ChatGPT, Claude og Gemini — slik velger du AI-assistent

Hvem stiller til start?

Tre selskaper dominerer markedet for generative AI-assistenter rettet mot vanlige brukere: OpenAI med ChatGPT, Anthropic med Claude og Google med Gemini. ChatGPT var den første som nådde et bredt publikum, og ble lansert 30. november 2022 — se OpenAIs egen lanseringspost «Introducing ChatGPT».

Alle tre har en gratisplan og flere betalte nivåer. Prisene og innholdet i abonnementene endres ofte, og de oppgis i amerikanske dollar uten norsk merverdiavgift. Hent dem derfor fra kilden: ChatGPT-priser, Claude-priser og Gemini-abonnementer.

Denne artikkelen bygger ikke på en egen test. Vi har ikke kjørt de tre tjenestene mot hverandre under kontrollerte forhold, og oppgir derfor verken karakterer eller rangering. Det som står her, er hva leverandørene selv dokumenterer, og hvor du finner uavhengige målinger.

Modellnavnene skifter raskere enn artiklene rekker å følge

Den vanligste feilen i sammenligninger av AI-assistenter er at de er utdaterte før de er lest ferdig. Alle tre leverandørene bytter ut modellene sine flere ganger i året, og kontekstvindu, hastighet og pris følger med. En modell som var toppmodellen i fjor, er ofte pensjonert i år.

Derfor er det bare ett fornuftig sted å hente en gjeldende modelloversikt, og det er hos leverandøren selv: OpenAIs modelliste, Anthropics modelloversikt og Googles modelliste for Gemini. Der står det hvilke modeller som er tilgjengelige nå, hvor stort kontekstvindu de har, og hva de koster.

Kontekstvindu — det som avgjør hvor mye du kan laste opp

Kontekstvinduet er hvor mye tekst modellen kan holde i minnet samtidig: spørsmålet ditt, dokumentene du laster opp, samtalen så langt og svaret den skriver. Det måles i tokens, biter som omtrent tilsvarer en orddel. Er materialet større enn vinduet, må det deles opp, og modellen mister sammenhengen mellom bitene.

Skal du jobbe med lange rapporter, kontrakter eller hele kodebaser, er dette den tekniske egenskapen som betyr mest i praksis. Hvor stort vinduet er, varierer både mellom leverandørene og mellom abonnementsnivåene, og oppgis i modelloversiktene over.

Slik velger du — kriterier som holder seg over tid

Modellene endrer seg, men spørsmålene du bør stille deg, er stort sett de samme fra år til år:

• Oppgavetypen: Skriving, koding, dataanalyse og research stiller ulike krav. Kjør din egen typiske oppgave gjennom alle tre på gratisplanen før du betaler for noe.
• Økosystemet: Er arbeidsdagen din i Google Workspace eller Microsoft 365, kan integrasjonene veie tyngre enn små forskjeller i svarkvalitet.
• Kontekstbehov: Jobber du med lange dokumenter, sjekk kontekstvinduet i modelloversikten før du velger.
• Personvern: Vurder hva du faktisk kan laste opp. Kundedata, personopplysninger og taushetsbelagt materiale krever at du vet hvor dataene havner og hva de brukes til.
• Pris: Sammenlign gjeldende priser hos leverandøren, og husk at beløpene er i dollar og kommer i tillegg til merverdiavgift.

Uavhengige rangeringer finnes — men les dem med forbehold

Vil du ha noe annet enn leverandørenes egne påstander, finnes det åpne rangeringer der modeller stilles mot hverandre. Text Arena rangerer modeller på tvers av blant annet matematikk, koding og kreativ skriving, på grunnlag av avstemninger fra brukere.

Vær klar over hva en slik liste faktisk måler: hvilket svar folk foretrekker, ikke nødvendigvis hvilket som er riktig. Den sier ingenting om hvordan en modell oppfører seg på akkurat dine oppgaver, og lite om norsk.

Hvor gode er de på norsk?

Dette er spørsmålet norske brukere stiller oftest, og det ærlige svaret er at vi ikke kan kåre en vinner. Det finnes ingen offentlig, uavhengig test av norsk språkkvalitet i ChatGPT, Claude og Gemini som vi kan vise til.

Det nærmeste er NorEval, et evalueringsrammeverk fra Språkteknologigruppa ved Universitetet i Oslo som dekker både bokmål og nynorsk og bygger på datasett laget av mennesker fra bunnen av. Men som Titan ved UiO beskriver arbeidet, er det åpne språkmodeller for norsk som måles der, ikke de kommersielle assistentene. Forskerne peker også på at kreativ språkbruk, som bilder og metaforer, fortsatt er vanskelig å måle godt.

I praksis betyr det at du må teste selv. Gi alle tre den samme norske oppgaven — en e-post, et sammendrag, en tekst som skal treffe en bestemt tone — og se hva du faktisk vil sende fra deg uten å skrive om.

Kildekritikk og personvern

Uansett hvilken du velger, skal svarene leses kritisk. Store norske leksikon påpeker at generert tekst ofte framstår troverdig selv når den inneholder faktafeil og forenklinger, og at modellene kan gjengi skjevheter fra treningsdataene. Kontroller tall, navn, lovhenvisninger og lenker mot en primærkilde før du bruker dem.

Skal verktøyet brukes i jobben, gjelder personvernreglene som ellers. Datatilsynet har samlet anbefalinger for godt personvern i utvikling og bruk av kunstig intelligens.

Konklusjon — velg etter behov

Det finnes ingen vinner som er best på alt, og enhver rangering av de tre er ferskvare. Bruk heller en uke på gratisplanene med dine egne oppgaver. Forskjellen du merker i din egen arbeidsflyt, er mer verdt enn en poengsum i en artikkel.

Vil du lese mer, har vi også en oversikt over AI-chatboter, en gjennomgang av LLM-modeller og en artikkel om Claude og ChatGPT for norske brukere.