Kunstig intelligens har på få år beveget seg fra å skrive enkle tekster til å utvikle komplette programmer, spill og tredimensjonale verdener.
Lanseringen av GPT-6.2 viser hvor raskt denne utviklingen går.
OpenAI har introdusert to nye modeller: GPT-6.2 Astra, som er beregnet på store og kompliserte prosjekter, og GPT-6.2 Sol, som er utviklet for mer alminnelige arbeidsoppgaver.
Den mest visuelt imponerende demonstrasjonen er en virtuell utgave av Paris.
Ved hjelp av GPT-6.2 Astra har en OpenAI-utvikler kombinert gatekart og offentlige bygningsdata for å bygge en tredimensjonal verden som kan utforskes i en vanlig nettleser.
Mer enn 131.000 bygninger
Prosjektet heter Paris Atlas og er utviklet av Thomas Ricouard.
Målet var å undersøke hvor langt den nye modellen kunne komme med en stor og komplisert utviklingsoppgave som kombinerte programvareutvikling, geografiske data, tredimensjonal grafikk og interaktivitet.
GPT-6.2 Astra brukte gatekart sammen med franske kart- og oppmålingsdata for mer enn 131.000 bygninger.
Resultatet er ikke bare et statisk kart eller en forhåndsinnspilt video.
Paris har blitt gjort om til en interaktiv virtuell verden.
Brukeren velger et område på kartet og plasseres deretter i en tredimensjonal versjon av byen. Man kan bevege seg gjennom gatene, se seg rundt og møte dataanimerte mennesker.
Enkelte områder kan også utforskes med kjøretøy.
Hele opplevelsen kjører i nettleseren
Det kanskje mest oppsiktsvekkende er at den virtuelle byen ikke krever installasjon av et stort spill.
Opplevelsen kjører direkte i nettleseren.
Den kan bruke litt tid på å laste fordi store mengder geografiske data og tredimensjonale elementer må behandles. Når verdenen er lastet, kan brukeren bevege seg rundt ved hjelp av tastaturet.
Paris Atlas er ikke en fotorealistisk kopi av hver eneste gate, bygning eller detalj i den franske hovedstaden.
Det er en datagenerert modell som bruker tilgjengelige kart- og bygningsdata til å rekonstruere byens struktur i stor skala.
Likevel viser prosjektet at moderne KI kan sammenstille enorme datamengder og bruke dem til å bygge fungerende, interaktive tjenester.
Utvikleren viste KI-en hva som måtte endres
Arbeidsmetoden bak Paris Atlas er minst like interessant som sluttresultatet.
Thomas Ricouard brukte ikke bare tekstlige instruksjoner for å forklare modellen hva som skulle bygges.
Etter hvert som prosjektet tok form, utforsket utvikleren den virtuelle byen og tok skjermbilder av detaljer som burde forbedres.
Skjermbildene ble sendt tilbake til GPT-6.2 Astra sammen med instruksjoner om hva som skulle endres.
Modellen kunne deretter analysere det visuelle resultatet, endre programkoden og produsere en ny versjon.
Arbeidsprosessen ligner dermed mer på et samarbeid mellom en utvikler og et helt teknisk team enn på tradisjonell bruk av en chatbot.
Mennesket beskriver målet, vurderer resultatet og gir tilbakemeldinger.
KI-en undersøker prosjektet, skriver kode, gjennomfører endringer og bygger videre.
GPT-6.2 Astra er laget for store prosjekter
OpenAI beskriver GPT-6.2 Astra som selskapets kraftigste modell for kompliserte oppgaver fra start til slutt.
Modellen er særlig rettet mot profesjonelt arbeid som krever flere sammenhengende operasjoner.
Det kan blant annet være:
- utvikling og endring av programvare
- vitenskapelige arbeidsflyter
- interaktive nettsider
- nettleserbaserte spill
- tredimensjonal design
- dokumenter og presentasjoner
- analyse av eksisterende prosjekter
- styring av datamaskiner og digitale verktøy
OpenAI hevder at GPT-6.2 Astra skriver renere kode og bygger bedre brukergrensesnitt enn tidligere modeller, særlig innen nettsider, spillutvikling og 3D-design.
Paris-prosjektet er laget for å demonstrere nettopp denne kombinasjonen.
Modellen måtte tolke flere datakilder, bygge den tekniske arkitekturen, lage den tredimensjonale verdenen og sørge for at brukeren faktisk kunne bevege seg gjennom den.
En kontekst på over én million tokens
GPT-6.2 Astra har et kontekstvindu på 1.050.000 tokens.
Det betyr at modellen kan arbeide med svært store mengder tekst, kode og annen informasjon i samme arbeidsprosess.
Maksimal inngang er oppgitt til 922.000 tokens, mens modellen kan generere opptil 128.000 tokens i ett svar.
Et stort kontekstvindu er spesielt relevant for programvareutvikling.
I stedet for bare å analysere én funksjon eller en liten kodefil kan modellen undersøke større deler av et prosjekt samtidig.
Det kan gjøre det lettere å forstå hvordan forskjellige komponenter påvirker hverandre og gjennomføre endringer på tvers av mange filer.
Det betyr likevel ikke at modellen automatisk forstår ethvert stort prosjekt perfekt.
Store kodebaser må fortsatt struktureres godt, og resultatene må kontrolleres og testes.
Kan bruke verktøy og styre en datamaskin
Tradisjonelle språkmodeller mottok tekst og returnerte tekst.
GPT-6.2 Astra kan inngå i langt mer omfattende arbeidsflyter.
Gjennom OpenAIs API støtter modellen blant annet:
- nettsøk
- filsøk
- kodekjøring
- kommandolinjeverktøy
- bildeforståelse
- bildegenerering
- funksjonskall
- strukturert data
- MCP-integrasjoner
- styring av datamaskiner
- delegering til andre KI-agenter
Dette gjør det mulig å bruke modellen som en aktiv deltaker i utviklingsarbeidet.
Den kan undersøke filer, skrive og endre programkode, kjøre tester og evaluere resultatene.
Dermed handler generativ KI stadig mindre om å produsere ett enkelt svar.
Teknologien beveger seg mot arbeidsprosesser hvor modellen kan planlegge og gjennomføre en lengre kjede av oppgaver.
GPT-6.2 Sol skal ta seg av hverdagsarbeidet
Samtidig med Astra lanserer OpenAI GPT-6.2 Sol.
Sol er ment som den mer effektive modellen for daglige arbeidsoppgaver.
Der Astra skal brukes på de vanskeligste og mest omfattende prosjektene, skal Sol kunne håndtere en blanding av tekniske og ikke-tekniske oppgaver til lavere kostnad.
Det kan være analyse, skriving, programmering, dokumentarbeid og enklere digitale arbeidsflyter.
Strategien viser hvordan OpenAI deler modellene etter bruksområde.
Virksomheter trenger ikke alltid den største og dyreste modellen. En mer effektiv modell kan være tilstrekkelig for store deler av det daglige arbeidet, mens Astra brukes når oppgaven krever mer avansert resonnering og verktøybruk.
Lansert for betalende brukere
GPT-6.2 Astra og GPT-6.2 Sol ble lansert 17. november 2026.
Modellene blir tilgjengelige i ChatGPT Work og Codex for brukere med abonnementene Plus, Pro, Enterprise og Edu.
De blir også tilgjengelige for utviklere gjennom OpenAIs API.
Gratiskontoer får ikke tilgang ved lanseringen, og modellene er knyttet til Work-modusen fremfor vanlig Chat-modus.
Dette understreker at OpenAI først og fremst posisjonerer GPT-6.2 som et profesjonelt arbeidsverktøy.
Prisen varierer kraftig
API-prisen for GPT-6.2 Astra er oppgitt til:
- 8 dollar per million input-tokens
- 0,40 dollar per million bufrede input-tokens
- 40 dollar per million output-tokens
Bufret input kan redusere kostnaden betydelig når de samme dokumentene eller kodefilene brukes gjentatte ganger.
For svært store forespørsler øker prisene. Når forespørselen overstiger 272.000 tokens, blir input- og bufferprisen doblet, mens output blir 50 prosent dyrere for hele forespørselen.
Det betyr at et stort KI-prosjekt fortsatt kan bli kostbart dersom modellen kontinuerlig må behandle en omfattende kodebase.
Virksomheter må derfor vurdere både hva modellen klarer, hvor mye menneskelig arbeid den sparer og hva den løpende bruken faktisk koster.
Ikke en perfekt digital tvilling av Paris
Det er viktig å skille mellom en imponerende demonstrasjon og et ferdig system som kan brukes til alle formål.
Paris Atlas er en virtuell rekonstruksjon basert på geografiske data.
Prosjektet må ikke forveksles med en komplett digital tvilling der hver gate, bygning, butikk og detalj er gjengitt nøyaktig og oppdatert i sanntid.
Modellen inneholder forenklinger.
Lastetiden kan være lang, grafikken er ikke nødvendigvis fotorealistisk og mennesker og objekter i verdenen er modellerte elementer.
Prosjektet dokumenterer heller ikke at GPT-6.2 på egen hånd kan produsere en perfekt digital kopi av en hvilken som helst storby med én instruksjon.
Det viser derimot hvor mye én utvikler kan bygge når en avansert KI-modell brukes gjennom en iterativ arbeidsprosess.
Det er kanskje den viktigste forskjellen.
Kan endre utviklingen av spill og virtuelle verdener
Teknologien bak demonstrasjonen kan få betydning langt utover virtuelle byvandringer.
Spillstudioer bruker i dag store mengder tid og penger på å bygge terreng, bygninger, veier, objekter og spillmekanikk.
Dersom KI kan automatisere deler av dette arbeidet, kan mindre utviklingsteam skape langt større verdener.
Mulige bruksområder omfatter blant annet:
- spill og underholdning
- virtuelle turistopplevelser
- by- og arealplanlegging
- arkitektur
- undervisning
- simulering av trafikk
- visualisering av byggeprosjekter
- beredskapsøvelser
- historiske rekonstruksjoner
- digitale tvillinger
En kommune kan bruke teknologien til å illustrere hvordan et nytt boligområde vil påvirke bybildet.
Et museum kan gjenskape en historisk bydel.
En reiselivsaktør kan tilby virtuelle forhåndsvisninger av reisemål.
Og en spillutvikler kan bruke kartdata som utgangspunkt for en stor, utforskbar verden.
Norske byer kan også gjenskapes
Den samme metoden kan i teorien brukes på norske byer.
Norge har store mengder offentlige kart- og geodata gjennom blant annet Kartverket, kommunene og nasjonale fellestjenester.
Et prosjekt kan kombinere:
- bygningsdata
- vegnett
- terrengmodeller
- flyfoto
- høydedata
- eiendomsgrenser
- kollektivinformasjon
- åpne kommunale datasett
Det kunne gjøre det mulig å lage nettleserbaserte modeller av Oslo, Bergen, Trondheim eller andre norske byer.
Men bruk av dataene må følge lisensvilkår, personvernregler og eventuelle sikkerhetsbegrensninger.
En teknisk mulighet betyr ikke automatisk at alle data bør samles i én åpent tilgjengelig modell.
Detaljerte virtuelle modeller kan være nyttige for planlegging og beredskap, men kan også inneholde informasjon som bør vurderes sikkerhetsmessig.
Utviklere får en ny rolle
Paris Atlas illustrerer også hvordan utviklerrollen er i ferd med å endre seg.
Utvikleren bak prosjektet skrev ikke nødvendigvis hver enkelt kodelinje manuelt.
I stedet ble arbeidet i større grad ledet gjennom mål, instruksjoner, skjermbilder, testing og tilbakemeldinger.
Denne måten å arbeide på blir ofte omtalt som agentbasert utvikling eller «vibe coding».
Begrepet kan høres uformelt ut, men arbeidsmetoden kan få stor betydning.
Utvikleren må fortsatt forstå:
- arkitektur
- datasikkerhet
- ytelse
- testing
- brukeropplevelse
- datakvalitet
- lisensiering
- personvern
Forskjellen er at mye av selve implementeringen kan gjennomføres av KI.
Det kan redusere tiden fra idé til fungerende prototype.
Samtidig kan det gjøre det enklere å bygge systemer med feil, svakheter eller uventet datadeling dersom den menneskelige kontrollen er utilstrekkelig.
Imponerende demonstrasjon, men ikke en garanti
OpenAIs lanseringer er laget for å vise modellene fra sin beste side.
En vellykket demonstrasjon betyr ikke at alle brukere vil få samme resultat uten omfattende arbeid.
Store utviklingsprosjekter krever vanligvis tydelige krav, gode datakilder, flere iterasjoner og menneskelig kvalitetssikring.
KI-generert kode må også testes for:
- sikkerhetssårbarheter
- feilaktige resultater
- ytelsesproblemer
- lisenskonflikter
- personvernproblemer
- uforutsette kostnader
- svikt ved høy trafikk
Paris-prosjektet bør derfor først og fremst betraktes som en demonstrasjon av hva som nå er mulig, ikke som bevis på at tradisjonell programvareutvikling er overflødig.
Fra tekstgenerator til digital byggherre
De første generasjonene av ChatGPT ble først og fremst kjent for å svare på spørsmål og skrive tekst.
GPT-6.2 peker mot en helt annen rolle.
Modellen kan analysere et stort prosjekt, skrive kode, bruke verktøy, forstå skjermbilder og revidere resultatet gjennom flere runder.
Paris Atlas er et tydelig symbol på denne utviklingen.
Én utvikler kunne bruke geografiske data for over 131.000 bygninger og gjøre dem om til en virtuell byopplevelse i nettleseren.
Resultatet er ikke en perfekt kopi av Paris.
Men det viser at avstanden mellom en idé og en fungerende digital verden har blitt dramatisk kortere.
Den viktigste nyheten er derfor ikke bare at en KI-modell kan gjenskape Paris. Det er at stadig færre mennesker og stadig mindre tid kan være nødvendig for å bygge programvareprosjekter som tidligere krevde store utviklingsteam.