Claude vs. ChatGPT til lange dokumenter: hvem håndterer kontekst bedst?

Du har en kontrakt på 50 sider liggende i din downloads-mappe. Eller måske er det en stak forskningsartikler, du skal koge sammen til en rapport. Du indsætter hele molevitten i din AI-chat, stiller et spørgsmål om side 37 og får et svar, der lyder selvsikkert, men tydeligvis har misset pointen.

Både Claude og ChatGPT reklamerer med enorme kontekstvinduer — flere hundrede tusinde tokens. Men der er forskel på, hvor meget tekst en AI kan modtage, og hvor meget den faktisk kan huske, når den skal svare. Den forskel betyder noget, når du arbejder med lange dokumenter.

Den her guide gennemgår, hvordan begge værktøjer reelt klarer arbejdet med lange dokumenter: juridiske kontrakter, forskningsartikler, kodebaser og mere. Ingen marketingfloskler — kun det, der faktisk virker.

Et kontekstvindue er den samlede mængde tekst, en AI-model kan behandle i én samtale. Det måles i tokens — cirka 0,75 ord per token. Et kontekstvindue på 200.000 tokens betyder, at modellen i teorien kan rumme omkring 150.000 ord, eller cirka 500 siders tekst.

Men her er det, marketing ikke fortæller dig: kontekstkapacitet og kontekstgenkaldelse er to forskellige ting. En model kan godt acceptere hele dit dokument på 200 sider, men det betyder ikke, at den kan huske en bestemt detalje fra side 47 lige så præcist som noget fra side 1.

Tænk på det som at læse en roman i ét stræk. Du husker tydeligt begyndelsen og slutningen, men midten bliver lidt tåget. AI-modeller har de samme mønstre — og forskellige modeller håndterer det forskelligt.

Lad os starte med de rå specifikationer. Tallene her er aktuelle pr. begyndelsen af 2026:

Helt konkret: bruger du Claudes betalte plan, kan du indsætte cirka 500 siders tekst. Med ChatGPT Plus er du begrænset til omkring 40 sider. ChatGPT Pro bringer dig op på cirka 160 sider.

Forskellen er markant. Men den rå kapacitet er kun en del af historien.

Forskere bruger en benchmark kaldet "Needle in a Haystack" til at måle, hvor godt AI-modeller fastholder information på tværs af lange kontekster. Setup'et er enkelt: gem en tilfældig oplysning ("nålen") et eller andet sted i et stort dokument ("høstakken"), og bed derefter modellen om at finde den.

Den oprindelige test brugte en sætning som "Det bedste, man kan gøre i San Francisco, er at spise en sandwich og sidde i Dolores Park på en solskinsdag" gemt mellem hundredvis af siders urelaterede essays. Modellen blev så spurgt: "Hvad er det bedste, man kan gøre i San Francisco?"

Claude 3 leverede imponerende resultater. I Anthropics tests opnåede Claude 3 Opus over 99 % nøjagtighed i genfindingen — næsten perfekt recall, uanset hvor nålen var placeret. I et berømt tilfælde opdagede Claude faktisk, at testsætningen virkede kunstigt indsat, og fangede dermed reelt forskerne på fersk gerning.

Tidligere modeller viste et tydeligt mønster: information helt i begyndelsen og helt i slutningen af dokumenter blev husket præcist, mens indhold i midten (især omkring 50-70 %-mærket) ofte blev overset. Claude 3 og senere versioner løste i vid udstrækning det problem.

ChatGPTs præstation varierer mere afhængigt af modelversion og dokumentlængde. GPT-4 viste lignende problemer med recall i midten af dokumenter i tidlige tests, selv om GPT-5 er blevet markant bedre. Til gengæld betyder de mindre kontekstvinduer i selve ChatGPT-grænsefladen (32K for Plus, 128K for Pro), at der opstår færre situationer, hvor recall kan svigte — du kan simpelthen ikke proppe lige så meget tekst ind.

Abstrakte benchmarks er fine, men det vigtige er, hvordan værktøjerne klarer rigtigt arbejde. Lad os se på gennemgang af juridiske kontrakter — en klassisk anvendelse af AI til lange dokumenter.

Opgaven: Gennemgå en erhvervslejekontrakt på 45 sider. Find alle henvisninger til førtidig opsigelse, identificer modstridende klausuler, og opsummer udlejers forpligtelser.

Med Claude: Du kan indsætte hele kontrakten i én ombæring. Claude håndterer krydshenvisninger godt — når den nævner "som defineret i punkt 4.2", kan den faktisk referere til, hvad punkt 4.2 rent faktisk siger. Den fangede en konflikt mellem vedligeholdelsesforpligtelserne i punkt 7 og en undtagelse, der lå begravet i et bilag. Analysen var struktureret og dækkende.

Med ChatGPT Plus: Med 32K tokens kan en kontrakt på 45 sider ikke være der i sin helhed. Du må dele den op i bidder, og dermed mister AI'en evnen til at krydshenvise mellem afsnit. ChatGPT Pro med 128K kan klare den, men i tests var den oftere tilbøjelig til at give generiske opsummeringer i stedet for at fange specifikke konflikter mellem klausuler.

Vinder til juridisk arbejde: Claude. Det større kontekstvindue og den bedre recall på tværs af dokumentafsnit gør den markant mere brugbar til kontraktgennemgang, juridisk research og compliance-tjek.

Opgaven: Lav en syntese af konklusionerne fra fem akademiske artikler (i alt cirka 80 sider) om effekten af hjemmearbejde på produktivitet. Identificer enighed, modstrid og huller i forskningen.

Med Claude: Alle fem artikler kan ligge komfortabelt i kontekstvinduet. Claude leverede en struktureret syntese, der holdt styr på, hvilke påstande der kom fra hvilke artikler, noterede hvor studie A modsagde studie C, og pegede på metodiske forskelle, der kunne forklare modsætningerne. Den holdt sammenhæng på tværs af hele samlingen.

Med ChatGPT: Selv med ChatGPT Pro er det trangt at få alle fem artikler ind. Syntesen blev mere overordnet og blandede en gang imellem fund fra forskellige artikler sammen. Til gengæld lod ChatGPTs websøgning den hente yderligere kontekst og nyere studier ind, som ikke var i de oprindelige artikler — en reel fordel for research, der skal være helt opdateret.

Vinder: Claude til ren syntese, ChatGPT til research, der har brug for webkilder. En praktisk arbejdsgang: saml nyere kilder med ChatGPTs websøgning, og giv så hele bunken til Claude til den dybe analyse.

Opgaven: Analyser en mellemstor kodebase (cirka 15.000 linjer fordelt på 50 filer) for at forstå autentificeringsflowet og finde mulige sikkerhedsproblemer.

Med Claude: Hele kodebasen får plads. Claude fulgte autentificeringsflowet på tværs af flere filer, identificerede hvor session-tokens blev genereret, gemt og valideret, og pegede på et muligt problem, hvor fejlbeskeder var for udførlige (og potentielt kunne lække information til angribere). Den forstod, hvordan ændringer i én fil ville påvirke andre.

Med ChatGPT: Du er nødt til at dele filer eller resuméer udvalgt. ChatGPT er kompetent til at analysere enkelte filer, men mister evnen til at følge afhængigheder gennem hele kodebasen. Til målrettede spørgsmål om bestemte funktioner fungerer den fint. Til en samlet arkitekturanalyse kæmper den.

Vinder: Claude, klart. Til kodegennemgang i stor skala er Claudes kontekstvindue en betydelig praktisk fordel. Det er en af grundene til, at Claude er blevet populær blandt udviklere, der arbejder på store projekter.

Uanset hvilket værktøj du bruger, hjælper visse prompting-teknikker dig med at få bedre resultater fra lange dokumenter.

1. Læg den vigtige information i begyndelsen og slutningen. Begge modeller har stærkere recall for indhold i starten og slutningen af konteksten. Skal du tilføje instruktioner, så læg dem helt i begyndelsen og gentag de vigtigste til allersidst, lige før dit spørgsmål.

2. Brug eksplicitte recall-instruktioner. I stedet for at spørge "Hvad siger kontrakten om opsigelse?" så prøv: "Søg hele dokumentet igennem og oplist alle nævnelser af opsigelse, førtidig opsigelse eller kontraktafslutning, inklusive de afsnitsnumre, hvor de hver især optræder."

3. Bed om struktureret output. Bed om svar i et bestemt format — punktopstillinger med afsnitshenvisninger, en tabel der sammenligner forskellige klausuler, eller en nummereret liste. Det tvinger modellen til at være mere systematisk i sin søgning.

4. Del komplekse spørgsmål op i trin. Spørg ikke om alt på én gang. Bed først modellen om at identificere alle relevante afsnit, og følg så op med analyserende spørgsmål om netop de afsnit.

Her er en promptskabelon, der fungerer godt til dokumentanalyse:

Hvis du opdager, at du genbruger prompts som denne på forskellige dokumenter — og bare skifter dokumenttype, opgave og spørgsmål ud — kan en promptmanager som PromptNest hjælpe. Gem skabelonen én gang med variabler som {{document_type}} og {{specific_task}}, og udfyld så blot felterne hver gang du bruger den. Hurtigere end at skrive forfra, og du glemmer ikke den struktur, der virker.

Til behandling og analyse af lange dokumenter har Claude tydelige fordele: et større kontekstvindue i den almindelige betalte plan (200K mod 32K i ChatGPT Plus), bedre dokumenteret recall i benchmark-tests og stærkere præstationer på praktiske opgaver som kontraktgennemgang og kodeanalyse.

Forskellen er især skarp, når du sammenligner abonnementsniveauer. Claude Pros 200K tokens mod ChatGPT Plus' 32K tokens er en faktor 6 i praktisk kapacitet. Du skal helt op på ChatGPT Enterprise for at matche Claudes standardtilbud.

Når det er sagt, har ChatGPT også sine styrker. Økosystemet er mere modent — custom GPTs, plugins, webbrowsing, billedgenerering og stemme spiller alt sammen problemfrit sammen. Hvis dit arbejde består af kortere dokumenter blandet med webresearch eller multimodale opgaver, kan ChatGPT stadig være det bedste valg.

Den praktiske konklusion: Hvis arbejdet med lange dokumenter er en fast del af dit job — juridisk gennemgang, forskningssyntese, kodeanalyse, udarbejdelse af politikker — er Claude formentlig værd at prøve. Fordelen ved kontekstvinduet er reel og giver en mærkbar forskel i kvaliteten af outputtet.

Når du har fundet de prompts, der fungerer bedst til din arbejdsgang for dokumentanalyse, så lad dem ikke forsvinde i chathistorikken. Uanset om du holder fast i ét værktøj eller bruger begge, sparer du tid på alle fremtidige projekter ved at holde dine bedste prompts organiseret og klar til genbrug. PromptNest er en native Mac-app, $19.99 som engangskøb i Mac App Store — intet abonnement, ingen konto, kører lokalt. Den giver dine prompts et fast hjem — organiseret efter projekt, søgbart og lige ved hånden via en tastaturgenvej fra et hvilket som helst program.