# Stor språkmodell – vad är en LLM och hur fungerar den? *Carl Jimholt* *12 november 2026* > En stor språkmodell är grunden bakom dagens AI-chattbotar. Här förklarar vi vad en LLM är, hur den tränas och vilka risker som finns. # Stor språkmodell – vad är en LLM och hur fungerar den? En stor språkmodell, eller LLM, är den teknik som ligger bakom de flesta AI-chattbotar och digitala assistenter som används idag. I korthet är det en statistisk modell som har tränats på enorma mängder text för att kunna förutsäga vilket ord som sannolikt kommer härnäst i en mening. På Criticaltech går vi igenom vad en stor språkmodell är, hur den byggs upp och vad den kan – och inte kan – göra. ## Vad en stor språkmodell är Enligt sv.wikipedia.org är en språkmodell en statistisk modell och sannolikhetsfördelning som används för att förutsäga sekvenser av ord. Inom artificiell intelligens och språkteknologi används språkmodeller för att få datorers kommunikation att efterlikna mänskligt språk. En stor språkmodell är en modern form av språkmodell som utmärker sig genom sin massiva skala. Den tränas på enorma datamängder, ofta miljontals böcker, vetenskapliga artiklar och stora delar av det öppna innehållet på webben. Tack vare den massiva träningen uppvisar LLM:er ofta emergenta egenskaper – de blir kapabla till logiska resonemang och problemlösning utan att specifikt ha programmerats för det. En stor språkmodell räknas också som en grundmodell inom AI-forskningen. Det innebär att den kan användas som bas för många olika tillämpningar, från chattbotar och översättning till kodgenerering och sammanfattning av dokument. ## Hur en språkmodell tränas En språkmodell tränas på en textkorpus – stora mängder insamlad text – för att lära sig sannolikheterna för hur olika ord kombineras i olika språkliga kontexter. Utvärderingen går ut på att modellen tilldelar en matematisk sannolikhet för vilket ord som logiskt sett borde komma härnäst, givet de ord som redan har kommit. Eftersom det mänskliga språket kan kombineras i ett oändligt antal unika meningar, är utmaningen att hantera meningar som modellen aldrig tidigare har sett i sin träningsdata. Resultatet blir ett system som kan generera trovärdiga texter, svara på frågor, översätta språk eller sammanfatta dokument. Modellen är generativ, vilket innebär att den själv kan skapa helt nya textsekvenser istället för enbart kategorisera existerande data. ## Från N-gram till transformer Historiskt sett har språkmodeller använts i bakgrunden för att stödja andra tekniker, till exempel optisk teckenigenkänning, taligenkänning, maskinöversättning och informationssökning. Äldre statistiska modeller som N-gram, som bygger på Markovegenskapen, har successivt ersatts av avancerade neurala nätverk. Idag baseras de flesta språkmodeller på djupinlärning, där arkitekturer som recurrent neural networks (RNN) och transformatorer (Transformers) används för att fånga upp komplexa samband och långa kontexter i texter. Transformatorarkitekturen är särskilt viktig för stora språkmodeller, eftersom den gör det möjligt att bearbeta mycket långa sekvenser av text samtidigt och hålla reda på samband mellan ord som står långt ifrån varandra i en mening. ## Vad som gör en modell "stor" Det som skiljer en stor språkmodell från en mindre är framför allt skalan – både mängden träningsdata och storleken på modellen själv. Stora språkmodeller tränas på enorma datamängder och kräver betydande beräkningskraft. Utvecklingen av de största modellerna domineras av ett fåtal stora teknikföretag och forskningsinstitut, på grund av de enorma kraven på datorstyrka. Stora språkmodeller som även har tränats på källkod har visat sig mycket framgångsrika i att förstå och generera nya datorprogram, antingen genom att slutföra påbörjad kod eller genom att skriva kod utifrån instruktioner på naturligt språk. ## RLHF – mänsklig feedback i finjusteringen För att göra modellerna interaktiva och säkra kombineras de ofta med tekniker som RLHF, förstärkningsinlärning från mänsklig feedback. I RLHF poängsätter mänskliga granskare modellens svar under en finjusteringsfas. På så sätt lär sig modellen vilka svar som är användbara, korrekta och säkra, och vilka som bör undvikas. Den här finjusteringen är vad som gör en grundmodell till en användbar chattassistent. Utan den skulle modellen kunna generera text som är statistiskt sannolik men inte nödvändigtvis tillräcklig för en mänsklig konversation. ## Betydande stora språkmodeller Utvecklingen av de största språkmodellerna domineras av ett fåtal aktörer. Några av de mest uppmärksammade är: - **GPT** (Generative Pre-trained Transformer): utvecklad av OpenAI. Versionerna GPT-3 och GPT-3.5 introducerade världen för den virala chattboten ChatGPT i slutet av 2022. GPT-4, släppt 2023, används i betalversionen av ChatGPT och utgör även motorn i Microsoft Copilot. - **Gemini**: utvecklad av Google (Alphabet). Lanserades som både en LLM och en chattbot, ursprungligen under namnet Bard, i början av 2023. - **Claude**: en familj av LLM:er utvecklade av Anthropic, med ett uttalat fokus på AI-säkerhet och styrbarhet. - **Llama**: utvecklad av Meta Platforms och släppt som öppen källkod, vilket gjort den populär inom forskningen och för lokala implementationer. - **Mixtral 8x7B**: utvecklad av det franska företaget Mistral AI. - **GPT-SW3**: en storskalig språkmodell för de nordiska språken, utvecklad av det svenska forskningsinstitutet AI Sweden, som blev allmänt tillgänglig under 2023. ## Vad en LLM kan – och inte kan En stor språkmodell kan generera texter i olika genrer, svara på frågor inom många kunskapsdomäner, översätta mellan språk, sammanfatta dokument, skriva och felsöka kod samt samtala på ett mänskligt sätt. Men modellen har tydliga begränsningar. Enligt sv.wikipedia.org söker en språkmodell inte svar på internet och innehåller ingen databas med fakta. Svaren baseras enbart på statistik över vilka ordföljder som är vanliga i de mänskliga konversationer och det textmaterial modellen exponerades för under träningsfasen. Modellen kan därför inte svara på exakt vilka källor som påverkat ett svar. Den tidiga gratisversionen av ChatGPT (version 3.5) hade enbart tränats med källor publicerade i januari 2022 och dessförinnan, och kunde normalt inte svara på frågor om sådant som hänt senare. Kontextfönstret är också begränsat – i GPT version 3.5 kan det som mest bestå av 4096 tokens, ungefär detsamma som ord, och i version 4.0 av 8192 tokens. ## Hallucinationer och andra risker Ibland kan en stor språkmodell gissa helt fel svar på frågor utifrån sina sannolikhetsberäkningar av vad som är vanliga ordföljder vid liknande frågor. Detta kallas att modellen hallucinerar. Exempelvis kan den lösa enkla matematiska problem bristfälligt, beskriva ett land baserat på vad som är vanligt i andra länder, hitta på en egen betydelse av en förkortning eller missförstå begrepp på andra språk än engelska. Modellen kan också hitta på felaktiga listor med källhänvisningar om man ber den ange källa. För att få mer användbara svar rekommenderas det att använda modellen som samtalspartner, successivt precisera sin fråga, be den genomföra beräkningar steg för steg och kontrollera resultaten. ## LLM inom cybersäkerhet Stora språkmodeller används alltmer inom cybersäkerhet, både för att försvara och för att angripa system. Modeller kan hjälpa till att analysera misstänkt kod, upptäcka mönster i nätverkstrafik och skriva säkerhetspolicyer. Samtidigt kan de användas för att skapa mer övertygande nätfiskemeddelanden eller generera skadlig kod i större skala. På Criticaltech skriver vi regelbundet om AI-säkerhet och hur företag kan skydda sig. ## Framtiden för svenska språkmodeller Utvecklingen av stora språkmodeller går snabbt, och flera aktörer arbetar med modeller som är bättre anpassade till svenska och andra nordiska språk. GPT-SW3 från AI Sweden är ett exempel på en modell som är byggd för de nordiska språken. Med fler öppna modeller och bättre stöd för svenska öppnas möjligheter för svenska företag och organisationer att bygga egna AI-tjänster på egen infrastruktur. Stora språkmodeller är redan en del av vardagen för många, och utvecklingen pekar mot att de kommer att bli ännu mer integrerade i arbetslivet och samhället i stort. Att förstå hur de fungerar – och var deras gränser går – är därför viktigt för alla som använder AI-tjänster.