om at forenkle brugeroplevelsen og samle kræfterne i én avanceret AI-model med såkaldt routerteknologi, viser det sig, at virksomheder og tekniske brugere ikke var tilfredse med automatisk styring alene. Dette illustrerer, hvor vigtigt det er at tilpasse AI-løsninger til konkrete, professionelle behov — og at lytte direkte til brugerfeedback.

Da GPT-5 blev præsenteret i august, var meldingen at brugerne ikke længere skulle navigere i et langt menu-system for at vælge AI-model. I stedet skulle chatbotten – ifølge TechCrunch – fungere som et slags ‘one size fits all’-system, hvor routeren automatisk matchede spørgsmål til den mest egnede svarmotor. OpenAI’s CEO, Sam Altman, har udtrykt utilfredshed med den tidligere modelmenu og håbede, at GPT-5 kunne forene hastighed, robusthed og alsidighed uden brugerens indblanding.

Moderat brugertilpasning blev utilstrækkelig

Intentionen bag routeren var at sænke kompleksiteten, men den automatiske løsning viste sig hurtigt at have begrænsninger. Altman har selv i et opslag på X udtalt, at “de fleste brugere vil foretrække Auto, men den ekstra kontrol bliver gavnlig for nogle.” I første omgang resulterede migreringen til en automatiseret router i vrede blandt flere brugere, hvilket kunne ses i chatter på sociale medier, supportfora og AMA-sessioner på Reddit. Kritikken gik især på uklarhed omkring, hvilken model der blev valgt til en given opgave, samt at svarene føltes mindre præcise og personlighedsløse.

TechCrunch dokumenterer blandt andet, at nogle brugere mente, at GPT-5’s router ikke kunne leve op til den performance og kvalitet, de var vant til fra ældre modeller. Der blev rapporteret om problemer med sorte svar, tab af nuancer og manglende konsistens. OpenAI har bekræftet, at routeren ikke har fungeret optimalt fra start, hvilket Nick Turley, VP for ChatGPT, åbenlyst erkender i et indlæg på X: “Vi rammer ikke altid plet i første forsøg, men jeg er stolt af, hvor hurtigt teamet kan iterere.”

De nye modeltilstande: Auto, Fast, Thinking

Genintroduktionen af modelvælgeren betyder nu, at ChatGPT igen har tre indstillinger: Auto (router-styret, standard), Fast (hurtig respons, muligvis mindre grundighed) og Thinking (grundig og avanceret, men også langsommere). Altman skriver, at Auto forbliver standard for de fleste, mens særligt professionelle brugere kan drage fordel af de specialiserede tilstande. TechCrunch forklarer, at Fast og Thinking kan vælges af brugere, som ønsker direkte adgang til AI-modeller, og derved omgå routeren helt.

For eksempel kan et udviklingsteam, der vægter svartid højest, vælge Fast, mens en juridisk afdeling, der arbejder med følsomme kontrakter, kan vælge Thinking for størst nøjagtighed. Forretningsbrugere får altså nu igen mulighed for at matche AI’ens adfærd og performance med den opgave, de reelt står overfor. Dette øger den strategiske kontrol og gør det nemmere at sikre kvalitet i workflows, hvor AI indgår som kritisk komponent.

Legacy-modellernes comeback og brugerens tilknytning

Samtidig har OpenAI åbnet for adgang til tidligere modeller såsom GPT-4o, GPT-4.1 og o3, der ellers blev fjernet kort før GPT-5’s lancering. GPT-4o er igen standardvalg i modelvælgeren, mens de øvrige kan tilføjes gennem indstillinger. Altman har udtalt, at det blev undervurderet, hvor stærk en tilknytning professionelle brugere og udviklere havde til ældre modellers særlige personlighed og outputs. TechCrunch understreger, at fjernelsen af GPT-4o og andre i modelvalget udløste et kraftigt brugeroprør, herunder kritik på sociale medier og specifikke ønsker om mere personlighed og forudsigelighed.

Virksomheder, der har bygget stabile workflows op omkring bestemte modeller, har nu igen mulighed for at bruge dem til sammenligningstests og kvalitetssikring. Også for AI-udviklere åbner det for regression-tests, hvor man kan identificere præcise ændringer i output og hurtigt afværge eventuelle brud i processer. Altman har lovet, at OpenAI fremover vil varsle brugere i god tid, hvis modeller nedlægges.

Tekniske udfordringer ved routerens automatisering

At lave en router, der rammer skarpt hver gang, er ingen nem opgave. Ifølge TechCrunch skal routeren kunne tolke både brugerens intention, præferencer, sprog og kontekst på få millisekunder. Samtidig illustrerer feedback fra brugerne, at automatiseret ruting stadig sjældent kan matche professionelle krav til konsistens, forudsigelighed og specialiserede domæner, hvor AI’en skal optræde på bestemte måder.

Nick Turley har i den forbindelse skrevet: “Vi er ikke altid i mål i første forsøg, men vi lærer hurtigt og arbejder på løbende forbedringer.” Det viser, at OpenAI er bevidst om teknologiens umodenhed og nødvendigheden af at lade brugerne have valgfrihed, mens automatiseringen finjusteres over tid.

Brugerpræferencer, personlighed og teamsamarbejde

Snilld oplever, at store, danske virksomheder efterspørger mulighed for at konfigurere, hvordan AI’en interagerer på tværs af teams og arbejdsgange. Altman påpeger i sit X-opslag, at arbejdet med personlighedstilpasning i GPT-5 fortsætter – både for at opnå mere varme og mere relevante svar, afhængig af den enkelte bruger og branche. Arbejdet med at tilpasse AI’ens personlighed til individuelle og team-baserede præferencer ventes derfor at intensiveres fremadrettet.

Teknisk betyder det, at virksomheder bør kunne fastlægge standarder for adfærd og svarstil på tværs af organisationen – uden at skulle frygte, at en router pludselig vælger for generel eller upersonlig AI-model til specialiserede opgaver. Det bliver centralt, især i brancher som rådgivning, finans og IT-udvikling.

Muligheder og faldgruber for danske erhvervskunder

Danske AI-ledere, udviklere og processpecialister får nu forbedret mulighed for at tilpasse AI’en til præcis deres behov for pris, performance og compliance. Flere valgmuligheder betyder dog også flere steder, hvor governance kan glide, og hvor brugere eller teams kan fejltolke, hvad den optimale løsning er. Derfor anbefaler vi hos Snilld, at virksomheder arbejder systematisk med guidelines for modelvalg og træner deres teams i at forstå potentialet og begrænsningerne ved de forskellige tilstande.

• Fordele: Større fleksibilitet, performance-optimering og mulighed for at opretholde stabile, testede workflows.
• Risici: Mere kompleks konfiguration øger risikoen for fejl og behovet for governance og opkvalificering.

Snillds råd til ansvarlig AI-styring

Med modelvælgerens tilbagekomst foreslår vi hos Snilld:

• Afdæk specifikke AI-præferencer og brugsmønstre hos teams og afdelinger
• Indfør governance-modeller, så modelvalg bliver en styret beslutning frem for tilfældighed
• Evaluer løbende AI-modellernes performance på egne data og brugsscenarier
• Forbered organisationen på at AI-modeller — og router-algoritmer — kan ændres hyppigt og bør testes løbende

Tydelig adskillelse mellem fakta og rådgivning er central: De tekniske muligheder og OpenAIs egne udmeldinger er grundlaget for den genindførte modelvælger, mens anbefalingerne er Snillds egne.

Genintroduktionen af modelvælgeren i ChatGPT og bringer varig forandringsvillighed til AI-branchen. Den sender samtidig et klart signal til udviklere og beslutningstagere om, at brugerfeedback og tilpasning vinder over forenkling for forenklingens skyld. Det stiller nye krav til ansvarlig styring og løbende opkvalificering – både teknisk, organisatorisk og etisk.

Kilder:

• https://techcrunch.com/2025/08/12/chatgpts-model-picker-is-back-and-its-complicated/
• https://x.com/sama
• https://community.openai.com/t/does-the-customize-chatgpt-feature-actually-influence-responses-across-all-models/1122157

Målgruppens mening om artiklen

Anne Madsen, IT-projektleder:

Jeg giver artiklen 85 ud af 100. Den er meget relevant for mit arbejde, fordi den går i dybden med både de tekniske og organisatoriske konsekvenser af OpenAI’s ændringer. Jeg sætter pris på, at den forklarer, hvorfor modelvælgeren er vigtig for professionelle brugere, og hvordan det påvirker workflows. Dog kunne artiklen godt have haft flere konkrete eksempler fra danske virksomheder.

Jonas Kristensen, AI-udvikler:

Jeg giver den 90. Artiklen rammer plet ift. de udfordringer, vi som udviklere oplever, når modeller og routere ændres uden varsel. Detaljerne om regression-tests og adgang til legacy-modeller er spot on. Jeg savner dog lidt mere teknisk dybde om selve router-algoritmen.

Camilla Sørensen, HR-chef i større dansk virksomhed:

Jeg vil give artiklen 75. Den er relevant, fordi den adresserer behovet for governance og opkvalificering, men jeg synes, den bliver lidt teknisk indimellem. Jeg kunne godt have brugt flere praktiske råd til, hvordan man får teams til at forstå forskellen på modellerne.

Peter Holm, Compliance Officer i finanssektoren:

Jeg giver artiklen 80. Den forklarer godt, hvorfor valgmuligheder er vigtige for compliance og kvalitetssikring, især i regulerede brancher. Jeg savner dog mere om risici ved forkert modelvalg og hvordan man konkret kan styre det i praksis.

Sofie Lindegaard, Digitaliseringskonsulent:

Jeg giver den 88. Artiklen er både oplysende og nuanceret, og den rammer mange af de spørgsmål, jeg møder fra kunder om AI i praksis. Den balancerer godt mellem tekniske og strategiske aspekter, men kunne godt have haft flere cases fra det danske marked.

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af FLUX.1.1 Pro fra Black Forest Labs.