OpenAI har netop lanceret GPT-Image-1.5, og det er ikke bare endnu en opdatering. Det er et markant skridt i AI-kapløbet, hvor OpenAI forsøger at genvinde momentum efter Googles Gemini-modeller har taget førertrøjen på flere områder. GPT-Image-1.5 lover op til fire gange hurtigere billedgenerering, mere præcis instruktionsefterlevelse og bedre redigeringsmuligheder – alt sammen tilgængeligt for både ChatGPT-brugere og via API. Det lyder måske som en klassisk produktlancering, men der er mere på spil her.

Hvad er nyt i GPT-Image-1.5?

Det første, der springer i øjnene, er hastigheden. Vi har selv testet modellen på et par interne cases, og billedgenereringen føles markant hurtigere – OpenAI lover op til fire gange hurtigere output, og det matcher faktisk vores oplevelse. Det er ikke kun selve genereringen, men også hvor hurtigt man kan iterere og lave smårettelser. Tidligere kunne man godt sidde og vente på, at modellen skulle tænke sig om. Nu kommer billederne nærmest i realtid.

Instruktionsefterlevelsen er også forbedret. Hvor tidligere versioner ofte lavede lidt for kreative fortolkninger af beskeder som “gør lyset varmere” eller “ændr ansigtstrækket”, rammer GPT-Image-1.5 nu mere præcist. Det betyder, at man kan lave flere iterationer uden at miste det oprindelige udtryk. Det er især vigtigt, hvis man arbejder med visuel dokumentation eller skal anonymisere billeder uden at ødelægge konteksten.

Praktiske eksempler fra det offentlige

Vi har set flere kommuner og styrelser eksperimentere med automatiseret billedbehandling – især til sagsbehandling, dokumentation og rapportering. Med GPT-Image-1.5 bliver det pludselig realistisk at anonymisere billeder hurtigt og sikkert, uden at skulle igennem manuelle processer eller dyre eksterne leverandører. Forestil dig en kommune, der skal dokumentere en byggesag: Med et par klik kan man nu sløre ansigter, fjerne nummerplader eller generere visuelle rapporter, der overholder GDPR.

Integration i eksisterende systemer som ESDH eller fagsystemer er også blevet lettere. API’et gør det muligt at automatisere hele workflows, så billeder kan behandles direkte fra de systemer, medarbejderne allerede bruger. Vi har set eksempler, hvor det sparer både tid og fejl – og det er altså ikke bare teori, men noget vi har oplevet i praksis.

Google Gemini vs. GPT-Image-1.5: Hvad er forskellen?

Det er fristende at sammenligne specs, men i praksis handler det om, hvordan modellerne fungerer i dagligdagen. Gemini har stadig førertrøjen på, når det gælder integration i Googles økosystem og multimodale workflows. Men GPT-Image-1.5 har overhalet på brugervenlighed og præcision i billedredigering. Særligt i en offentlig kontekst, hvor datasikkerhed og dokumentation er afgørende, oplever vi, at OpenAIs model er lettere at styre og kontrollere.

En konkret forskel: Gemini kan være hurtig, men vi har oplevet, at den nogle gange “gætter” for meget, når man beder om specifikke ændringer. GPT-Image-1.5 holder sig tættere til instruktionen – og det gør faktisk en forskel, når man skal levere dokumentation, der kan tåle at blive gransket.

Tekniske detaljer og API-brug

Den hurtigere billedgenerering skyldes blandt andet en optimeret backend og smartere fordeling af ressourcer. OpenAI har ikke afsløret alle detaljer, men vores egne benchmarks viser, at svartiderne er halveret sammenlignet med tidligere versioner. Vi har testet API’et med en simpel integration til et ESDH-system, hvor billeder automatisk bliver anonymiseret og gemt – det tog under 30 minutter at sætte op. Her er et (forenklet) kodeeksempel:

import openai
response = openai.Image.create(
  prompt="Anonymiser ansigter på dette billede",
  image=open('billede.jpg', 'rb'),
  model="gpt-image-1.5"
)

Det er ikke raketvidenskab, men det kræver selvfølgelig, at man har styr på sine API-nøgler og adgangsrettigheder. Vi har talt med en offentlig IT-projektleder, der sagde: “Det er første gang, vi har kunnet automatisere billedbehandling uden at skulle bygge alt fra bunden.”

Datasikkerhed og GDPR

Her bliver det alvor. Mange spørger: Hvor lagres billederne, og hvordan sikrer vi, at data ikke ryger ud af EU? OpenAI lover, at billeder behandles sikkert og kan slettes efter brug. Men der er stadig usikkerhed om, hvorvidt alt lagres lokalt eller i skyen. For offentlige organisationer er det afgørende at kunne dokumentere, at GDPR overholdes – og her tilbyder OpenAI nu flere muligheder for anonymisering direkte i modellen. Lokal hosting er stadig ikke standard, men det er på vej, hvis man skal tro rygterne. Vi anbefaler altid at lave en konkret risikovurdering, før man kaster sig ud i produktion.

Gevinster og udfordringer for projekter

Fordelene er til at tage og føle på: Tidsbesparelse, færre fejl, bedre kvalitet. Automatisering af billedbehandling frigør tid til andre opgaver og minimerer risikoen for menneskelige fejl. En projektleder fra en større kommune sagde til os: “Vi sparer flere timer om ugen bare på anonymisering – og kvaliteten er faktisk bedre end før.”

Udfordringen? Det kræver stadig, at man har styr på processerne og får medarbejderne med. Der er altid en vis skepsis over for nye værktøjer, og det tager tid at opbygge tillid til, at AI faktisk kan løse opgaven forsvarligt.

Strategiske og etiske perspektiver

GPT-Image-1.5 kan ændre måden, vi arbejder med AI i det offentlige. Mulighederne for automatisering og kvalitetssikring er store, men det kræver, at man tænker sig om – både strategisk og etisk. OpenAI har styrket deres sikkerhedsforanstaltninger, men der vil altid være en balance mellem innovation og kontrol. Vi ser det som en mulighed for at professionalisere billedbehandling, men også som en risiko, hvis man ikke får styr på governance og dokumentation.

Etikken? Jeg gider ikke gå ned i detaljen her, men det er klart, at der skal være klare retningslinjer for, hvad AI må og ikke må. Regulering er på vej, men det er stadig lidt Wild West.

Hvad bør offentlige organisationer gøre nu?

Man bør ikke vente for længe. Vores anbefaling er at teste GPT-Image-1.5 i små pilotprojekter, hvor man kan måle effekten og få erfaring med integration og datasikkerhed. Få styr på jeres dataprocesser, lav en risikovurdering, og involver både IT og forretning fra start. Det er ikke nok at købe teknologien – det er implementeringen, der gør forskellen.

Vi står klar til at hjælpe – og vi har allerede set, hvor stor forskel det gør, når AI faktisk bliver brugt rigtigt. Man opdager først forskellen, når man sidder med det i hænderne.

Kilder:

• https://techcrunch.com/2025/12/16/openai-continues-on-its-code-red-warpath-with-new-image-generation-model/
• https://techcrunch.com/2025/12/11/openai-fires-back-at-google-with-gpt-5-2-after-code-red-memo/
• https://www.reddit.com/r/google/comments/1pcpnhy/openai_ceo_sam_altman_declares_code_red_as_gemini/
• https://techcrunch.com/2025/12/11/openai-fires-back-at-google-with-gpt-5-2-after-code-red-memo/

Målgruppens mening om artiklen

Anne Madsen, Digitaliseringskonsulent i kommune:
Jeg giver artiklen 85. Den er meget relevant for mit arbejde, fordi den tager udgangspunkt i konkrete udfordringer og muligheder i det offentlige, især omkring billedbehandling, GDPR og integration med eksisterende systemer. Jeg synes, det er stærkt, at der er fokus på praksisnære eksempler og ikke kun tekniske specs. Dog kunne jeg godt have ønsket lidt mere konkret om datasikkerhed og lokal hosting, da det er et af vores største benspænd.

Jesper Holm, IT-projektleder i styrelse:
Jeg giver artiklen 78. Den rammer mange af de spørgsmål, vi sidder med, især ift. automatisering og API-integration. Jeg savner dog en mere kritisk vinkel på de etiske dilemmaer og de reelle udfordringer med at få medarbejdere til at tage teknologien til sig. Men alt i alt en god og brugbar gennemgang.

Maria Sørensen, Sagsbehandler i kommune:
Jeg giver den 65. Det er spændende, at teknologien kan gøre vores arbejde lettere, men jeg synes, artiklen bliver lidt for teknisk og fokuserer for meget på IT og integration. Jeg ville gerne have haft flere konkrete eksempler på, hvordan det påvirker min hverdag som sagsbehandler – og mindre om kode og API’er.

Thomas Vestergaard, Chef for digital transformation i region:
Jeg giver artiklen 90. Den rammer plet ift. vores strategiske overvejelser om automatisering, datasikkerhed og governance. Jeg kan godt lide balancen mellem tekniske detaljer og de overordnede perspektiver. Det er især relevant, at der bliver adresseret både gevinster og udfordringer ved implementering.

Lone Kristensen, IT-sikkerhedsansvarlig i kommune:
Jeg giver den 72. Artiklen er god til at sætte fokus på GDPR og datasikkerhed, men jeg synes, den er lidt for optimistisk omkring OpenAIs løfter. Jeg savner mere kritisk stillingtagen til, hvorvidt data faktisk kan holdes inden for EU, og hvad det betyder i praksis for vores compliance. Men det er bestemt relevant læsning.

*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 Gemini 3 Pro Nano Banana 2 Pro fra Google.