Den nye OpenAI-release handler ikke kun om nye modeller, men om en ny måde at arbejde på
OpenAI’s seneste ChatGPT-release kan ved første øjekast ligne endnu en modelopdatering. Nye navne, nye evner, nye benchmarks. Sol, Terra og Luna. GPT-5.6. Mere kraft, mere hastighed, bedre kodning.
Men det er ikke den egentlige historie.
Den egentlige historie er, at ChatGPT er ved at bevæge sig fra at være en samtaleassistent til at blive noget, der mere ligner en egentlig arbejdsplatform. Det er ikke længere kun et sted, hvor vi stiller spørgsmål, brainstormer ideer, skriver udkast eller får hjælp til at forstå noget. Det er i stigende grad et sted, hvor arbejde bliver planlagt, udført, gennemgået, rettet, publiceret og gentaget.
Det er en stor forandring, især for os, der allerede bruger ChatGPT seriøst i hverdagen.
I OpenAI’s release-video blev tre ting præsenteret samlet: GPT-5.6-familien, ChatGPT Work og en ny desktop-app, hvor ChatGPT, Work og Codex bliver trukket tættere sammen. I transskriptionen beskrives Sol som modellen til betalte brugere, mens Terra og Luna også kommer til gratis brugere. ChatGPT Work beskrives som en ny måde at få ChatGPT til at udføre komplekse opgaver på tværs af web, mobil og desktop. Desktop-appen beskrives som et sted, hvor ChatGPT kan arbejde med lokale filer, browserfaner og apps, mens hosted Sites gør det muligt at oprette og dele interaktive websites eller dashboards.
Det er skiftet.
ChatGPT svarer ikke bare længere. ChatGPT begynder at arbejde.
Sol, Terra og Luna
OpenAI præsenterer GPT-5.6 som en familie af modeller med tre niveauer: Sol, Terra og Luna.
Sol er topmodellen. Det er den kraftigste model, som er tænkt til de sværeste opgaver: kompleks kodning, lange agentiske arbejdsgange, avanceret analyse, cybersikkerhed, forskning og større projekter, hvor modellen skal holde styr på mange trin over længere tid.
Terra er den balancerede model. Det er sandsynligvis den mest interessante model for mange daglige brugere, fordi den ser ud til at være stærk nok til rigtig meget praktisk arbejde, men billigere at bruge end topmodellen.
Luna er den hurtigste og billigste model. Den er næppe modellen, man skal bruge til tunge arkitekturbeslutninger, store refaktoreringer eller sikkerhedskritisk kode. Men den kan være meget nyttig til små, hurtige opgaver: forklare kode, opsummere filer, rydde op i prompts, skrive korte snippets, konvertere tekstformater eller håndtere store mængder rutinearbejde.
Det vigtige er, at man ikke længere kun skal spørge: “Hvilken model er bedst?”
Det bedre spørgsmål er: “Hvilken model passer til denne opgave?”
Sol er den tunge maskine. Terra er arbejdshesten. Luna er den hurtige hjælper.
For folk, der bruger Codex eller ChatGPT Work meget, er det en vigtig forskel. Man behøver ikke bruge den dyreste og kraftigste model til alt. Det kan hurtigt blive dyrt, og det er heller ikke altid nødvendigt.
Hvorfor Terra kan blive den praktiske vinder
Topmodellen får næsten altid mest opmærksomhed. Men i daglig brug er det ofte den model, der giver mest værdi pr. credit, der betyder mest.
Hvis Terra virkelig er stærk nok til almindeligt seriøst kodearbejde og samtidig billigere end GPT-5.5 og Sol, kan den blive den model, mange power users bruger mest.
Det gælder især i Codex-lignende arbejdsgange. Når en agent læser projektmapper, gennemgår filer, foreslår ændringer, skriver patches, kører tests og retter igen, kan credits forsvinde hurtigt. Ikke nødvendigvis fordi modellen gør noget forkert, men fordi agentisk arbejde ganske enkelt bruger mange ressourcer.
Derfor er Terra interessant.
Den kan sandsynligvis klare meget af det daglige arbejde: PHP, JavaScript, CSS, HTML, mindre databaseændringer, debugging, gennemgang af udvalgte filer og sikre små patches. Sol kan så reserveres til de virkelig svære ting: arkitektur, sikkerhed, store migrationer, komplekse fejl eller opgaver, hvor det vil være dyrt at lave en fejl.
Det giver en sundere arbejdsrytme:
Brug almindelig ChatGPT i browseren til at tænke og planlægge.
Brug Terra til normalt Codex-arbejde.
Brug Sol, når opgaven virkelig er svær eller risikabel.
Brug Luna til små, hurtige og billige rutineopgaver.
Det er ikke kun billigere. Det er også mere disciplineret.
ChatGPT Work: fra svar til færdigt arbejde
Den anden store nyhed er ChatGPT Work.
Navnet siger meget. Det handler ikke bare om at chatte. Det handler om arbejde.
I release-videoen blev der vist eksempler, hvor ChatGPT Work analyserede økonomiske tal, opdaterede et Excel-forecast, lavede en PowerPoint-præsentation og byggede et interaktivt Site med den samme analyse. Det blev også vist, hvordan ChatGPT Work kunne finde relevante personer i interne feedbacksystemer, bruge Slack, planlægge møder og arbejde på tværs af flere kilder.
Det er en anden måde at tænke ChatGPT på.
Den gamle model var:
“Stil et spørgsmål. Få et svar.”
Den nye model er:
“Definér et mål. Giv kontekst. Lad systemet arbejde. Gennemgå og styr.”
Det er en anden disciplin. Det kræver, at brugeren bliver bedre til at delegere. Man skal ikke bare skrive et prompt. Man skal beskrive opgaven, afgrænse den, fortælle hvad systemet må og ikke må gøre, og beslutte hvornår det skal stoppe og bede om godkendelse.
Det er stærkt, men det kræver omtanke.
En chatbot, der giver et dårligt svar, er ét problem. En agent, der kan ændre filer, organisere noter, sende beskeder eller arbejde i apps, er noget andet. Jo mere ChatGPT kan gøre, jo vigtigere bliver det, at brugeren sætter klare grænser.
Desktop-appen og Codex bliver trukket sammen
For mange eksisterende brugere er desktop-appen nok den mest forvirrende del af denne release.
Tidligere havde mange en ret klar opdeling:
ChatGPT blev brugt til samtale, skrivning, research, billedprompts, strategisk tænkning og planlægning.
Codex blev brugt til kode, projektmapper, filer, diffs og mere teknisk agentarbejde.
Nu bliver de verdener trukket sammen.
I release-videoen blev den nye desktop-app vist som et sted, hvor ChatGPT kan arbejde med lokale filer, browserfaner og andre apps på computeren. Der blev vist eksempler med en stor spreadsheet, en mappe med launch-materiale, PDF’er, interviews, sikkerhedsrapporter, åbne Chrome-faner, slide decks, visualiseringer og endda Apple Notes, hvor ChatGPT fik sin egen cursor og begyndte at organisere noter i baggrunden.
Det er stærkt.
Men det forklarer også, hvorfor nogle brugere oplever det som om, den gamle ChatGPT desktop-app er forsvundet, eller som om Codex pludselig har overtaget det hele.
Strategisk er det nok mere præcist at sige, at Codex er ved at blive arbejds- og kodearmen inde i ChatGPT.
Det ændrer den mentale model. ChatGPT er ikke længere kun chat. Codex er ikke længere kun en separat kodeting. Det hele bevæger sig mod én samlet arbejdsflade.
Browser-ChatGPT er stadig vigtig
Selv om desktop-appen bliver mere kraftfuld, er browser-versionen af ChatGPT stadig meget vigtig.
For mange brugere er browseren det roligste og billigste sted at tænke.
Det gælder især, hvis man bruger Codex meget. Det kan være dyrt at køre alt direkte i Codex eller Work, fordi agentisk arbejde ofte betyder, at systemet læser mange filer, holder lang kontekst, bruger værktøjer, tjekker resultater, skriver ændringer og kører flere runder.
Derfor er det stadig en god strategi at bruge ChatGPT i browseren som planlægningsrum.
Man kan først diskutere problemet, forstå hvad der sandsynligvis er galt, finde ud af hvilke filer der er relevante, beslutte hvor risikabelt det er og skrive et præcist Codex-prompt.
Først derefter sender man opgaven til Codex eller Work.
Det giver en enkel opdeling:
Browser-ChatGPT er planlægningsrummet.
Codex og Work er udførelsesrummet.
Det lyder simpelt, men det kan spare mange credits og forhindre meget rod.
I stedet for at åbne Codex og skrive “fix min hjemmeside”, er det bedre først at tale problemet igennem i ChatGPT og derefter give Codex en smal instruktion som:
“Undersøg kun disse filer. Redigér ikke endnu. Forklar først årsagen til problemet og foreslå den mindste sikre ændring. Vent på min godkendelse, før du ændrer noget.”
Den type instruktion holder agenten under kontrol. Det gør også arbejdet billigere og lettere at gennemgå.
Credits, auto top-up og ny økonomisk disciplin
Denne release gør det endnu vigtigere at holde øje med credits.
Når Codex, ChatGPT Work og andre agentiske funktioner kan bruge credits, bliver det vigtigt at forstå, hvordan man arbejder økonomisk. Det er ikke nok bare at have adgang til de stærkeste modeller. Man skal også vide, hvornår det er værd at bruge dem.
For forsigtige brugere giver det god mening at slå auto top-up fra, indtil man kender de nye omkostninger i praksis.
Ikke fordi værktøjerne er dårlige. Tværtimod. Netop fordi de er stærke, kan man komme til at bruge dem meget. Og hvis man sætter en agent til at læse store mapper, arbejde længe, lave mange ændringer og køre flere runder, kan credits forsvinde hurtigt.
En god strategi er derfor:
Planlæg i almindelig ChatGPT.
Brug Terra som standardmodel til Codex-arbejde.
Brug Sol kun når opgaven virkelig kræver det.
Brug Luna til små, billige rutineopgaver.
Undgå vage prompts som “ryd op i hele projektet”.
Tjek usage efter lange sessions.
Hold auto top-up slået fra, indtil du ved, hvad tingene reelt koster.
Det handler ikke om frygt. Det handler om kontrol.
Sites: fra dokumenter til interaktive outputs
Hosted Sites kan vise sig at blive en af de mest interessante kreative funktioner.
I release-videoen blev Sites brugt til dashboards, interne værktøjer, interaktive præsentationer, prototyper, rapporter og visuelle forklaringer. En økonomisk analyse blev til et interaktivt site. En spreadsheet blev til en visualisering. Et launch-forløb blev til en slags levende projektflade. Designere brugte Sites til prototyper, man kunne klikke rundt i.
Det handler ikke bare om at lave hjemmesider.
Det handler om, at arbejdsprodukter kan ændre form.
Et regneark kan blive et dashboard.
En rapport kan blive en interaktiv forklaring.
En kampagneplan kan blive et lille website.
En idé kan blive en prototype, som andre kan teste.
Et internt overblik kan blive noget, et team faktisk kan bruge.
For små virksomheder, organisationer, undervisere, aktivister og selvstændige kan det blive meget nyttigt. Mange har ikke brug for et stort softwareprojekt hver gang. De har brug for noget hurtigt, pænt, delbart og forståeligt.
Sites kan blive mellemlaget mellem et dokument og en rigtig applikation.
Scheduled tasks og gentagne arbejdsgange
En anden vigtig del af udviklingen er scheduled tasks, altså opgaver ChatGPT kan udføre på bestemte tidspunkter eller gentage løbende.
Det passer ind i den samme større bevægelse: ChatGPT går fra at være et svarværktøj til at blive et workflow-værktøj.
I stedet for kun at spørge:
“Hvad har ændret sig?”
kan man begynde at sige:
“Tjek dette hver morgen og fortæl mig, hvad der har ændret sig.”
Det kan være meget nyttigt til nyheder, dashboards, kundefeedback, projektstatus, mails, Slack-beskeder, research eller gentagne rapporter.
Men igen kræver det omtanke. Ikke alt bør automatiseres. Særligt ikke ting, der involverer penge, kunder, følsomme oplysninger, juridiske spørgsmål eller offentlig kommunikation.
Den bedste brug af scheduled tasks er ikke nødvendigvis fuld autonomi. Det er assisteret overblik.
Lad systemet indsamle, opsummere, advare og forberede.
Lad mennesket beslutte, godkende og sende.
Hvad det betyder for kodning
For udviklere og semi-tekniske brugere er kodningsdelen meget vigtig.
OpenAI præsenterer GPT-5.6 Sol som en meget stærk kodemodel. I release-videoen blev det fremhævet, at modellen ikke kun er god til frontend og design, men også til kodning og cybersikkerhed. Der blev også talt om, at Sol kan bruges i meget avancerede interne workflows, herunder post-training af andre modeller og komplekse forskningsopgaver.
Men den praktiske konklusion er ikke, at man altid skal bruge den stærkeste model.
Den praktiske konklusion er, at man skal matche model og opgave.
Luna kan bruges til små forklaringer, simple scripts, tekstbehandling og hurtige gennemgange.
Terra kan bruges til normalt kodearbejde, fejlretning, små patches, CSS, HTML, JavaScript, PHP og gennemgang af udvalgte filer.
Sol bør bruges til arkitektur, sikkerhed, svære bugs, store refaktoreringer, databaser, migrationer og opgaver, hvor fejl kan være svære at opdage.
Ultra mode bør kun bruges, når arbejdet virkelig er vigtigt nok til at retfærdiggøre flere parallelle agenter.
Det største spild i kodningsagenter kommer ofte fra uklare instruktioner.
Hvis man skriver “gør projektet bedre”, kan agenten læse for meget, ændre for meget og skabe mere arbejde, end den løser. Hvis man i stedet skriver “undersøg disse tre filer og foreslå én minimal ændring”, får man ofte et bedre og billigere resultat.
Et godt Codex-prompt bør indeholde:
Målet.
Hvilke filer eller mapper der må undersøges.
Hvad der ikke må røres.
Om agenten må redigere eller kun undersøge.
Om tests skal køres.
Om den skal vente på godkendelse.
Om ændringen skal være minimal og uden refaktorering.
Det bliver vigtigere, jo stærkere modellerne bliver.
En svag assistent skal styres, fordi den ikke kan så meget.
En stærk assistent skal afgrænses, fordi den kan meget.
Den ikke-tekniske historie: start småt
En af de mest interessante dele af release-videoen var ikke finansdemoen eller kodningsbenchmarks. Det var historien om Hiroki, landmanden fra Hokkaido.
Ifølge transskriptionen var Hiroki ikke ingeniør. Han begyndte med at spørge ChatGPT om de ting, han ikke forstod, og lærte gradvist at bygge systemer, han kunne bruge på sin gård. Han brugte Codex til at automatisere praktiske opgaver, og hans råd til ikke-tekniske mennesker var enkelt: start småt og byg trin for trin.
Det er måske den sundeste pointe i hele releasen.
Dramatiske AI-demoer kan få folk til at føle, at de straks skal revolutionere alt. Men de fleste behøver ikke begynde med store agentiske workflows på tværs af Slack, Gmail, regneark, websites, kalendere og lokale filer.
Man kan begynde med én lille gentagen opgave.
Ét regneark.
Én underside på en hjemmeside.
Én ugentlig rapport.
Én billedprompt-proces.
Én kundemail.
Én kodefejl.
Én mappe, der skal organiseres.
Sådan opbygger man tillid og erfaring. Ikke ved at give alt væk på én gang, men ved gradvist at lære, hvor værktøjet er stærkt, hvor det er dyrt, hvor det laver fejl, og hvor menneskelig dømmekraft stadig skal være styrende.
Privatliv, adgang og kontrol
Jo mere ChatGPT kan gøre, jo mere forsigtig skal man være med, hvad det har adgang til.
Det kan være meget nyttigt at forbinde Gmail, Slack, Drive, kalender, browserfaner og lokale filer. Men det kan også give adgang til meget kontekst: private samtaler, kontaktoplysninger, økonomi, interne planer, kundedata, strategier og upubliceret materiale.
Den praktiske regel bør være:
Forbind kun det, der er nødvendigt.
Brug den smalleste adgang, der stadig løser opgaven.
Giv ikke brede tilladelser bare fordi det er bekvemt.
Gennemgå altid, før noget sendes, publiceres, slettes eller ændres.
Brug separate projektmapper, når det er muligt.
Behold backups.
I kodeprojekter er versionsstyring afgørende. I dokumentarbejde bør originaler bevares. Ved websites bør man teste før deployment. Ved email og beskeder bør der være manuel godkendelse, før noget sendes.
Jo mere kapabelt værktøjet bliver, jo vigtigere bliver gammeldags disciplin.
Den nye brugerevne: delegation
Den skjulte evne i denne nye æra er ikke bare prompting. Det er delegation.
Prompting lyder som at stille et smart spørgsmål. Delegation er noget andet. Delegation betyder at definere en opgave så klart, at en anden kan udføre den uden at ødelægge projektet.
Det kræver kontekst, begrænsninger, prioriteringer og kontrolpunkter.
Et godt delegationsprompt kan se sådan ud:
“Her er målet. Her er den nuværende situation. Her er de filer, du må undersøge. Redigér ikke endnu. Forklar først, hvad du finder. Foreslå derefter den mindste sikre ændring. Når jeg godkender, må du kun lave den ændring og vise mig diffen.”
Det er ikke bare et prompt. Det er projektledelse.
Og her har erfarne ChatGPT-brugere faktisk en fordel. Folk, der i årevis har brugt ChatGPT til at tænke højt, teste antagelser, sammenligne muligheder og forbedre instruktioner, har allerede mange af de nødvendige vaner.
Pointen er ikke at smide de gamle vaner væk.
Pointen er at beholde dem og bruge dem endnu mere bevidst.
Den gamle vane er stadig god
Mange seriøse brugere havde allerede udviklet en fornuftig arbejdsgang før denne release:
Tænk i ChatGPT.
Planlæg omhyggeligt.
Skriv et præcist Codex-prompt.
Brug Codex først, når opgaven er klar.
Den vane er stadig værdifuld. Faktisk er den måske vigtigere nu end før.
Fristelsen med stærke agenter er at springe tænkeprocessen over. Men det er netop sådan, man brænder credits af og skaber rod i projekter.
Browser-versionen af ChatGPT har stadig en central rolle som det rolige planlægningsrum. Det er her, man kan diskutere problemet, afveje løsninger, vurdere risiko, skrive præcise instruktioner og beslutte, hvilken model der er værd at bruge.
Derefter kan Terra, Sol eller Luna udføre arbejdet.
Den enkle opdeling er:
ChatGPT til dømmekraft.
Terra til normalt arbejde.
Sol til tungt arbejde.
Luna til billigt rutinearbejde.
Ultra til sjældne, vigtige og meget komplekse opgaver.
Hvad det betyder for små virksomheder og selvstændige
Denne release kan blive særligt vigtig for folk uden store teams.
Store virksomheder har allerede analytikere, designere, udviklere, driftsfolk og interne værktøjer. Små virksomheder og selvstændige har ofte én person, der skal gøre det hele: skrive opslaget, opdatere hjemmesiden, svare på mails, lave plakaten, analysere regnearket, rette fejlen og planlægge næste kampagne.
For den type bruger kan ChatGPT Work og de nye modeller være meget betydningsfulde.
En café kan gå fra menunoter til kampagne, Facebook-opslag, plakat og lille landingpage.
En webkonsulent kan forberede en kundebrief, gennemgå kode, lave en patch og skrive en afleveringsrapport.
En forening eller aktivistgruppe kan forvandle rapporter og noter til forklarende artikler, kampagnesider, præsentationer og løbende nyhedsoversigter.
En skribent kan gå fra artikeludkast til citatkort, nyhedsbrev, sociale medier og en interaktiv forklaring.
Muligheden er stor.
Faren er, at alt pludselig føles muligt på én gang.
Den kloge vej er ikke at eksperimentere tilfældigt med alt. Den kloge vej er at bygge gentagelige arbejdsgange.
Det store billede: ChatGPT bliver en arbejdspartner
Den største forandring er psykologisk.
I flere år har mange brugere tænkt på ChatGPT som en samtalepartner. Man spurgte. Den svarede. Man rettede. Den forbedrede. Relationen var bygget op omkring dialog.
Nu flytter relationen sig i retning af arbejde.
ChatGPT er stadig en samtaleassistent, men samtalen bliver i stigende grad en del af en større arbejdsproces. ChatGPT kan planlægge, analysere, skrive, kode, visualisere, organisere, bygge og assistere på tværs af værktøjer.
Det betyder ikke, at almindelig chat forsvinder.
Det betyder, at chat bliver ét lag i et større system.
Derfor føles denne release lidt forvirrende for vanebrugere. Den ændrer det mentale kort. Den gamle opdeling var nem: ChatGPT var til tænkning, Codex var til kodning. Nu bliver det hele samlet i en bredere arbejdsflade.
Men man behøver ikke ændre alt fra den ene dag til den anden.
Den bedste tilpasning er gradvis:
Brug stadig browser-ChatGPT som planlægningsrum.
Brug Terra som den daglige arbejdshest.
Gem Sol til svære opgaver.
Hold auto top-up slået fra, indtil du kender forbruget.
Giv agenter smalle instruktioner.
Godkend vigtige handlinger manuelt.
Start småt.
Byg tillid gennem gentagen, kontrolleret brug.
Konklusion: mere kraft kræver bedre vaner
Denne release er spændende, fordi den giver almindelige brugere adgang til værktøjer, der minder mere om digitale medarbejdere end traditionelle chatbots.
Men pointen er ikke at give alt fra sig.
Pointen er at blive bedre til at lede AI-arbejde.
De stærkeste brugere bliver ikke nødvendigvis dem, der altid bruger den kraftigste model. Det bliver dem, der forstår, hvornår man skal tænke, hvornår man skal delegere, hvornår man skal bruge en billigere model, hvornår man skal eskalere til Sol, og hvornår man skal stoppe maskinen og bruge menneskelig dømmekraft.
ChatGPT bliver mere ambitiøs.
Derfor må brugeren blive mere bevidst.
Den gamle vane holder stadig:
Tænk først.
Afgræns opgaven.
Vælg den rigtige model.
Bevar kontrollen.
Gennemgå resultatet.
Lad derefter maskinen gøre det arbejde, den faktisk er god til.
Det er måske den egentlige betydning af denne release. Ikke at ChatGPT kan gøre alt, men at ChatGPT nu kan gøre langt mere, hvis vi lærer at arbejde klogt sammen med det.