I dag börjar vi lansera ett mer kapabelt och skalbart system för att syntetisera minne, utvecklat för att hantera de utmaningar med inaktualitet, korrekthet och skalbarhet som vi ser när minne används för hundratals miljoner användare och tidshorisonter på flera år i ChatGPT.
Minne är det som hjälper ChatGPT att lära sig dina preferenser, projekt och begränsningar, så att framtida konversationer kan börja från en gemensam kontext i stället för från noll.
Under de senaste två åren har minne vuxit till en viktig del av ChatGPT‑upplevelsen och hjälpt ChatGPT att bättre förstå din kontext så att det kan hjälpa dig att nå meningsfulla mål över tid. Detta är centralt för att göra ChatGPT mer användbart: att känna dig, hjälpa dig och göra mer för dig.
Den här uppdateringen är tillgänglig för Plus- och Pro-användare i USA i dag och kommer att lanseras i fler länder samt för Free- och Go-användare under de kommande veckorna.
Minne lanserades först i april 2024 (även känt som sparade minnen). Funktionen lät dig be ChatGPT att komma ihåg information och ta med den vidare i framtida chattar.

Sparade minnen skrevs bara under konversationen och förlitade sig på tydliga signaler för att avgöra när minnet skulle aktiveras, till exempel en instruktion som ”kom ihåg att jag reser till Singapore i juli”. I praktiken kunde interaktionen med det här systemet kännas som att prata med någon som gjorde några anteckningar, men ändå glömde allt som inte skrevs ned. Sparade minnen tenderar också att bli inaktuella med tiden och till slut bli felaktiga eller irrelevanta.
I april 2025 uppdaterade vi ChatGPTs minne genom att ge modellen möjlighet att referera till chattkontext utanför listan med sparade minnen. Detta gjordes genom att introducera den första versionen av dreaming – en metod som gör att ChatGPT automatiskt kan kurera minnen i bakgrunden genom att referera till chatthistorik.

Till skillnad från sparade minnen utnyttjar dreaming en bakgrundsprocess som gör att ChatGPT kan lära sig från många konversationer och syntetisera ChatGPTs minnestillstånd för att alltid ge den mest aktuella och relevanta kontexten till dina konversationer. Dreaming gör det också lättare för minnet att inkludera kontext som uppstår naturligt i konversationer, utan att förlita sig på uttryckliga begäranden om att komma ihåg något.
Under det senaste året har dreaming kompletterat sparade minnen för att skapa en stegvis förbättring av ChatGPTs förmåga att anpassa svar och motverka att sparade minnen blir inaktuella. Historiskt sett har det dock aldrig räckt som ett fristående minnessystem.
I dag lanserar vi en betydligt mer kapabel och beräkningseffektiv minnesarkitektur byggd ovanpå dreaming.
De minnen som syntetiseras av dreaming kan granskas genom en sammanfattning av dem som visas på sidan för minnessammanfattning. Från minnessammanfattningen kan du snabbt få en överblick över vad ChatGPT vet om dig, lägga till eller uppdatera information om dig själv och ge instruktioner om vilka ämnen ChatGPT ska ta upp och när. Om du vill fördjupa dig i ett visst område för att lära dig mer är det bara att chatta med modellen.

När vi tänker på hur ”bra minne” ser ut i ChatGPT är det några saker som kommer i åtanke:
- Föra vidare användbar kontext: Du berättar något för ChatGPT en gång, och det kommer ihåg informationen i dina efterföljande chattar.
- Följa preferenser och begränsningar: Om du beskriver en preferens (t.ex. att du är vegetarian) bör ChatGPT framöver vidta åtgärder som är förenliga med den preferensen.
- Hålla sig aktuellt över tid: Minne bör ta hänsyn till att tiden går. Föreställ dig ”Användaren planerar sin födelsedagsfest till nästa lördag”; så småningom blir det söndag.
Vi kan utvärdera hur ChatGPT Plus- och Pro-minnet har förbättrats över tid i förhållande till vart och ett av de tre minnesmålen ovan. Vi gör detta för var och en av:
- 2024: Sparade minnen
- 2025: Sparade minnen + Dreaming V0
- 2026: Dreaming V3
När du startar en ny chatt med ChatGPT behöver du inte presentera dig från början. ChatGPT kan spara tid åt dig och bygga vidare på tidigare kontext, särskilt för komplexa, långvariga projekt.
Föreställ dig till exempel att du använder ChatGPT för att köpa ny kamerautrustning som är kompatibel med din nuvarande kamera. Om du tidigare har diskuterat din kamerautrustning med ChatGPT kan du be om produkter som är kompatibla med ”min fotoutrustning” och få skräddarsydda rekommendationer som uppfyller dina behov.
GPT-5.2 Instant
Modellen ger ett generiskt svar som lämnar användaren att själv göra komplicerade kompatibilitetskontroller.
GPT-5.3 Instant
Modellen kommer ihåg användarens kamerautrustning och rekommenderar en kompatibel produkt.
GPT‑5.2 Instant besvarar till slut frågan, men inleder med en längre förklaring av sina säkerhetsgränser och vad den inte kan hjälpa till med. GPT‑5.3 Instant går däremot rakt på sak.
Vi kan konstruera en utvärdering från exempel som liknar detta, där modellen ombeds svara på en prompt som kräver att den minns faktainformation om användaren. Modellen belönas sedan om den svarar på ett sätt som korrekt använder den relevanta kontexten. I den här utvärderingen förbättrar det nya dreaming-baserade systemet modellens förmåga att minnas relevanta fakta.
Minne hjälper också ChatGPT att svara på sätt som bättre matchar dina preferenser och begränsningar.
Föreställ dig att du planerar en resa till Singapore. Två månader före resan ber du ChatGPT om hjälp med en resplan. ChatGPT vet redan från tidigare reseplanering att du gillar naturfotografering, föredrar hotell med stark AC och uppskattar en lugn middag mer än en fullsatt bar.
GPT-5.2 Instant
Modellen ger ett generiskt svar som är mer turistinriktat, inte hjälper till med hotellbokning och i stort sett ignorerar användarens intressen.
GPT-5.3 Instant
Modellen ger ett svar som är anpassat efter användarens intressen för naturfotografering, lugna middagar och prioriteringar vid hotellbokning.
GPT‑5.2 Instant besvarar till slut frågan, men inleder med en längre förklaring av sina säkerhetsgränser och vad den inte kan hjälpa till med. GPT‑5.3 Instant går däremot rakt på sak.
Preferenser kan ta flera former:
- Instruktioner för hur ChatGPT ska svara (”ta inte upp Stan igen”).
- Dina personliga preferenser eller begränsningar (”Jag är vegetarian”)
- Underförstådda preferenser som formar vad som är relevant för dig (”Jag bor nära San Francisco” → lokala alternativ bör anpassas till detta område)
När vi utvecklade det nya minnessystemet förbättrade vi ChatGPTs förmåga att tillämpa relevanta preferenser från tidigare konversationer. Med exemplet ”Jag är vegetarian” ovan kan vi utvärdera om modellen korrekt använder minne för att ta fram vegetariskt vänliga matalternativ när en vegetarisk användare ber om förslag på måltidsförberedelser.
Tiden stannar inte när chatten tar slut.
Traditionella minnessystem kan bli inaktuella. Du säger till exempel till ChatGPT: ”Jag är i Singapore och behöver en middagsrekommendation för i kväll.” Sedan går tiden, resan tar slut och du undrar varför ChatGPT fortfarande tror att du är i Singapore.
Med dreaming uppdateras minnen automatiskt när tiden går, så att ChatGPT kan revidera sitt minne från ”Du ska åka till Singapore i juli” till ”Du var i Singapore i juli 2026” när resan tar slut. När du sedan är hemma igen kan ChatGPT åter ge rekommendationer som är anpassade till din hemort och tidszon.
GPT-5.2 Instant
Modellen tror att användaren fortfarande är i Singapore.
GPT-5.3 Instant
Modellen ger svar som är relevanta för användarens hemort.
GPT‑5.2 Instant besvarar till slut frågan, men inleder med en längre förklaring av sina säkerhetsgränser och vad den inte kan hjälpa till med. GPT‑5.3 Instant går däremot rakt på sak.
I våra minnesutvärderingar mäter vi om ChatGPT kan svara korrekt på prompter där tidens gång väsentligt påverkar det korrekta svaret eller den korrekta rekommendationen. Dreaming ger ett betydande lyft inom detta område:
På OpenAI är vårt uppdrag att säkerställa att artificiell generell intelligens kommer hela mänskligheten till godo.
Även om dreaming-baserat minne har varit tillgängligt för Plus- och Pro-användare under en tid är det först nu vi kan erbjuda Free-användare en version som uppfyller vår kvalitetsnivå och är praktisk att leverera i stor skala. Nyliga förbättringar minskade den beräkning som krävs för att leverera dreaming till Free-användare med cirka 5x, vilket gör det möjligt att börja lansera dreaming till Free-användare under de kommande veckorna och att öka minneskapaciteten för Plus- och Pro-användare.
Framåt ger dreaming oss nu en gemensam minnesgrund för alla användare. Den här uppdateringen är vårt mest kapabela minnessystem hittills, och vi kommer att fortsätta förbättra det.
Om du vill veta mer om den här lanseringen och användarkontroller för minne kan du besöka vår FAQ om Minne(öppnas i ett nytt fönster).




