I dag begynner vi å rulle ut et mer kapabelt og skalerbart system for å syntetisere minne, utviklet for å håndtere utfordringene med foreldelse, korrekthet og skalerbarhet som vi ser når minne brukes for hundrevis av millioner av brukere og tidshorisonter på flere år i ChatGPT.
Minne er det som hjelper ChatGPT med å lære preferansene, prosjektene og begrensningene dine, slik at fremtidige samtaler kan starte fra en felles kontekst i stedet for helt fra bunnen av.
I løpet av de siste to årene har minne blitt en kritisk del av ChatGPT‑opplevelsen, og hjelper ChatGPT med å forstå konteksten din bedre, slik at den kan hjelpe deg med å nå meningsfulle mål over tid. Dette er sentralt for å gjøre ChatGPT mer nyttig: å kjenne deg, hjelpe deg og gjøre mer for deg.
Denne oppdateringen er tilgjengelig for Plus- og Pro-brukere i USA i dag, og rulles ut til flere land og Free- og Go-brukere i løpet av de kommende ukene.
Minne ble først lansert i april 2024 (også kjent som lagrede minner). Funksjonen lot deg be ChatGPT om å huske informasjon og ta den med videre i fremtidige chatter.

Lagrede minner ble bare skrevet under samtalen og var avhengige av tydelige signaler for å avgjøre når minne skulle utløses, for eksempel en instruksjon om å «husk at jeg reiser til Singapore i juli». I praksis kunne det å samhandle med dette systemet føles som å snakke med noen som tok noen notater, men likevel glemte alt som ikke ble skrevet ned. Lagrede minner har også en tendens til å bli utdaterte over tid og til slutt bli feil eller irrelevante.
I april 2025 oppdaterte vi ChatGPTs minne ved å gi modellen muligheten til å referere til chattekontekst utenfor listen over lagrede minner; dette ble gjort ved å introdusere den første versjonen av dreaming – en metode ChatGPT bruker til å automatisk kuratere minner i bakgrunnen ved å referere til chatteloggen.

I motsetning til lagrede minner bruker dreaming en bakgrunnsprosess som gjør at ChatGPT kan lære fra mange samtaler og syntetisere ChatGPTs minnetilstand for alltid å gi den ferskeste og mest relevante konteksten til samtalene dine. Dreaming gjør det også enklere for minne å inkludere kontekst som oppstår naturlig i samtaler, uten å være avhengig av eksplisitte forespørsler om å huske noe.
I løpet av det siste året har dreaming supplert lagrede minner for å skape en markant forbedring i ChatGPTs evne til å tilpasse svar og motvirke at lagrede minner blir utdaterte. Historisk sett har det imidlertid aldri vært tilstrekkelig som et frittstående minnesystem.
I dag lanserer vi en betydelig mer kapabel og beregningseffektiv minnearkitektur bygget på dreaming.
Minnene som syntetiseres av dreaming, kan gjennomgås via et sammendrag av dem som vises på siden med minnesammendrag. Fra minnesammendraget kan du raskt få med deg høydepunktene i det ChatGPT vet om deg, legge til eller oppdatere informasjon om deg selv og gi instruksjoner om hvilke temaer ChatGPT bør ta opp, og når. Hvis du vil gå dypere inn i et bestemt område for å lære mer, kan du bare chatte med modellen.

Når vi tenker på hvordan «godt minne» ser ut i ChatGPT, er det noen ting som peker seg ut:
- Videreføre nyttig kontekst: Du forteller ChatGPT noe én gang, og den husker denne informasjonen i de påfølgende chattene dine.
- Følge preferanser og begrensninger: Hvis du beskriver en preferanse (f.eks. at du er vegetarianer), bør ChatGPT fremover utføre handlinger som er i tråd med den preferansen.
- Holde seg oppdatert over tid: Minne bør ta hensyn til at tiden går. Se for deg «Brukeren planlegger bursdagsfesten sin neste lørdag»; til slutt kommer søndagen.
Vi kan evaluere hvordan minne i ChatGPT Plus og Pro har blitt bedre over tid med hensyn til hvert av de tre minnemålene ovenfor. Vi gjør dette for hver av disse:
- 2024: Lagrede minner
- 2025: Lagrede minner + Dreaming V0
- 2026: Dreaming V3
Når du starter en ny chat med ChatGPT, trenger du ikke å presentere deg selv fra bunnen av. ChatGPT kan spare deg for tid og bygge videre på tidligere kontekst, særlig for komplekse, langvarige prosjekter.
Tenk deg for eksempel at du bruker ChatGPT til å handle nytt kamerautstyr som er kompatibelt med kameraet du har i dag. Hvis du tidligere har diskutert kameraoppsettet ditt med ChatGPT, kan du be om produkter som er kompatible med «fotografioppsettet mitt» og få skreddersydde anbefalinger som dekker behovene dine.
GPT-5.2 Instant
Modellen gir et generisk svar som overlater kompliserte kompatibilitetssjekker til brukeren.
GPT-5.3 Instant
Modellen husker brukerens kameraoppsett og anbefaler et kompatibelt produkt.
GPT‑5.2 Instant svarer til slutt på spørsmålet, men i et forsøk på å forklare sikkerhetsgrensene sine, kommer den med en lang innledning om hva den ikke kan hjelpe med. GPT‑5.3 Instant, derimot, går rett inn i svaret.
Vi kan lage en evaluering fra eksempler som ligner på dette, der modellen blir bedt om å svare på en prompt som krever at den husker faktainformasjon om brukeren. Modellen blir deretter belønnet hvis den svarer på en måte som bruker den relevante konteksten korrekt. I denne evalueringen forbedrer det nye dreaming-baserte systemet modellens evne til å hente frem relevante fakta.
Minne hjelper også ChatGPT med å svare på måter som passer bedre med preferansene og begrensningene dine.
Tenk deg at du planlegger en reise til Singapore. To måneder før reisen ber du ChatGPT om hjelp med en reiserute. ChatGPT vet allerede fra tidligere reiseplanlegging at du liker dyrefotografering, foretrekker hoteller med kraftig klimaanlegg og heller vil ha en rolig middag enn en overfylt bar.
GPT-5.2 Instant
Modellen gir et generisk svar som er mer turistpreget, ikke hjelper med hotellbestilling og i stor grad ignorerer brukerens interesser.
GPT-5.3 Instant
Modellen gir et svar som er tilpasset brukerens interesser for dyrefotografering, rolige middager og prioriteringene ved hotellbestilling.
GPT‑5.2 Instant svarer til slutt på spørsmålet, men i et forsøk på å forklare sikkerhetsgrensene sine, kommer den med en lang innledning om hva den ikke kan hjelpe med. GPT‑5.3 Instant, derimot, går rett inn i svaret.
Preferanser kan ha flere former:
- Instruksjoner for hvordan ChatGPT skal svare («ikke ta opp Stan igjen»).
- Dine personlige preferanser eller begrensninger («Jeg er vegetarianer»)
- Implisitte preferanser som former hva som er relevant for deg («Jeg bor nær San Francisco» → lokale alternativer bør tilpasses dette området)
Under utviklingen av det nye minnesystemet forbedret vi ChatGPTs evne til å bruke relevante preferanser fra tidligere samtaler. Med utgangspunkt i eksempelet «Jeg er vegetarianer» ovenfor kan vi evaluere om modellen bruker minne korrekt til å lage vegetarvennlige spisestedsforslag når en vegetarisk bruker ber om forslag til matplanlegging.
Tiden stopper ikke når chatten din avsluttes.
Tradisjonelle minnesystemer kan bli utdaterte. Du sier for eksempel til ChatGPT: «Jeg er i Singapore og trenger en middagsanbefaling for i kveld.» Så går tiden, reisen tar slutt, og du lurer på hvorfor ChatGPT fortsatt tror at du er i Singapore.
Med dreaming oppdateres minner automatisk etter hvert som tiden går, slik at ChatGPT kan revidere minnet sitt fra «Du skal til Singapore i juli» til «Du dro til Singapore i juli 2026» når reisen er over. Når du så er hjemme igjen, kan ChatGPT på nytt gi anbefalinger som er tilpasset hjemstedet og tidssonen din.
GPT-5.2 Instant
Modellen tror at brukeren fortsatt er i Singapore.
GPT-5.3 Instant
Modellen gir svar som er relevante for brukerens hjemsted.
GPT‑5.2 Instant svarer til slutt på spørsmålet, men i et forsøk på å forklare sikkerhetsgrensene sine, kommer den med en lang innledning om hva den ikke kan hjelpe med. GPT‑5.3 Instant, derimot, går rett inn i svaret.
I minneevalueringene våre måler vi om ChatGPT kan svare korrekt på prompter der tidens gang har vesentlig betydning for riktig svar eller anbefaling. Dreaming gir et betydelig løft på dette området:
Hos OpenAI er oppdraget vårt å sikre at kunstig generell intelligens kommer hele menneskeheten til gode.
Selv om dreaming-basert minne har vært tilgjengelig for Plus- og Pro-brukere en stund, er det først nå vi kan tilby Free-brukere en versjon som oppfyller kvalitetskravene våre og er praktisk å levere i stor skala. Nylige forbedringer reduserte beregningen som kreves for å levere dreaming til Free-brukere, med omtrent 5 ganger, noe som gjør det mulig å begynne å rulle ut dreaming til Free-brukere i løpet av de kommende ukene og øke minnekapasiteten for Plus- og Pro-brukere.
Fremover gir dreaming oss nå et felles minnefundament for alle brukere. Denne oppdateringen representerer vårt mest kapable minnesystem hittil, og vi vil fortsette å forbedre det.
Hvis du vil vite mer om denne lanseringen og brukerkontroller for minne, kan du gå til vår Minne-FAQ(åpnes i et nytt vindu).




