I dag begynder vi udrulningen af et mere kapabelt og skalerbart system til at syntetisere hukommelse, udviklet til at håndtere de udfordringer med forældelse, korrekthed og skalerbarhed, som vi ser, når hukommelse anvendes på hundredvis af millioner af brugere og tidshorisonter på flere år i ChatGPT.
Hukommelse er det, der hjælper ChatGPT med at lære dine præferencer, projekter og begrænsninger, så fremtidige samtaler kan starte med fælles kontekst i stedet for fra bunden.
I løbet af de sidste to år er hukommelse blevet en kritisk del af ChatGPT‑oplevelsen, som hjælper ChatGPT med bedre at forstå din kontekst, så den over tid kan hjælpe dig med at nå meningsfulde mål. Det er centralt for at gøre ChatGPT mere nyttig: at kende dig, hjælpe dig og gøre mere for dig.
Denne opdatering er tilgængelig for Plus- og Pro-brugere i USA i dag og vil blive udrullet til flere lande samt Free- og Go-brugere i de kommende uger.
Hukommelse blev først lanceret i april 2024 (også kendt som gemte hukommelser). Funktionen gjorde det muligt at bede ChatGPT om at huske oplysninger og føre dem videre til fremtidige chats.

Gemte hukommelser blev kun skrevet under samtalen og var afhængige af stærke signaler til at afgøre, hvornår hukommelse skulle aktiveres, f.eks. en instruktion om at "husk, at jeg rejser til Singapore i juli." I praksis kunne det føles som at tale med en person, der tog nogle få noter, men stadig glemte alt, der ikke blev skrevet ned. Gemte hukommelser har også tendens til at blive forældede over tid og til sidst blive ukorrekte eller irrelevante.
I april 2025 opdaterede vi ChatGPTs hukommelse ved at give modellen mulighed for at referere til chatkontekst uden for listen over gemte hukommelser. Det gjorde vi ved at introducere den første version af dreaming – en metode, hvor ChatGPT automatisk kuraterer hukommelser i baggrunden ved at referere til chathistorik.

I modsætning til gemte hukommelser bruger dreaming en baggrundsproces, der gør det muligt for ChatGPT at lære af mange samtaler og syntetisere ChatGPTs hukommelsestilstand for altid at give dine samtaler den friskeste og mest relevante kontekst. Dreaming gør det også lettere for hukommelsen at omfatte kontekst, der opstår naturligt i samtalen, uden at være afhængig af eksplicitte anmodninger om at huske noget.
I løbet af det seneste år supplerede dreaming gemte hukommelser og skabte en markant forbedring af ChatGPTs evne til at personalisere svar og modvirke, at gemte hukommelser blev forældede. Historisk set har det dog aldrig været tilstrækkeligt som et selvstændigt hukommelsessystem.
I dag lancerer vi en væsentligt mere kapabel og beregningseffektiv hukommelsesarkitektur bygget oven på dreaming.
De hukommelser, som dreaming syntetiserer, kan gennemgås via en opsummering, der vises på siden med hukommelsesoversigten. Fra hukommelsesoversigten kan du hurtigt få overblik over højdepunkterne i, hvad ChatGPT ved om dig, tilføje eller opdatere oplysninger om dig selv og give instruktioner om, hvilke emner ChatGPT skal tage op og hvornår. Hvis du vil dykke ned i et bestemt område for at få mere at vide, skal du bare chatte med modellen.

Når vi tænker på, hvordan "god hukommelse" ser ud i ChatGPT, kommer vi i tanke om nogle få ting:
- Viderefør nyttig kontekst: Du fortæller ChatGPT noget én gang, og den husker disse oplysninger i dine efterfølgende chats.
- Følg præferencer og begrænsninger: Hvis du beskriver en præference (f.eks. at du er vegetar), bør ChatGPT fremover handle på en måde, der stemmer overens med den præference.
- Hold dig ajour over tid: Hukommelse bør tage højde for tidens gang. Forestil dig: "Brugeren planlægger sin fødselsdagsfest til næste lørdag"; til sidst bliver det søndag.
Vi kan evaluere, hvordan hukommelsen i ChatGPT Plus og Pro er blevet forbedret over tid i forhold til hvert af de tre hukommelsesmål ovenfor. Det gør vi for hver af følgende:
- 2024: Gemte hukommelser
- 2025: Gemte hukommelser + Dreaming V0
- 2026: Dreaming V3
Når du starter en ny chat med ChatGPT, behøver du ikke introducere dig selv fra bunden. ChatGPT kan spare dig tid og bygge videre på tidligere kontekst, især ved komplekse projekter, der strækker sig over lang tid.
Forestil dig for eksempel, at du bruger ChatGPT til at købe nyt kameraudstyr, der er kompatibelt med dit nuværende kamera. Hvis du tidligere har drøftet dit kamera-setup med ChatGPT, kan du bede om produkter, der er kompatible med "mit fotograferings-setup", og få skræddersyede anbefalinger, der opfylder dine behov.
GPT-5.2 Instant
Modellen producerer et generisk svar, der overlader det til brugeren selv at foretage komplicerede kompatibilitetstjek.
GPT-5.3 Instant
Modellen husker brugerens kamera-setup og anbefaler et kompatibelt produkt.
GPT‑5.2 Instant besvarer til sidst spørgsmålet, men i et forsøg på at forklare sine sikkerhedsgrænser indleder den med en lang indledning om, hvad den ikke kan hjælpe med. GPT‑5.3 Instant går derimod direkte til svaret.
Vi kan konstruere en evaluering ud fra eksempler, der ligner dette, hvor modellen bliver bedt om at svare på en prompt, der kræver, at den husker faktuelle oplysninger om brugeren. Modellen belønnes derefter, hvis den svarer på en måde, der korrekt bruger den relevante kontekst. I denne evaluering forbedrer det nye dreaming-baserede system modellens evne til at huske relevante fakta.
Hukommelse hjælper også ChatGPT med at svare på måder, der bedre matcher dine præferencer og begrænsninger.
Forestil dig, at du planlægger en rejse til Singapore. To måneder før din rejse beder du ChatGPT om hjælp til en rejseplan. ChatGPT ved allerede fra tidligere rejseplanlægning, at du holder af naturfotografering, foretrækker hoteller med stærk aircondition og hellere vil have en stille middag end en overfyldt bar.
GPT-5.2 Instant
Modellen producerer et generisk svar, der er mere turistpræget, ikke hjælper med hotelbooking og i høj grad ignorerer brugerens interesser.
GPT-5.3 Instant
Modellen producerer et svar, der er personaliseret efter brugerens interesser i naturfotografering, stille middage og prioriteter ved hotelbooking.
GPT‑5.2 Instant besvarer til sidst spørgsmålet, men i et forsøg på at forklare sine sikkerhedsgrænser indleder den med en lang indledning om, hvad den ikke kan hjælpe med. GPT‑5.3 Instant går derimod direkte til svaret.
Præferencer kan antage flere former:
- Instruktioner til, hvordan ChatGPT skal svare ("nævn ikke Stan igen").
- Dine personlige præferencer eller begrænsninger ("Jeg er vegetar")
- Implicitte præferencer, der former, hvad der er relevant for dig ("Jeg bor tæt på San Francisco" → lokale muligheder bør tilpasses dette område)
Under udviklingen af det nye hukommelsessystem forbedrede vi ChatGPTs evne til at anvende relevante præferencer fra tidligere samtaler. Med udgangspunkt i eksemplet "Jeg er vegetar" ovenfor kan vi evaluere, om modellen korrekt udnytter hukommelse til at producere vegetarvenlige spisemuligheder, når en vegetarisk bruger beder om forslag til måltidsforberedelse.
Tiden stopper ikke, når din chat slutter.
Traditionelle hukommelsessystemer kan blive forældede. Du fortæller for eksempel ChatGPT: "Jeg er i Singapore og har brug for en anbefaling til middag i aften." Derefter går tiden, din rejse slutter, og du undrer dig over, hvorfor ChatGPT stadig tror, du er i Singapore.
Med dreaming opdateres hukommelser automatisk, efterhånden som tiden går, så ChatGPT kan revidere sin hukommelse fra "Du skal til Singapore i juli" til "Du var i Singapore i juli 2026", når rejsen slutter. Når du så er hjemme igen, kan ChatGPT igen give anbefalinger, der er tilpasset din hjemmelokation og tidszone.
GPT-5.2 Instant
Modellen tror, at brugeren stadig er i Singapore.
GPT-5.3 Instant
Modellen giver svar, der er relevante for brugerens hjemmelokation.
GPT‑5.2 Instant besvarer til sidst spørgsmålet, men i et forsøg på at forklare sine sikkerhedsgrænser indleder den med en lang indledning om, hvad den ikke kan hjælpe med. GPT‑5.3 Instant går derimod direkte til svaret.
I vores hukommelsesevalueringer måler vi, om ChatGPT kan svare korrekt på prompts, hvor tidens gang har væsentlig betydning for det korrekte svar eller den korrekte anbefaling. Dreaming giver et betydeligt løft på dette område:
Hos OpenAI er vores mission at sikre, at kunstig generel intelligens kommer hele menneskeheden til gode.
Selvom dreaming-baseret hukommelse har været tilgængelig for Plus- og Pro-brugere i nogen tid, er vi først nu i stand til at tilbyde Free-brugere en version, der lever op til vores kvalitetsniveau og er praktisk at levere i stor skala. Nylige forbedringer reducerede den beregningskraft, der kræves for at levere dreaming til Free-brugere, med cirka 5x, hvilket gør det muligt at begynde udrulningen af dreaming til Free-brugere i de kommende uger og øge hukommelseskapaciteten for Plus- og Pro-brugere.
Fremadrettet giver dreaming os nu et fælles hukommelsesfundament for alle brugere. Denne opdatering repræsenterer vores mest kapable hukommelsessystem til dato, og vi vil fortsætte med at forbedre det.
Hvis du vil vide mere om denne udgivelse og brugerkontroller til hukommelse, kan du besøge vores ofte stillede spørgsmål om hukommelse(åbner i et nyt vindue).




