Om hvilkenAI
hvilkenAI er en uafhængig benchmark-tjeneste som evaluerer over 350 AI-modeller dagligt og præsenterer de bedste på dansk, norsk og svensk.
Helt uafhængig — ingen kommercielle bindinger
Vi har ingen affiliate-aftaler, sponsorer eller kommercielle partnerskaber med de AI-udbydere, vi tester. Vi modtager ingen provision, rabatter eller fordele fra nogen modelleverandør. Vi finansieres af abonnementsindtægter fra Pro-brugere og annoncering — aldrig af de udbydere, vi evaluerer.
Hvad vi gør
Redaktionel proces
Benchmarken opdateres løbende med resultater fra standardiserede opgaver på skandinaviske sprog.
Vi forklarer, hvad resultaterne betyder for almindelige opgaver som skrivning, research, arbejdsbrug, pris og API.
Hvis datagrundlag eller metode skal justeres, opdaterer vi indholdet og retter gamle konklusioner.
Hvem vi er
hvilkenAI blev grundlagt af Erik Rundhaug, en norsk softwareudvikler og AI-entusiast med base i Oslo. Motivationen var enkel: AI-markedet ændrer sig hurtigt, og det er svært at vide, hvilken model der faktisk fungerer bedst til hverdagsbrug på skandinaviske sprog.
Vi udfylder det hul. Dagligt, uafhængigt og på de sprog, folk faktisk bruger.
Sådan bygger vi tillid
- Vi angiver tydeligt, at over 350 modeller evalueres, mens de bedste resultater præsenteres.
- Vi markerer kommercielle flader tydeligt og bruger ikke affiliatelinks til modelleverandører.
- Vi har kontaktpunkt for spørgsmål, fejl og input til benchmarken.
- Vi forklarer metoden på et overordnet niveau uden at offentliggøre proprietær scoring eller vægtning.
Kontakt
Har du spørgsmål, feedback eller vil melde en fejl? Tag endelig kontakt.
Hvorfor vi findes
De fleste AI-rangeringer bygger på internationale tests, markedsføring eller subjektive indtryk. Det hjælper mindre, hvis du skal skrive godt dansk, sammenligne modeller for nordiske kunder eller vælge en model, der fungerer stabilt i en skandinavisk arbejdsgang. HvilkenAI blev lavet for at dække det hul.
Vi gør resultaterne mere praktiske ved at kombinere benchmark, guider og forklaringer. Målet er, at du hurtigt skal forstå, hvilken model der passer til tekst, research, kodning, pris, privatliv eller API-brug — uden at skulle stole på leverandørernes egne påstande.
Hvordan vi vurderer kvalitet
Kvalitet handler ikke kun om ét imponerende svar. En god model skal følge instruktioner, holde sprog og format, være stabil over tid og give værdi i forhold til pris og hastighed. Derfor forklarer vi både topresultater og praktiske kompromiser.
Den præcise scoring er proprietær, men princippet er enkelt: anbefalingerne skal være nyttige for rigtige brugere, ikke kun se gode ud i en tabel. Når vi skriver guider, forsøger vi at vise, hvornår en model er det rigtige valg — og hvornår et billigere, hurtigere eller tryggere alternativ kan være bedre.
Se også
Sådan bruger du denne side i praksis
Denne side er skrevet for at hjælpe dig med at træffe et konkret valg, ikke kun læse generel AI-information. Start med at afklare opgaven, risikoen og hvor meget du er villig til at betale. Sammenlign derefter anbefalingen med dagens benchmark, AI-testen og relevante privatlivs- eller datakrav.
Til privat brug er det ofte nok at prøve et gratis eller billigt alternativ først. Til arbejde, kundeindhold, dokumenter eller følsomme oplysninger bør du lægge mere vægt på kontrol, kildebrug, sprog, stabilitet og hvem der behandler informationen. En god AI-model er ikke kun den, der scorer højt én dag, men den der giver pålidelige svar i din arbejdsgang.
HvilkenAI evaluerer over 350 AI-modeller og præsenterer de vigtigste signaler uden sponsorerede placeringer eller affiliate-ranking. Brug derfor siden som et startpunkt: test to eller tre alternativer på samme opgave, se hvor meget redigering der mangler, og vælg først når du kan se hvilken model der faktisk sparer tid.
Når du bør være ekstra grundig
Vær særligt grundig når AI-svaret skal bruges i kundearbejde, ansættelser, økonomi, sundhed, juridiske vurderinger eller andet arbejde hvor fejl kan få konsekvenser. Her bør du ikke kun se på pris eller topresultat, men også på kontrolmuligheder, datadeling, intern godkendelse og hvor let det er at forklare hvorfor værktøjet blev valgt.
Et godt valg er ofte det der giver lavest samlet risiko: høj nok kvalitet, tydelige begrænsninger, fornuftig pris og en arbejdsgang hvor mennesker stadig kvalitetssikrer resultatet.