Därför låter AI smartare på engelska
Av Chatday Editorial Team ·
Du frågar en AI något på svenska, polska eller turkiska och svaret kommer snabbt och flytande. Du ställer exakt samma fråga på engelska och något subtilt händer. Svaret blir en aning skarpare. Bättre strukturerat. Säkrare på sin sak.
Du inbillar dig inte, och det handlar inte om hur du skriver. Skillnaden är verklig, den är uppmätt, och den beror på något enkelt: de här modellerna har läst nästan allt på engelska.
Internet som modellerna läst är mest engelska
Språkmodeller lär sig genom att läsa enorma mängder text som hämtats från webben. Och den webben är rejält obalanserad.
En genomgång av de stora webbarkiv som används i träningen granskade en kopia från slutet av 2023 av Common Crawl, en offentlig insamling av miljarder sidor. Ungefär 44 procent var engelska. Tvåan på listan, tyska, låg runt 5 procent. Alla andra delade på det som blev över.
Jämför det med verkligheten. Språkdatabaser landar på ungefär 1,5 miljarder engelsktalande, inklusive alla som lärt sig språket som andraspråk, alltså ungefär var sjätte människa. Ett språk som en sjättedel av mänskligheten använder står alltså för nästan hälften av läsmaterialet.
Modellen väljer inte engelska. Den övar bara mycket mer på det. Varje uttryck, varje krånglig formulering, varje udda specialfall dyker upp tusentals gånger oftare på engelska än på katalanska eller vietnamesiska, och det är övningen som räknas.
Din AI tänker förmodligen på engelska innan den svarar
Här kommer delen som förvånar. När du skriver på ditt språk är det inte säkert att modellen resonerar på det.
En studie från 2025 undersökte vad som faktiskt händer inuti flerspråkiga modeller medan de svarar. Forskarna såg att systemen fattar sina viktigaste beslut i ett representationsutrymme närmast engelskan, oavsett vilket språk som går in och ut. Med deras ord skapar modellen först något engelskformat för de betydelsebärande orden och för sedan över det till målspråket.
Tänk dig en briljant kollega som växt upp med engelska böcker och nu jobbar på ditt kontor. Hon förstår dig utmärkt. Men någonstans i mitten sker tänkandet på hennes förstaspråk, och det du får tillbaka har passerat ett översättningssteg.
För det mesta märker du inget. Du märker det när skämtet faller platt, när ett uttryck kommer ordagrant översatt eller när tonen är tekniskt rätt men socialt fel.
Därför kan ditt språk kosta mer och ta slut på utrymme snabbare
Det finns ett andra, mer mekaniskt skäl, och det har inget med intelligens att göra.
Innan modellen läser din text styckar den upp den i små bitar som kallas tokens. Grovt räknat är en token en orddel. Den uppstyckningen är främst anpassad till engelska, så engelskan får effektiva bitar medan andra språk delas upp i betydligt fler.
Forskning på området visade att samma mening kan ta upp till 15 gånger fler tokens på vissa språk än på engelska. Språk som inte använder det latinska alfabetet drabbas hårdast.
Tre saker följer av detta, och du märker alla tre:
- Du slår i taket tidigare. AI:ns arbetsminne räknas i tokens, så samma dokument tar mer plats på ditt språk.
- Det kan kosta mer. När en tjänst tar betalt per token blir samma uppgift dyrare på ett språk som delas upp i fler bitar.
- Det kan kännas långsammare. Fler bitar betyder mer för modellen att arbeta igenom.
Inget av detta är ett straff. Det är en bieffekt av en konstruktion anpassad till engelsk text, och den formar din upplevelse i det tysta.
Hur stort är gapet egentligen?
Stort nog att spela roll, och mycket ojämnt. Ett flerspråkigt test som heter MMLU-ProX lade samma uppsättning på nästan 12 000 provfrågor i 29 språk, vilket ger en ren jämförelse: samma frågor, annat språk, samma modell.
Mönstret var tydligt. Modellerna klarade sig bra på språk med mycket text och tappade på dem med lite material på nätet, med skillnader upp till omkring 24 procentenheter mellan det starkaste och det svagaste. På ett prov där ett bra resultat ligger kring 70 är 24 poäng skillnaden mellan en trygg expert och en vacklande elev.
| Var ditt språk står | Vilka det gäller | Vad du kan vänta dig |
|---|---|---|
| Mycket väl representerat | Engelska | Skarpast resonemang, bäst uttryck, mest pålitlig formatering |
| Väl representerat | Svenska, tyska, spanska, franska, kinesiska, japanska | Nära engelskan i vardagen, ibland en stel formulering |
| Medelrepresenterat | Många europeiska och asiatiska språk med mindre närvaro på nätet | Bra svar, mer översatt ton, fler missar på lokala detaljer |
| Svagt representerat | Mindre språk och de flesta afrikanska språk | Klart svagare resonemang, fler självsäkra fel, kontrollera allt |
Två ärliga förbehåll. Dina vardagsfrågor är mycket lättare än ett prov, så gapet du känner av är oftast mindre än det på papperet. Och siffrorna rör sig med några månaders mellanrum, vilket för oss till de goda nyheterna.
Gapet krymper, och det är med flit
Labben har insett att träning på fler språk inte är välgörenhet utan en förbättring.
En artikel från 2026 testade det direkt och kom fram till att fler språk under träningen förbättrar resultaten över hela linjen. Språk med lite data vinner mycket, språk med mycket data håller ställningarna i stället för att tappa, och redan ett enda språk utöver engelska förbättrade även modellens engelska. Författarna kallar träning enbart på engelska i stort sett suboptimal.
Därför låter varje ny modellgeneration något naturligare på ditt språk än den förra. Och därför är det värt att göra om testerna nedan med några månaders mellanrum: svaret på vilken AI som är bäst på ditt språk fortsätter att ändras.
Fyra sätt att få bättre svar på ditt språk
1. Ange språket och även registret
Skriv inte bara på ditt språk och hoppas. Säg det. Något i stil med: svara på svenska, i ett naturligt vardagligt register, så som en människa faktiskt pratar.
Den sista delen väger tyngst. Utan instruktion glider modeller mot en formell röst som luktar översättning, för så ser den mesta icke-engelska texten på nätet ut.
2. Visa hur du skriver
Klistra in två eller tre meningar du skrivit själv och be modellen träffa den rösten. Det fungerar mycket bättre än att beskriva tonen du vill ha, och det är den snabbaste kuren mot den konstlade känslan i AI-text, på vilket språk som helst.
3. Vid svåra frågor: skilj tänkandet från svaret
Är frågan verkligt knepig kan du prova att ställa den på engelska och be om svaret på ditt språk. Med tanke på det engelskformade mellansteget hjälper det ibland.
Ibland. Inte alltid. Det kostar dig ett extra meddelande att ta reda på, och när det är resonemanget som är det svåra är testet värt besväret.
4. Byt modell, inte prompt
Det här är metoden nästan ingen provar, och den vinner oftast. Olika labb tränar på olika språkblandningar, så deras styrkor på ditt språk skiljer sig mer än marknadsföringen antyder. Samma prompt kan landa perfekt i en modell och låta träig i en annan, vilket är ett specialfall av den bredare anledningen till att AI-modeller ger olika svar.
Gemini 3.1 Pro och Claude Sonnet 5 är bra startpunkter, men ta inte vårt ord för det. Kör din egen prompt genom några modeller och se vilken som låter som en människa från din trakt.
Trepromptstestet för varje ny modell
När du vill veta om en modell duger på ditt språk hjälper inga topplistor. Trettio sekunders eget testande gör det. Så här ser vi på saken, och det här fångar varje punkt:
- Ett uttryck eller ett skämt. Be den förklara ett talesätt som bara lokalbefolkningen använder. Det avslöjar modeller som översätter i stället för att förstå.
- En lokal detalj. Fråga om något praktiskt och specifikt för där du bor, och kontrollera sedan svaret. Det avslöjar självsäkert hittepå, det dyraste felet av alla.
- En kort text i din röst. Ett meddelande till en kollega, i ditt vanliga register. Det avslöjar stelhet, fel formalitetsnivå och den omisskännliga översättningskänslan.
Kör de tre i två eller tre modeller. Du har en favorit inom ett par minuter, och det är inte säkert att det är den mest kända.
Där inget av detta hjälper
Ärligt om gränserna: ingen prompt kan lägga till kunskap som modellen aldrig haft.
Har ditt språk svag närvaro på nätet sitter luckan i träningen, och ingen smart instruktion täpper till den. Lokala regler, regionala juridiska detaljer och småstadsspecifika saker är precis där modeller hittar på med störst självförtroende, på alla språk, och där du bör kontrollera innan du agerar.
När något har verkliga konsekvenser, ett avtal, ett läkarintyg, en myndighetsblankett, behandla AI-texten som ett första utkast och låt någon som behärskar språket läsa igenom. Och när uppgiften är ren översättning snarare än samtal slår ett översättningsverktyg byggt för ändamålet ett chattfönster. Vi gick igenom det arbetssättet i hur du översätter vad som helst med AI.
Kortversionen
AI är inte smartare på engelska. Den är bara mer beläst på engelska, mer övad på engelska, och maskineriet under huven ställdes in för det. Gapet krymper med varje generation, snabbare än de flesta tror, eftersom labben upptäckte att fler språk gör en modell bättre på alla språk.
Tills det är borta är lösningen inte att ge upp ditt språk. Lösningen är att vara precis med vad du vill ha, visa modellen din röst och sluta anta att den första AI du testade är den som talar ditt språk bäst.