Tigerspringet, hvor modellen blev ligegyldig

Hvis man har små børn, kender man tigerspringet. Barnet er pylret i nogle dage, alting sejler, og pludselig kan det noget, det ikke kunne ugen før.

Jeg tror, vi oplever sådan et spring i AI-kodning lige nu.

Det første skete et sted mellem oktober og december 2025. Jeg har efterhånden hørt den samme observation fra så mange kollegaer, at den er svær at afvise: Der skete et eller andet dér. Folk, der havde set AI-kodning som en interessant demo, begyndte at bruge det til rigtigt arbejde. Agenterne holdt op med bare at foreslå kode og begyndte at færdiggøre opgaver.

Det næste spring er anderledes. Det handler ikke kun om, at modellerne er blevet bedre. Det handler om, at flere modeller nu er gode nok til at løse den samme opgave.

Når intelligensen bliver udskiftelig, flytter konkurrencen. Fra "hvem har den bedste model?" til "hvem kan levere arbejdet billigst, hurtigst og med mindst friktion?"

Det er dér, priskrigen begynder.

Der var ikke én lancering i oktober

Jeg ledte efter det ene datapunkt, der kunne forklare vores fælles fornemmelse fra slutningen af 2025. Det findes ikke. Til gengæld findes der en ophobning af begivenheder, som næsten er mere overbevisende.

Den 29. september lancerede Anthropic Claude Sonnet 4.5. De beskrev en model, der kunne holde fokus på komplekse opgaver i mere end 30 timer, og lancerede samtidig checkpoints, en VS Code-extension og deres Agent SDK. Ugen efter gjorde OpenAI Codex generelt tilgængelig med Slack-integration, SDK og administrationsværktøjer. OpenAI skrev, at den daglige Codex-brug var vokset mere end 10 gange siden begyndelsen af august, og at modellen havde behandlet 40 billioner tokens på tre uger.

Den 20. oktober kom Claude Code på web. Den 29. oktober lancerede Cursor 2.0 med op til otte parallelle agenter. Den 18. november lancerede Google Gemini 3 og Antigravity som en egentlig agentisk udviklingsplatform.

Det var ikke ét modeløjeblik. Det var øjeblikket, hvor hele produktlaget omkring modellerne faldt på plads: terminal, editor, browser, cloud, parallelle agenter, checkpoints, SDK'er og enterprise-kontrol.

De offentlige npm-tal peger i samme retning, men skal læses forsigtigt: downloads er ikke det samme som aktive brugere. Figuren nedenfor bruger en logaritmisk skala, fordi Claude Code ellers ville gøre de mindre alternativers tidlige bevægelse næsten usynlig.

Fra september 2025 til april 2026 voksede Claude Code fra 22,7 til 49,4 millioner downloads om måneden — cirka 2,2 gange. Codex voksede fra 871.000 til 31,4 millioner, 36 gange. OpenCode gik fra 127.000 til knap fem millioner, 39 gange. De små starttal gør multiplerne spektakulære, men slutniveauerne er efterhånden også materielle: I april havde Codex næsten to tredjedele så mange npm-downloads som Claude Code.

Så måske var det ikke måneden, hvor én model vandt. Det var kvartalet, hvor markedet blev bredere, og alternativerne begyndte at få reel fart.

Det første spring var: Agenterne virker

Før det spring valgte man model med samme alvor, som man valgte database. Claude eller GPT? Sonnet eller Opus? Den forkerte beslutning kunne mærkes i hver eneste opgave.

Efter springet begyndte spørgsmålet at ændre sig. Ikke fordi modellerne blev ens, men fordi flere af dem krydsede den praktiske grænse: De kunne læse et repository, planlægge, ændre flere filer, køre tests, opdage en fejl og prøve igen.

Det er forskellen på en imponerende model og en brugbar medarbejder.

Jeg var selv meget bundet til Claude. Det var ikke en benchmarkbeslutning; det var en vane. Claude Code kendte min arbejdsgang, og jeg kendte dets særheder. Men i dag skifter jeg til Codex på nogle opgaver uden at tænke ret meget over det. En kollega bruger OpenCode. Andre bruger Cursor, Gemini CLI eller deres egen kombination.

Det vigtige er ikke, hvem der har valgt rigtigt. Det vigtige er, at vi ikke længere føler, at der kun findes ét rigtigt valg.

Monopolet er ikke væk i omsætning. Men det er begyndt at forsvinde i vores hoveder.

Det næste spring er: Modellen bliver en råvare

Vercels AI Gateway giver et sjældent indblik i, hvad der faktisk kører i produktion. Deres juliindeks bygger på titusinder af milliarder tokens om måneden.

Tallene fra juni 2026 er ret vilde:

• Open-weight-modeller stod for 29 procent af tokenvolumen, mod 11 procent i april.
• De 29 procent kostede under 4 procent af de samlede udgifter.
• DeepSeek alene stod for 22,6 procent af alle tokens og lå mindre end to procentpoint efter Google.
• Omtrent hver ottende enterprise-kunde brugte nu en open-weight-model i produktion.

Det ligner den priskrig, man ville forvente, når en kapabilitet bliver til en råvare: volumen søger mod den billigste acceptable leverandør.

Men Vercels tal fortæller også den modsatte historie. De fire store amerikanske frontier-laboratorier tog stadig 95 procent af pengene. Anthropic tog alene 61 procent af udgifterne på 32 procent af tokens og mindst 72 procent af udgifterne til de opgaver, hvor fejl har størst konsekvens, som kodeagenter og backoffice-agenter.

Trafikken er altså ikke bare flyttet fra proprietære til åbne modeller. Markedet er blevet todelt:

Billig volumen går mod open weights. Dyrt arbejde med høj risiko bliver på frontier-modellerne.

Det er en vigtigere observation end en simpel historie om, at open source har vundet. Enterprise-kunder er allerede begyndt at vælge model efter opgave.

Selv premiumlaget er blevet ustabilt. Ifølge samme Vercel-rapport nåede Claude Fable 5 på fire dage op på 22 forespørgsler for hver 100 til Opus 4.8. Tre dage efter lanceringen blev modellen ramt af et amerikansk eksportdirektiv, og Anthropic suspenderede adgangen resten af måneden. Om man læser den slags som sikkerhedspolitik, geopolitik eller lanceringsteater, ændrer ikke det praktiske problem: Virksomheder kan ikke længere bygge deres arbejdsgang på, at én bestemt model altid er tilgængelig.

Kimi K3 viser både hypen og virkeligheden

Kimi K3 er et godt eksempel på, hvor hurtigt grænserne flytter sig. Det er en open-weight-model på 2,8 billioner parametre med en kontekst på en million tokens. På enkelte kode- og kernel-opgaver konkurrerer den med eller slår dyrere proprietære modeller.

Men påstanden om, at Kimi K3 generelt er bedre end Claude Fable 5, kan jeg ikke dokumentere. Moonshot skriver selv, at K3 samlet set stadig ligger efter Fable 5 og GPT-5.6 Sol. Den er frontier-nær, ikke entydigt frontier-bedst.

Det interessante er prisen og retningen. Kimi tager 3 dollar per million inputtokens, når cachen ikke rammer, og 15 dollar for output. Cachede inputtokens koster 30 cent, og Moonshot oplyser en cache-hit-rate på over 90 procent i kodeopgaver. Claude Opus 5 starter på henholdsvis 5 og 25 dollar.

Og Opus 5 er selv interessant: Anthropic positionerer den ikke som bedre end Fable 5, men som tæt på Fable-niveau til omtrent halv pris. Frontier-labbet er med andre ord også begyndt at kannibalisere sit eget premiumlag.

Det er sådan en priskrig ser ud, før nogen officielt kalder den en priskrig.

Abonnementerne skjuler den rigtige pris

Der er stadig et mærkeligt spænd mellem abonnementer og API-forbrug.

Som privat udvikler kan man købe et abonnement med generøse, men uklare limits. Som virksomhed bliver man ofte ført over i seats, API-tokens, gateways og forbrugsafregning. Det gør sammenligningen næsten umulig: Hvad koster en million tokens på et abonnement, hvis leverandøren ikke fortæller, hvor mange man reelt har købt?

Nu har vi et konkret datapunkt. I en enkelt uge i juli rapporterede ccusage cirka 3.500 dollar for vores Claude Code-forbrug. Vi betalte 200 dollar om måneden for abonnementet.

Det betyder ikke, at Anthropic gav os 3.300 dollar i kontanter, eller at vi med sikkerhed ville have købt præcis de samme tokens gennem API'et. ccusage læser de lokale sessioner og beregner en omkostning ud fra modellernes tokenpriser. Tallet er derfor en API-listeprisækvivalent, ikke en faktura.

Men som bevis på abonnementets værdi er det svært at overse: På én uge fik vi registreret forbrug svarende til 17,5 gange hele månedsprisen. Hvis samme tempo fortsatte fire uger, ville listeprisækvivalenten være omkring 14.000 dollar — cirka 70 gange abonnementsprisen. Det er ikke en universel 70×-rabat; det er vores egen intensive uge. Og netop derfor bør virksomheder måle deres eget faktiske forhold mellem abonnement og API-pris.

Hos Firtal Web så regnestykket helt modsat ud. I Marketingpod fortæller Jesper Hvejsel omkring 08:19, at de to en halv måned tidligere var gået fra brugerabonnementer til API-tokens. Deres omkostning faldt 10 gange.

Forklaringen er ikke, at API-tokens altid er billigere. Nogle medarbejdere udnyttede ganske enkelt ikke det, der lå i deres abonnement. Firtal havde i gennemsnit 120–125 prompts per medarbejder. Jesper havde selv troet, at abonnementerne var en god handel. Efter skiftet kunne han se, at én pris til alle var dyrere for netop deres forbrugsmønster.

Det er det tilsyneladende paradoks: For vores intensive Claude Code-uge var abonnementet absurd billigt i forhold til API-listeprisen. For Firtals bredere medarbejdergruppe var API-afregning 10 gange billigere end abonnementerne. Begge resultater kan være sande, fordi abonnementet ikke har én rigtig pris. Den afhænger af, hvor stor en del af den skjulte tokenpulje hver bruger faktisk får omsat til arbejde.

Derfor kommer kampen ikke kun til at handle om pris per token. Den kommer til at handle om at holde på tokens: abonnementer, credits, caching, rate limits, gratis modeller, bundling og rabatter, som gør det dyrt eller besværligt at flytte sit forbrug.

Det værdifulde lag flytter opad

Hvis jeg kan skifte fra Claude til Codex midt i en arbejdsdag, er modellen ikke længere hele produktet.

Det værdifulde bliver i stedet:

• den kontekst, agenten får
• de værktøjer og tilladelser, den kan bruge
• den feedback, tests og evals giver den
• den måde arbejdet bliver delt op og reviewet på
• historikken, hukommelsen og integrationerne omkring den

Det er det lag, nogle kalder et harness. Jeg tænker mere på det som arbejdspladsen omkring modellen. Når medarbejderen kan skiftes ud, er det arbejdspladsen, processerne og organisationens viden, der skaber forskellen.

Det er også her enterprise-markedet bliver interessant. Virksomheder bør ikke spørge: "Hvilken model standardiserer vi på?" De bør spørge:

1. Hvilke opgaver kræver den dyreste frontier-model?
2. Hvilke kan sendes til en billigere eller open-weight-model?
3. Kan vi skifte model uden at miste kontekst, værktøjer og governance?
4. Måler vi pris per token, eller pris per godkendt opgave?

Den sidste er den vigtigste. En model til halv pris er dyrere, hvis den kræver tre gange så meget gennemsyn. En dyr model er billig, hvis den løser opgaven rigtigt første gang. Tokens er en råvare; færdigt, accepteret arbejde er produktet.

Tigerspringet

Det første tigerspring gjorde AI-agenter brugbare.

Det næste gør dem udskiftelige.

Vi er ikke helt i mål. Vercels egne data viser, at virksomheder stadig betaler en stor merpris for Anthropic, når fejl er dyre. Kimi siger selv, at K3 endnu ikke samlet matcher de bedste proprietære modeller. Og vores egne arbejdsgange er fulde af skjult leverandørbinding.

Men retningen er svær at overse. Open weights tager volumen. Frontier-modeller sænker prisen på tidligere premiumkapabiliteter. Udviklere hopper mellem Claude, Codex, OpenCode og Gemini. Gateways gør routing til en konfiguration i stedet for et strategisk ægteskab.

I lang tid var spørgsmålet, hvem der ville vinde modelkapløbet.

Måske er det forkerte spørgsmål nu.

Det næste marked bliver vundet af dem, der gør det lettest at bruge den model, der er god nok i dag — og skifte den ud igen i morgen.

---

Kilder og metode

• Introducing Claude Sonnet 4.5, Anthropic, 29. september 2025.
• Codex is now generally available, OpenAI, oktober 2025.
• Claude Code on the web, Anthropic, 20. oktober 2025.
• Cursor 2.0: New Coding Model and Agent Interface, Cursor, 29. oktober 2025.
• Start building with Gemini 3, Google, 18. november 2025.
• AI Gateway Production Index — July 2026, Vercel, 13. juli 2026. Vercel oplyser, at tallene er anonymiseret gatewaytrafik og ikke hele AI-markedet.
• Open AI Gateway leaderboard data, Vercel, 14. juli 2026. Data er udgivet under CC BY 4.0.
• Kimi K3 Tech Blog, Moonshot AI, juli 2026. Benchmark- og cache-hit-påstande er leverandørens egne.
• Claude Opus, Anthropic, juli 2026. "Fable-niveau til halv pris" er et kundecitat på Anthropics egen side og ikke en uafhængig evaluering.
• npm-downloaddata: Claude Code, Codex og OpenCode. Downloads er kun en retningsindikator og inkluderer opdateringer, CI og gentagne installationer. Figurens aggregerede månedsdata ligger også som CSV sammen med artiklen.
• Egen måling med ccusage, én uge i juli 2026: cirka 3.500 dollar i beregnet tokenomkostning på et Claude Max-abonnement til 200 dollar om måneden. ccusage viser omkostninger baseret på modelpriser; beløbet er brugt som API-listeprisækvivalent og ikke som faktisk faktura.
• Marketingpod #258 med Jesper Hvejsel, cirka 08:19–08:49. Hvejsel siger, at Firtal Web reducerede omkostningen 10× ved at gå fra brugerabonnementer til API-tokens; han nævner samtidig et gennemsnit på 120–125 prompts per medarbejder.

Modelnavne, priser og markedsandele er kontrolleret den 24. juli 2026. npm-downloads er aggregeret fra de daglige API-tal i den CSV-fil, der følger artiklen. Podcastudsagnet er parafraseret fra lydsporet.