---
title: "Reducere AI-omkostninger: 9 metoder der virker i 2026"
description: "Ni måder at reducere AI-omkostninger i en virksomhed: gratis modeller, billige arbejdere under en stærk model, lavere effort, caching og batch, med tal."
url: "https://madsalt.tech/da/blog/how-to-reduce-ai-costs/"
author: "Denys Zaichenko"
author_url: "https://madsalt.tech/da/about/"
language: "da"
published: 2026-11-11
---

# Reducere AI-omkostninger: 9 metoder der virker i 2026

TL;DR

Den hurtigste måde at reducere AI-omkostninger på er at holde op med at betale topmodellens pris for hvert eneste trin. Skru først effort-niveauet ned: I [Anthropics egen test](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence) løste én model 87,4 % af programmeringsopgaverne med lav effort for USD 0,11 pr. opgave, mod 95,3 % med høj effort for USD 0,29. At køre lavt først og kun gentage fejlene med høj effort gav omkring 97 % for omkring USD 0,17. Derefter: cache gentagne prompter, kør det, der kan vente, i batch ([50 % rabat](https://platform.claude.com/docs/en/about-claude/pricing)), giv enkle trin til gratis eller billige modeller, og lad den stærke model være den, der afgør.

Jeg hedder Denys og er full-stack- og AI-ingeniør. Jeg bygger AI-agenter og automatiseringer til små firmaer. Det her er den liste, jeg selv bruger. Den er til ejeren, der ser en voksende AI-linje på fakturaen og vil vide, hvilke håndtag der faktisk flytter den. Tallene er leverandørtal fra november 2026, linket hvor de optræder; benchmarktallene fra Anthropic er selskabets egne interne tests. Alle priser står i USD, som leverandørerne offentliggør dem.

## Hvor kommer en AI-regning fra?

Fra tokens, de stykker tekst en model læser og skriver. At skrive koster mere end at læse: På Anthropics prisliste tager en stærk model USD 4 pr. million læste tokens og USD 20 pr. million skrevne, og den mindste model USD 0,10 og 0,50 ([Anthropic pricing](https://platform.claude.com/docs/en/about-claude/pricing)). Regningen vokser altså med tre ting: hvilken model du kalder, hvor meget den tænker og skriver, og hvor ofte du sender den samme lange tekst igen. Hver metode herunder skærer ned på én af dem.

## Ni måder at reducere AI-omkostninger på

| Metode                                 | Hvad den skærer ned på    | Typisk besparelse (leverandørtal)          |
| -------------------------------------- | ------------------------- | ------------------------------------------ |
| 1. Sænk effort-niveauet                | tænkning og skrivning     | medium 30–52 % mindre end høj              |
| 2. Lav først, gentag fejl på høj       | tænkning på lette opgaver | omkring 40 % mindre end alt på høj         |
| 3. Gratis modeller til enkle trin      | pris pr. token            | USD 0 inden for daglige lofter             |
| 4. Stærk model afgør, billige arbejder | pris pr. token            | omkring en tredjedel, kun på store opgaver |
| 5. Prompt-caching                      | at læse samme tekst igen  | cache-læsning til 5–10 % af inputprisen    |
| 6. Batch det, der kan vente            | alt                       | 50 % rabat                                 |
| 7. Send mindre                         | læsning                   | 21–26 % på én lille agent                  |
| 8. Bed om kortere svar                 | skrivning                 | omkring 13 %                               |
| 9. Licenser eller API                  | ubrugte licenser          | afhænger af brug                           |

## 1. Skru effort-niveauet ned

De fleste nuværende modeller har en effort- eller ræsonneringsindstilling, og den er det største enkeltstående håndtag efter selve modelvalget. Anthropics niveauer er low, medium, high, xhigh og max, og effort ændrer alle tokens i svaret, også værktøjskald og tænkning ([Anthropic effort docs](https://platform.claude.com/docs/en/build-with-claude/effort)).

Anthropics offentliggjorte test på Claude Opus 5.5 (et udsnit af SWE-bench Pro, deres egen benchmark) ([cost and intelligence guide](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)):

| Effort            | Løste opgaver | Pris pr. opgave |
| ----------------- | ------------- | --------------- |
| low               | 87,4 %        | USD 0,11        |
| medium (standard) | 92,8 %        | USD 0,21        |
| high              | 95,3 %        | USD 0,29        |

Den samme guide siger, at medium kostede omkring 30 % til 52 % mindre end high på lange programmeringsopgaver, og low omkring to tredjedele mindre. OpenAIs modeller har samme kontakt (`reasoning.effort`, low til max), og OpenAI bemærker, at ræsonnerings-tokens faktureres som output, men offentliggør ingen procent, så jeg angiver ingen ([OpenAI reasoning guide](https://developers.openai.com/api/docs/guides/reasoning)).

Sættes den for lavt, stopper modellen, før den har nok at gå efter. Start på medium, mål, og gå lavere, hvor resultaterne holder.

## 2. Kør lavt først, gentag kun fejlene på høj effort

I den samme Anthropic-test gav det omkring 97 % for omkring USD 0,17 pr. opgave at køre alt på low og køre de 13 %, der fejlede, igen på high, mod 95,3 % for USD 0,29 med alt på high. Anthropic kalder det omkring 40 % mindre ved samme beståelsesandel ([guide](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)).

![Pris pr. opgave efter effort-niveau. USD pr. programmeringsopgave, én model, leverandørens benchmark. Lav effort: 87,4 % løst: 0,11; Medium effort: 92,8 % løst: 0,21; Høj effort: 95,3 % løst: 0,29; Lav, fejl gentaget på høj: ca. 97 %: 0,17.](https://madsalt.tech/charts/da/how-to-reduce-ai-costs.svg)

*Kilde: leverandørens guide om pris og intelligens, november 2026. Leverandørens interne benchmark.*

Det virker, når du automatisk kan se, at en opgave fejlede: en test, et formulartjek, et manglende felt. Uden sådan et tjek ved du ikke, hvad der skal gentages.

## 3. Brug gratis modeller til enkle trin

OpenRouter, ét API foran mange modeludbydere, har gratisversioner af nogle modeller, markeret `:free`. Grænserne ([OpenRouter limits](https://openrouter.ai/docs/api-reference/limits)):

- 20 forespørgsler i minuttet;
- 50 forespørgsler om dagen, hvis du i alt har købt kreditter for mindre end USD 10;
- 1.000 forespørgsler om dagen, når du har købt for USD 10 eller mere;
- mislykkede forsøg tæller med i dagsloftet.

OpenRouters gratissamling i november 2026 indeholdt NVIDIA Nemotron 3 Ultra og Nemotron 3.5 Super VL, Cohere North Mini Code og Google Gemma 4 ([free models](https://openrouter.ai/collections/free-models)). Listen ændres hver uge, og nogle gratis opslag udløber.

Læs datapolitikken, før du sender noget privat. OpenRouter selv gemmer ikke prompter, medmindre du vælger det, men hver udbyder har sin egen politik, og nogle er markeret «may train» på dine data ([provider logging](https://openrouter.ai/docs/guides/privacy/provider-logging)). Gratis modeller er til offentlig eller anonymiseret tekst: resuméer af websider, sortering, første udkast, ikke kundeoplysninger.

## 4. Lad en stærk model afgøre og billige modeller udføre arbejdet

Behold den dyre model som den, der planlægger og kontrollerer, og giv bulkarbejdet til billigere modeller. Begge de store kodeagenter understøtter det: Claudes subagenter har deres egen `model`-indstilling, og Codex har `default_subagent_model` og `default_subagent_reasoning_effort` ([Anthropic subagents](https://code.claude.com/docs/en/sub-agents), [Codex subagents](https://learn.chatgpt.com/docs/agent-configuration/subagents)).

Hvordan den fordeling ser ud på én skærm, med omkostningen for hver agent som en søjle, viser min prototype [dashboard til multiagent-orkestrering](https://madsalt.tech/da/work/multi-agent-orchestration/) (eksempeldata).

Vær ærlig om, hvor det kan betale sig. Anthropic målte en stærk orkestrator med mellemstore subagenter til omkring en tredjedel lavere pris for omtrent samme resultat, men på arbejde, der var større end ét kontekstvindue. Når arbejdet var én afhængig kæde eller kunne være i én kontekst, blev én model på lavere effort billigere i alle de tilfælde, Anthropic målte ([guide](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)). Rådet: Justér effort på én model først, for de fleste arbejdsbelastninger ender der.

## 5. Cache den tekst, du sender hver gang

Hvis hver forespørgsel starter med de samme instruktioner, dokumenter eller værktøjsliste, så cache dem. Hos Anthropic koster en cache-læsning 10 % af den normale inputpris, og 5 % på de nyeste Opus- og Sonnet-modeller; cache-skrivningen koster lidt mere, én gang ([Anthropic pricing](https://platform.claude.com/docs/en/about-claude/pricing)). OpenAI prissætter cachet input til 5 % på GPT-6.1 Sol ([model page](https://developers.openai.com/api/docs/models/gpt-6.1-sol)). Anthropic målte, at caching skar en researchagents pris med 4,8 til 7,2 gange, og kalder det normalt det største håndtag.

En fælde fra samme guide: En statuslinje på 25 tokens helt først i prompten ændrede sig i hver forespørgsel, så hver forespørgsel skrev hele cachen om. Læg alt, der ændrer sig, til sidst.

## 6. Kør det, der kan vente, i batch

Rapporter, klassificering natten over, masseudtræk: alt, der kan vente op til 24 timer, kan gå gennem batch-API'et til 50 % rabat hos både Anthropic og OpenAI, og hos Anthropic kan rabatten kombineres med caching ([Anthropic pricing](https://platform.claude.com/docs/en/about-claude/pricing), [OpenAI pricing](https://developers.openai.com/api/docs/pricing)).

## 7. Send mindre

Hvert dokument, hver værktøjsdefinition og hver gammel besked, du vedhæfter, læses igen ved hvert kald. Anthropic målte, at beskæring af input tog yderligere 21 % til 26 % af en lille triageagents regning, og at indlæsning af værktøjsdefinitioner kun ved behov sparede 45 % med 500 værktøjer tilsluttet ([guide](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)). Lange prompter kan også krydse et pristrin: Haiku 5.5 tager 5 gange så meget for prompter over 100.000 tokens.

## 8. Bed om kortere svar

At skrive koster omkring fem gange så meget som at læse på de fleste prislister. Anthropic målte «bed om kortere svar» til omkring 13 % lavere pris af 39 % færre output-tokens ([guide](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)). «Svar i tre sætninger» eller «returnér kun JSON» er en gratis ændring.

## 9. Sammenhold licenser med API-brug

Teamabonnementer er pr. person: standardlicenser i ChatGPT Business og Claude Team koster USD 25 om måneden, eller USD 20 på årsabonnement ([ChatGPT Business](https://help.openai.com/en/articles/8542115-chatgpt-business-general-faq), [Claude Team](https://support.claude.com/en/articles/9266767-what-is-the-team-plan)). Ti licenser med årlig fakturering er USD 2.400 om året. Hvis halvdelen af teamet åbner den to gange om måneden, kan et internt værktøj på API'et med en udgiftsgrænse koste mindre. Hvis alle bruger den dagligt, er licenser som regel den bedste handel.

## Min lignende sag

Mit eget arbejde kører på metode 1, 3 og 4 sammen. Claude eller Codex er stadig orkestratoren: den planlægger opgaven og kontrollerer resultatet. Hovedparten af arbejdet går til gratis modeller på OpenRouter. Og jeg ændrer effort-niveauet fra opgave til opgave i stedet for at lade det stå på høj. Effort alene er et stort håndtag: ifølge Anthropics tal ovenfor flytter den prisen for én opgave fra USD 0,29 på høj til USD 0,11 på lav.

Hvad en hel agent koster pr. kørsel, står i [hvad en AI-agent koster](https://madsalt.tech/da/blog/how-much-does-an-ai-agent-cost/), og hvad der gik galt, da jeg kørte mange agenter parallelt, står i [multi-agent-orkestrering: hvad der gik i stykker](https://madsalt.tech/da/blog/multi-agent-orchestration-what-broke/).

Send mig, hvad du betaler for AI nu, og hvad den gør, så viser jeg dig, hvor det kan koste mindre. Det her arbejde hører under [AI-integration](https://madsalt.tech/da/services/ai-integration/).

Vokser din AI-regning for hver måned?

Send mig, hvad du betaler, og hvad den gør. Jeg viser dig, hvilke af de her håndtag der passer, og sætter dem op.

[Skriv til mig](https://madsalt.tech/da/#contact)

## Begrænsninger i denne liste

- **Leverandørbenchmarks.** Procenterne for effort, caching og orkestrering er Anthropics egne interne tests på kodning og agentarbejde. Dine opgaver kan opføre sig anderledes; mål selv.
- **Ingen OpenAI-procenter.** OpenAI offentliggør ingen forskel i tokens eller pris mellem effort-niveauer, så ingen er angivet.
- **Priser ændrer sig.** Læst den 9. november 2026. OpenRouters gratisliste ændres hver uge, og to kampagner på leverandørsider udløber den 30. november og den 31. december 2026.
- **Gratis modeller** er ikke testet her for kvalitet eller oppetid; tjek dem på din egen opgave, før du stoler på én.
