Å bruke kunstig intelligens på fransk kan kreve flere tokener enn å stille nøyaktig samme spørsmål på engelsk. En studie av Thomas Serval, publisert i september 2026, måler en merkostnad på 31–58 % for fransk, avhengig av tokenisereren. Denne usynlige forskjellen kan øke API-regningen, redusere hvor mye samtalehistorikk som får plass i konteksten, og påvirke forholdene modellen svarer under.

Vi er blitt vant til å betrakte ChatGPT som en universell samtalepartner. Vi snakker vårt eget språk, får svar og tenker sjelden over hva som skjer mellom setningen vi skriver og maskinens forståelse. Men språk behandles ikke likt i denne mekanismen. Noen passer nesten naturlig inn, mens andre må betale en ekstra avgift.

Hvorfor bruker en fransk setning flere tokener?

En KI leser ikke setninger slik vi gjør. Før en språkmodell kan behandle dem, deler en komponent kalt tokeniserer teksten opp i biter som kalles tokener. Bitene kan være hele ord, deler av ord eller enkelttegn.

OpenAI gir en omtrentlig regel for vanlig engelsk: Ett token tilsvarer omtrent fire tegn, eller tre firedeler av et ord. Men denne tommelfingerregelen gjelder ikke likt for alle språk.

Årsaken er teknisk. Tokeniserere lærer å dele opp sekvenser effektivt ut fra dataene de møter under utviklingen. Når engelske data dominerer, blir mange engelske sekvenser lett gjenkjennelige enheter. Tilsvarende uttrykk på fransk kan deles i flere biter.

Et vanlig engelsk ord kan dermed få plass i ett token, mens det franske motstykket noen ganger krever to eller tre. Forskjellen kan bli enda tydeligere i enkelte skriftsystemer som ikke bruker det latinske alfabetet.

Det holder likevel ikke å skille mellom språk med mye og lite tilgjengelige data. En reportasje fra Rest of World om arbeidet til Coalition for Language Equity in AI Research understreker at selve skriftsystemet påvirker oppdelingen betydelig. Ulempene for arabisk og hindi kan derfor ikke forklares bare med antallet språkbrukere.

Hvor mye koster egentlig denne språkavgiften?

Tallene er store nok til å være mer enn en teknisk kuriositet.

Ifølge Thomas Serval ved NEOMA Business School, som undersøkte det flerspråklige NTREX-128-korpuset, krever fransk 1,31 til 1,58 ganger så mange tokener som engelsk, avhengig av systemet. Analysen sammenligner sju tokeniserere knyttet blant annet til OpenAI, Meta, Alibaba, DeepSeek, Google, Mistral og Anthropic.

En annen analyse fra Prompt Inspiration, publisert i mai 2026, anslår en gjennomsnittlig merkostnad på rundt 48 % for ledetekster skrevet på fransk. Det er på samme nivå som den første studien, men beregningsmetodene er ikke nødvendigvis like. Prosenten kan derfor ikke behandles som en konstant for alle samtaler og modeller.

Forskjellene kan være langt større andre steder. Ifølge forskningen fra Coalition for Language Equity in AI Research, omtalt av Rest of World, er forholdet mellom de billigste og dyreste av de tjue mest brukte internettspråkene mellom 1,5 og 5. Når analysen utvides til to hundre språk, kan forskjellen bli 17 ganger.

Hva betyr tallene på fakturaen?

Ta et rent illustrerende eksempel. Hvis en behandling på engelsk koster 10 euro i tokener, vil en økning på 48 % gi 14,80 euro for tilsvarende behandling, med samme pris per token. For en tjeneste som håndterer mange forespørsler daglig, gjentas forskjellen hver gang.

Vi må likevel skille mellom to situasjoner. En bruker med fast ChatGPT-abonnement får ikke automatisk en høyere regning fordi vedkommende skriver på fransk. En utvikler eller bedrift som bruker et API med betaling per token, kan derimot faktisk måtte dekke det ekstra forbruket.

Annonse

Det egentlige problemet er derfor ikke bare å betale mer. Det er å få ulik behandlingskapasitet med samme budsjett eller tokengrense.

Hvorfor kan forskjellen svekke svarene?

Hver modell har et kontekstvindu, altså et begrenset antall tokener den kan ta hensyn til under arbeidet. Vinduet rommer blant annet instruksjoner, tidligere meldinger og dokumenter som sendes inn.

Hvis to samtaler uttrykker det samme, men den franske trenger flere tokener, opptar de ulik plass i vinduet. Den franske samtalen kan dermed nå grensen raskere.

Se for deg en virtuell privatlærer. Den følger en elev og husker feil, utfordringer og forklaringer som allerede er gitt. Hvis denne historikken bruker flere tokener på elevens språk, får tjenesten mindre plass til å bevare nyttig informasjon.

Det er nettopp eksemplet Pratyush Choudhury, medgrunnlegger av Activate AI, trekker frem i Rest of Worlds reportasje. Språkulempen kan da bli en pedagogisk ulempe.

Et viktig forbehold er likevel nødvendig: Flere tokener betyr ikke automatisk at modellen resonnerer dårligere. Oppdelingen legger større press på kontekstvinduet og kan øke svartiden, men beviser ikke i seg selv en systematisk nedgang i den faglige kvaliteten på svarene.

En akademisk studie presentert på EMNLP i 2023, om kostnad og nytte ved OpenAI-API-et på 22 språk, dokumenterer likevel en bredere ulikhet: Mange som bruker andre språk enn engelsk, betaler mer og får samtidig svakere resultater.

Det finnes med andre ord to ulike problemer som kan opptre samtidig: hvordan setninger deles opp, og hvor godt modellen fungerer på hvert språk. Hvis vi blander dem sammen, blir det vanskelig å forstå hva som faktisk må forbedres.

Er alle KI-modeller like ugunstige for fransk?

Nei. Valget av tokeniserer påvirker språkkostnaden merkbart.

I Thomas Servals sammenligning fremstår Mistral Tekken som tokenisereren med lavest merkostnad for fransk blant de sju systemene. Resultatet tyder på at noe av ulikheten kan rettes opp gjennom selve den tekniske utformingen.

En sammenstilling fra Prompt Inspiration oppgir også en samlet merkostnadsfaktor på 1,17 sammenlignet med engelsk for Gemini 3.1 og Qwen 3.6, på tvers av språkene som ble vurdert. Til sammenligning oppgis et gjennomsnitt på 2,07 for Anthropic og et forholdstall på 3,11 for en ledetekst på hindi via selskapets API.

Disse sammenligningene må tolkes varsomt. De sistnevnte tallene kommer fra en sekundær sammenstilling og gir ikke grunnlag for en universell rangering. Dessuten er en tokenøkonomisk tokeniserer ikke nødvendigvis koblet til modellen som gir best svar. Svarkvalitet, resonneringsevne og tokenforbruk må vurderes hver for seg.

Kan denne språkulempen fjernes?

Det lovende svaret er at merkostnaden ikke er matematisk uunngåelig. Den skyldes delvis tekniske valg.

Thomas Servals studie presenterer blant annet en tokeniserer tilpasset fransk som reduserer tokenforbruket med 11,5 % sammenlignet med de undersøkte standardsystemene. Prototypen fungerer også dårligere i enkelte situasjoner. Den er altså ingen mirakelkur, men viser konkret at en annen utforming er mulig.

En annen tilnærming er å representere flere språk bedre i ressursene som brukes til å utvikle systemene. RESPIN-prosjektet, omtalt av Rest of World, samler for eksempel tekst- og taledata fra morsmålsbrukere av 38 dialekter.

Brukerne kan allerede begrense virkningene gjennom noen enkle grep:

  • Sammenlign tokeniserere når API-kostnader er viktige, i stedet for bare å velge ut fra oppgitt pris per million tokener.
  • Følg med på lengden på historikken i lange samtaler eller assistenter som håndterer mange dokumenter.
  • Test ulike formuleringer med et visualiseringsverktøy som OpenAI Tokenizer for å se hvordan teksten deles opp.
  • Vurder modellene på språket som faktisk brukes, ikke bare med engelskspråklige referansetester.

Å oversette alle forespørsler til engelsk kan av og til spare tokener, men er ingen universalløsning. Det legger til et ekstra trinn, kan endre nyansene i budskapet og garanterer ikke et bedre endelig svar.

Problemet handler om langt mer enn prisen på ChatGPT

Denne tekniske skjevheten avdekker et dypere spørsmål: Hvorfor skal ett språk få mindre behandlingskapasitet enn et annet for å uttrykke de samme ideene?

I tradisjonell programvare reduserer et bytte av grensesnittspråk vanligvis ikke hvor mye arbeid brukeren kan utføre. Med språkmodeller er denne likheten ikke lenger garantert. Språket blir en økonomisk og teknisk variabel, selv når den er usynlig på skjermen.

Franskspråklige brukere er ikke nødvendigvis dårligst stilt. Observasjoner rundt Thomas Servals studie viser at enkelte regionale språk og språk fra oversjøiske områder kan bruke opptil 3,3 ganger så mange tokener som engelsk. Spørsmålet gjelder altså langt mer enn de store internasjonale språkene.

Etter mitt syn vil det virkelige fremskrittet ikke bare være å gjøre modellene smartere. Det vil også være å sørge for at intelligensen ikke systematisk koster mer avhengig av språket vi bruker. En KI som hevder å være universell, bør ikke kreve en usynlig avgift fra dem som ikke snakker engelsk.

Vanlige spørsmål

Hvorfor bruker samme tekst flere tokener på fransk eller arabisk enn på engelsk?

Tokeniserere gjenkjenner mer effektivt sekvenser som er vanlige i utviklingsdataene, som ofte domineres av engelsk. Fransk og språk med andre skriftsystemer kan trenge flere biter for å uttrykke tilsvarende innhold. Hvor stor forskjellen er, avhenger av tokenisereren og språket.

Koster ChatGPT mer når man skriver på fransk?

Et fast abonnement blir ikke automatisk dyrere for en franskspråklig bruker. API-er som faktureres per token, kan derimot koste mer: Thomas Servals studie finner 31–58 % flere tokener for fransk, avhengig av tokenisereren. Forbruket kan også påvirke kontekstgrensene.

Resonnerer ChatGPT dårligere på fransk?

Høyere tokenforbruk beviser ikke direkte dårligere resonnering. Det kan imidlertid redusere plassen til historikk og dokumenter, noe som kan påvirke lange oppgaver. EMNLP-studien fra 2023 dokumenterer dessuten forskjeller i ytelse og kostnader mellom språk.

Hvilke modeller reduserer språkavgiften mest?

I Thomas Servals studie, som blant annet undersøker fransk, har Mistral Tekken lavest merkostnad blant de sju tokenisererne. Andre sammenligninger fremhever Gemini og Qwen i flerspråklige målinger. Resultatet avhenger likevel av korpus og tokeniserer, så også svarkvaliteten må sammenlignes før man velger modell.

Kilder