Vad är en LLM? Språkmodeller förklarade enkelt

En LLM (Large Language Model) är en stor språkmodell — en AI tränad på enorma mängder text för att förutsäga vilket ord som kommer härnäst. Det är tekniken bakom ChatGPT, Claude och Gemini, och anledningen till att de kan skriva, sammanfatta, översätta och resonera på ett sätt som känns mänskligt. (Förkortningen LLM används också om juristexamen Master of Laws — den här artikeln handlar om språkmodeller.)

Nedan går vi igenom vad förkortningen betyder, hur en språkmodell faktiskt fungerar, vilka modeller som gäller 2026 och var gränserna går. Vill du först ha den större bilden finns vad AI är och hur artificiell intelligens fungerar.

Vad betyder LLM?

LLM står för Large Language Model. På svenska: stor språkmodell. Varje ord i förkortningen betyder något:

• Large syftar på två saker samtidigt — mängden text modellen tränats på, och antalet parametrar den lärt sig. Båda mäts i hundratals miljarder.
• Language — modellen arbetar med språk. Den läser text och producerar text.
• Model — en statistisk modell, inte en databas. Den slår inte upp svar, den räknar fram dem.

ChatGPT är alltså inte en LLM i sig. ChatGPT är produkten; LLM:en är motorn under huven. Samma sak gäller Claude och Gemini — gränssnittet är en sak, modellen bakom är en annan.

Vad är en språkmodell?

En språkmodell är ett program som lärt sig hur sannolikt det är att ett visst ord följer på ett annat. Idén är inte ny — autoförslagen på mobilens tangentbord är en enkel språkmodell, och forskning på området har pågått sedan 1950-talet. Det som är nytt är skalan.

En traditionell språkmodell tittade några ord bakåt och gissade nästa. En stor språkmodell håller tiotusentals ord i huvudet samtidigt, har lärt sig av en betydande del av allt som skrivits på internet, och har tillräckligt många inlärda samband för att kunna hålla en tråd genom ett helt dokument.

Det är därför språket kring modellerna spretar: språkmodell, stor språkmodell, LLM och AI-modell används ofta om samma sak. Strikt sett är LLM en delmängd — alla LLM:er är språkmodeller, men alla språkmodeller är inte stora.

Hur fungerar en språkmodell?

Här är en förenklad förklaring av hur det går till.

Modellen tränas genom att läsa en enorm mängd text — böcker, artiklar, webbsidor, kod. Under den processen lär den sig språkmönster, ordanvändning, grammatik, och till och med stil och tonfall.

När modellen sedan får en fråga analyserar den inte bara de enskilda orden, utan också sammanhanget. Den tittar på ordens relation till varandra för att förstå vad meningen faktiskt betyder.

Baserat på det den lärt sig och den prompt du skrivit genererar den ett svar — ett ord i taget, där varje ord väljs utifrån vad som är mest sannolikt att följa på det föregående.

Med andra ord: en språkmodell är en väldigt avancerad version av autoförslagen på din mobil. Men den saknar medvetande och verklig förståelse, och dess kunskap är begränsad till de mönster den tränats på.

Modellen lär sig inte i realtid av nya samtal. Den kan däremot uppdateras genom ny träning, och den kan få tillgång till färsk information via webbsökning eller dina egna dokument.

Token, parameter och kontextfönster — tre ord du behöver kunna

Nästan all diskussion om språkmodeller använder tre begrepp. De är enklare än de låter:

• Token: modellen läser inte bokstäver eller hela ord, utan tokens — textbitar på ungefär 3–4 tecken. "Språkmodell" kan bli två tokens, "hej" en. En A4-sida svensk text är grovt räknat 600–800 tokens. Priset när du använder en modell via API räknas nästan alltid per token.
• Parameter: de inlärda vikterna i modellen, alltså det som utgör dess "kunskap". De största modellerna har hundratals miljarder parametrar. Fler parametrar är inte automatiskt bättre — träningsdatans kvalitet betyder minst lika mycket.
• Kontextfönster: hur mycket text modellen kan ha i huvudet samtidigt, mätt i tokens. Allt du skrivit i konversationen plus modellens svar ryms här. När fönstret blir fullt börjar det tidigaste falla bort — det är därför långa chattar kan "glömma" vad ni kom överens om i början.

Från rådata till färdig chatbot: så tränas en LLM

En användbar språkmodell byggs i tre steg, och det är först i de sista stegen den blir något du vill prata med:

1. Förträning: modellen matas med enorma textmängder och lär sig att förutsäga nästa token. Det här är den dyra och tidskrävande delen — den kostar hundratals miljoner kronor i beräkningskraft.
2. Finjustering: modellen tränas vidare på mer specifika exempel, till exempel dialoger, för att bli bra på att faktiskt svara på frågor i stället för att bara fortsätta en text.
3. Feedback från människor (RLHF): människor bedömer vilka svar som är bäst, och modellen justeras efter det. Det är i det här steget den lär sig ton, hjälpsamhet och var gränserna går.

Ovanpå detta läggs det som gör dagens modeller praktiskt användbara: verktyg, webbsökning och möjligheten att koppla in dina egna dokument.

Exempel på språkmodeller 2026

De flesta stora modellfamiljer bygger på samma grundidé, men skiljer sig i storlek, prislapp och vad de är bäst på:

• GPT-serien från OpenAI — modellerna bakom ChatGPT. Senaste generationen kommer i tre nivåer med olika kapacitet och pris; vi går igenom dem i vår artikel om GPT-5.6: Sol, Terra och Luna.
• Claude från Anthropic — känd för långa kontextfönster, noggrann analys och stark kodförmåga. Läs vår genomgång Vad är Claude AI: en enkel guide om du inte provat den.
• Gemini från Google — djupt integrerad i Google Workspace och stark på multimodalitet. Vi har förklarat vad Gemini är separat.
• Llama från Meta och Mistral från Frankrike — öppna modeller med vikter du kan ladda ner och köra själv, vilket gör dem intressanta när data inte får lämna huset. Vi har listat de bästa öppna modellerna 2026.
• DeepSeek och Qwen — kinesiska modeller som visat att man kan komma nära toppen till en bråkdel av träningskostnaden.

Skillnaderna i praktiken är ofta mindre än marknadsföringen antyder. Vi har testat de största mot varandra på riktiga arbetsuppgifter i vår jämförelse av AI-chatbottar — där syns det tydligare var de faktiskt skiljer sig åt.

Finns det svenska språkmodeller?

Ja, men de spelar i en annan liga än de stora kommersiella modellerna. AI Sweden har tagit fram GPT-SW3, tränad på nordiska språk, och det finns flera forskningsprojekt kring en svensk språkmodell. Syftet är främst suveränitet och forskning — att det ska finnas modeller tränade på svenska av svenska aktörer — inte att konkurrera med GPT eller Claude på kapacitet.

För praktiskt bruk på svenska gäller i stället att de stora modellerna redan hanterar språket mycket väl. Svenska är ett litet språk i träningsdatan, så resultatet blir marginellt svagare än på engelska, men skillnaden är sällan avgörande. Behöver du att data stannar i Sverige är en öppen modell som körs på egen hårdvara oftast ett rakare svar än en svensktränad modell.

LLM, chatbot eller AI-agent — vad är skillnaden?

Begreppen blandas ihop hela tiden, men de ligger på olika nivåer:

• LLM är själva modellen — motorn som förutsäger text.
• Chatbot är gränssnittet du pratar med, byggt ovanpå en eller flera LLM:er.
• AI-agent är en LLM som fått verktyg och ett mål, och som kan utföra flera steg på egen hand: söka, läsa, skriva, uppdatera ett system. Vi går igenom vad en AI-agent är och hur den fungerar separat.

Det är därför frågan "vilken är bäst" sällan går att besvara på modellnivå — upplevelsen avgörs lika mycket av produkten runt omkring.

Vilka begränsningar har en LLM?

En språkmodell saknar medvetande och verklig förståelse. Den räknar sannolikheter; den "vet" egentligen inget. De begränsningar som är värda att ha med sig i vardagen:

• Hallucinationer: modellen kan hitta på källor, siffror och citat som ser helt trovärdiga ut. Kontrollera alltid fakta som spelar roll. Det finns numera en annan sorts modell som inte kan göra det — vi förklarar den i vad Jev är, AI-modellen som inte kan hitta på.
• Kunskapsstopp: träningsdatan har ett slutdatum. Utan webbsökning vet modellen ingenting om det som hänt efter det.
• Bias: modellen speglar mönstren i sin träningsdata, inklusive de sneda.
• Sekretess: det du klistrar in kan i vissa tjänster användas för träning. Läs villkoren innan känsliga underlag går in i en chatt.
• Matematik och räkning: språkmodeller är byggda för språk, inte aritmetik. Utan verktyg blir svaren opålitliga på exakta beräkningar.

Skillnaden 2026 är att de flesta stora modeller numera kan söka på webben i realtid, resonera stegvis innan de svarar och hantera bild, ljud och video — inte bara text. Behöver du färska fakta går det bra att be modellen söka, eller använda ett verktyg som Perplexity.

Hur språkmodeller har utvecklats

Sedan den här texten först skrevs har språkmodellerna tagit flera stora kliv:

• Större kontextfönster: modellerna kan hålla mycket mer text i minnet på en gång — hela dokument, kodbaser eller långa samtal.
• Resonerande modeller: en ny generation "tänker" igenom problem stegvis, vilket ger bättre svar på matematik, kod och logik.
• Multimodalitet: text, bild, ljud och video i samma modell.
• Agenter: modellerna kopplas till verktyg och kan utföra uppgifter, inte bara svara.

Grundprincipen är dock densamma: modellen förutsäger nästa ord — fast numera med betydligt mer kraft bakom sig.

Vill du få en modell att svara utifrån era egna dokument i stället för utifrån allt den läst på internet går det utan kod — vi går igenom hur du skapar en egen GPT 2026 och vad som gäller nu när Custom GPTs avvecklas.