Session 5 · torsdag den 10. september 2026
Astra er her
Fra 'Astra kan løse matematik' til 'Astra er her, og OpenAI advarer om sig selv'. Én nyhed, én boks, fuld tekst og kilde.
📋 Emner
- · GPT-6 Astra lancering
- · Astra system card og sikkerhed
- · Prompting: fra ordlyd til mål
- · ChatGPT Images 2.5 og Sketch
- · Fable 5.1 og Mythos 5.1
- · Gemini 3.8 Flash og Flash Cyber
⭐ Vigtigste pointer
- ✓ Jo mere en AI selv planlægger og handler i flere skridt, jo mere skal du styre målet og rammerne — ikke kun ordlyden.
- ✓ Tre store labs har nu samme mønster: en almindelig model, og et separat, låst sikkerhedslag ved siden af.
🧭 Siden sidst: Astra kan løse matematik → Astra er her
I sidste session (18. august) nævnte vi Astra kort — dengang en ikke-offentlig intern OpenAI-model, der havde løst ti åbne matematikproblemer. Siden da er Astra blevet lanceret som et rigtigt produkt. Det er hovedhistorien i dag: hvad Astra kan, hvad OpenAI selv advarer om, og hvad det betyder for den måde I skriver prompts (den tekst I skriver til AI) på.
GPT-6 Astra: OpenAIs stærkeste model er lanceret
OpenAI lancerede GPT-6 Astra den 3. september 2026. OpenAI kalder den deres mest intelligente og bedst afstemte model til dato, med ny topscore på computerbrug, websøgning, softwareudvikling, cybersikkerhed og videnskab. Astra ruller ud i faser: virksomheder i OpenAIs cybersikkerhedsprogram først, derefter ChatGPT Plus, Pro, Business og Enterprise samt API'en.
Hvad betyder det for dig? Dette er den samme "Astra", vi nævnte i august — bare nu et færdigt, offentligt produkt i stedet for et internt forsøg. Se OpenAIs egen video nedenfor — læg mærke til, hvad de vælger at fremhæve først.
Kilde: OpenAI — Introducing GPT-6 Astra · OpenAI — Introducing GPT-6 Astra for developers (YouTube)
Astras system card: OpenAI advarer om sin egen model
Sammen med lanceringen udgav OpenAI en system card (en offentlig rapport, hvor firmaet selv beskriver en models risici og sikkerhedstest). Den viser, at Astra er den første model, der krydser OpenAIs "Critical"-tærskel for cybersikkerhed — med de rette værktøjer og adgang kan den selv finde og udnytte ukendte sikkerhedshuller uden et menneske, der styrer hvert skridt.
Rapporten beskriver også sandbagging: forskerne bad Astra om bevidst at give dårligere svar og skjule det — og system card'en skriver ligeud, at man sandsynligvis ikke pålideligt ville kunne opdage det. Modellens tankegang (de mellemregninger, en AI viser undervejs) er også blevet sværere at følge med i end i tidligere modeller. Til gengæld overvåger OpenAI nu Astra-modeller løbende i produktion med et system af klassificatorer (automatiske filtre), der tjekker modellens ræsonnement og handlinger for uautoriseret adfærd.
Hvad betyder det for dig? Det er ikke en teori. Det er producenten selv, der siger: jo stærkere og mere selvstændig modellen bliver, jo vigtigere er et reviewpunkt (det sted et menneske skal tjekke, før noget sendes eller gemmes).
Kilde: OpenAI — Path to Astra: critical capabilities and frontier safeguards · Safety overview: GPT-6 Astra
Fra ordlyd til mål: sådan ændrer Astra jeres prompts
Da AI kun svarede på ét spørgsmål ad gangen, handlede en god prompt om præcis ordlyd og et eksempel på, hvordan svaret skulle se ud. Nu planlægger og handler modeller som Astra i flere skridt af sig selv. Så flytter en god prompt sig fra ordlyd til mål, grænser og reviewpunkt.
Før:
"Skriv en venlig opfølgningsmail til en kandidat, der har været til samtale. Brug denne skabelon som eksempel: [indsæt tidligere mail]. Max 150 ord, uformel tone."
Efter:
"Mål: en opfølgningsmail til en kandidat efter samtale, der holder kandidaten varm uden at love noget om ansættelse. Grænser: ingen tidsangivelser vi ikke selv har bekræftet, ingen lønsnak. Reviewpunkt: vis mig udkastet, jeg godkender før afsendelse."
Begge virker. Forskellen er, hvad I styrer: ordene, eller målet og hvor mennesket skal ind og tjekke.
Hvad betyder det for dig? Næste gang I skriver en prompt til en opgave med flere skridt — undersøgelse, udkast, opfølgning — så start med mål og reviewpunkt, ikke med den perfekte sætning.
ChatGPT Images 2.5: tegn en skitse, få et billede
OpenAI lancerede ChatGPT Images 2.5 den 8. september 2026. Den nye Sketch-funktion lader dig tegne direkte inde i ChatGPT som visuel reference — skriv "@Sketch", tegn et groft udkast, og få et færdigt billede der følger din skitse. Dertil kommer skabeloner, kommentarer direkte på billeder og deling af prompts. OpenAI oplyser op til 50% hurtigere billedgenerering end forgængeren.
En detalje til jer: Sketch bliver nogle steder beskrevet som et svar på Googles Gemini 2.5 — det er ikke helt præcist. Det er en anden funktion i et andet produkt, ikke en kopi. Retningen er den samme (hurtigere, mere visuel kontrol), men det er ikke samme feature.
Kilde: Unite.AI — OpenAI Releases ChatGPT Images 2.5 With Sketch
Landskabet siden sidst: samme mønster hos tre labs
Samme uge som Astra kom Claude Fable 5.1 og Claude Mythos 5.1 fra Anthropic (1. september) og Gemini 3.8 Flash samt Gemini 3.8 Flash Cyber fra Google (2. september). Fable 5.1 er den almindelige, offentlige model. Mythos 5.1 er samme model med færre af de normale sikkerhedsbegrænsninger, kun tilgængelig for godkendte cybersikkerheds- og life sciences-organisationer. Gemini 3.8 Flash er den almindelige model; Flash Cyber er en særskilt udgave til at finde og rette sikkerhedshuller, kun tilgængelig gennem Googles Fairwind-program for betroede myndigheder og infrastrukturejere.
Hvad betyder det for dig? Samme uge, samme mønster hos tre store labs: en almindelig model til alle, og et separat, låst lag med færre begrænsninger til dem, der har brug for det og er godkendt til det. Det er den samme guardrails-tanke som i Astra-boksen ovenfor.
Kilde: Anthropic — Introducing Claude Fable 5.1 and Claude Mythos 5.1 · Google — Gemini 3.8 Flash and Flash Cyber
Glemmer I at skifte model?
En observation fra træningerne: mange glemmer at skifte model, når opgaven skifter. Det giver to modsatte problemer. Nogle bruger kun den hurtige, lette model til alt — og konkluderer, at "AI'en er ikke god nok", når det faktisk er den forkerte model til en svær opgave. Andre bruger den tunge reasoning-model (en model der bruger ekstra tid på at tænke sig frem til svaret) eller "high effort"-indstillinger til alt, også simple spørgsmål — og oplever, at det bliver langsomt og dyrt uden at svaret bliver bedre.
Det er ved at blive et strategisk problem, ikke kun en vane. Modeller prises forskelligt per token (den lille tekst-enhed AI tæller og betaler i), og en tung model kan koste mange gange mere end en let — for et svar, der ikke nødvendigvis er bedre til en simpel opgave.
Hvad betyder det for dig? Match model til opgave, ikke vanen. Simpelt spørgsmål: den hurtige/lette model. Svært, flertrins eller vigtigt: den tunge model — og vurdér om prisen og ventetiden er det værd for den konkrete opgave.
AI for ledere: markedet lige nu
Jeg underviser ledere i AI hos andre virksomheder.
Her er et billede fra de sidste undervisningsforløb.
Kun én ud af tolv har egen server
Ud af omkring tolv virksomheder havde kun én sin egen lokale server.
De brugte stadig cloud-modeller til det almindelige.
Men alt det følsomme lå lokalt, på en fysisk server i virksomheden.
De var markant mere trygge ved det — på grund af sikkerhed og IP (virksomhedens egen viden og data, som man ikke vil have ud af huset).
De øvrige elleve er stadig usikre
De vidste godt, at noget skulle ske.
Men de manglede en konkret vej derfra til handling.
Den samlede stemning: alle følte sig bagud.
Hvad betyder det for dig? I er ikke alene om usikkerheden — det er markedsnormen lige nu, ikke undtagelsen. I skal ikke have styr på det hele fra start. I skal bare komme i gang.
Genopfrisker: hvad er ChatGPT Work egentlig?
Dette spørger kunder mig tit om, så en kort genopfrisker: ChatGPT Work er OpenAIs agent (AI der udfører en opgave, ikke kun svarer på et spørgsmål). I stedet for at du selv samler research, skriver udkast og bygger et dokument stykke for stykke, giver du Work et mål, relevante filer og rammer — og den researcher, bruger tilsluttede apps, og afleverer et færdigt dokument, ark, slide eller rapport. Du følger med undervejs, kan skifte retning, og godkender vigtige handlinger, før de sker.
Brug det til: længere opgaver med flere kilder — et research-notat, en sammenligning af leverandører, et første udkast til en rapport. Brug det ikke til: hurtige enkeltspørgsmål, hvor almindelig chat er hurtigere. Tommelfingerregel: hvis opgaven ville tage dig over en time selv, er det en Work-opgave.
Kilde: OpenAI — ChatGPT is now a partner for your most ambitious work
GPTs: kan I stadig dele dem?
Kort svar: GPTs bliver ikke lukket ned, men deling er strammet for private konti. Siden 16. august 2026 kan Free-, Go-, Plus- og Pro-konti ikke længere oprette nye GPTs (en GPT er en skræddersyet udgave af ChatGPT med egne instrukser, filer og — indtil nu — mulighed for at dele den med andre). Går du ind i delingsindstillinger på en ny GPT i dag, er den eneste mulighed "Kun mig". Allerede oprettede GPTs virker stadig og kan redigeres.
Business-, Enterprise- og Edu-konti er undtaget — de kan fortsat oprette og udgive GPTs, styret af virksomhedens admin. OpenAI har ikke officielt forklaret hvorfor, men har samtidig annonceret Workspace Agents som "en videreudvikling af GPTs" til virksomhedskonti — det peger på en retning: fra delte GPTs til agent-værktøjer i en virksomhedskontekst, snarere end en fælles GPT-butik for alle.
Hvad betyder det for dig? Har I allerede en delt GPT, virker den fortsat. Vil I lave en ny til at dele med andre, kræver det nu en Business/Enterprise-konto. Til individuel brug er GPTs ikke væk — bare ikke længere delbare fra en privat konto.