På fire dage i august 2026 fik GitHub Copilot tre nye AI-modeller. Kimi K3 landede den 10. august, MAI-Code-1.1-Flash samme uge, og Grok 4.6 fulgte efter den 14. august. Ingen af de tre kom med en stor lanceringsevent. De blev rullet stille ud til Pro-, Pro+-, Max-, Business- og Enterprise-abonnenter som en del af Copilots ugentlige release-cyklus, ifølge GitHubs eget changelog. Tempoet fortæller sin egen historie: markedet for AI-kodeassistenter er nu så konkurrencepræget, at selv branchens største aktør ikke længere venter på kvartalsvise lanceringer.

For udviklere i Danmark og resten af Norden betyder det flere valg, men også mere at holde styr på. GitHub Copilot er allerede standardværktøjet på mange virksomheders GitHub Enterprise-aftaler, og når platformen skifter model-portefølje så hurtigt, påvirker det budgetter, sikkerhedsvurderinger og daglige arbejdsgange på samme tid. Denne artikel går igennem hvad der faktisk skete, hvorfor det sker nu, og hvad det betyder for markedet frem mod 2027.

Hvad der skete: tre modeller på én uge

Ifølge GitHubs changelog for “Copilot weekly releases” den 10. august 2026 rullede selskabet Kimi K3 fra det kinesiske AI-selskab Moonshot AI ud til Copilot Pro, Pro+, Max, Business og Enterprise. Samme uge tilføjede GitHub MAI-Code-1.1-Flash, en model fra Microsofts egen MAI-afdeling, med native billedforståelse og forbedringer i kodekvalitet, instruktionsfølge og værktøjsbrug. Den ældre MAI-Code-1-Flash udfases helt den 10. september 2026, hvilket giver virksomheder cirka en måned til at teste den nye version, før den gamle forsvinder.

Den 14. august fulgte Grok 4.6 fra xAI. GitHub beskriver modellen som målrettet agentisk kodning og komplekse arbejdsgange i flere trin, altså opgaver hvor Copilot selv planlægger og udfører en serie af handlinger frem for at foreslå en enkelt kodelinje. Ligesom Kimi K3 ruller Grok 4.6 gradvist ud på tværs af Pro-, Pro+-, Max-, Business- og Enterprise-planerne, så ikke alle brugere ser modellen samtidig.

Sammenlagt betyder det, at Copilot-brugere nu kan vælge mellem modeller fra mindst fire forskellige leverandører: OpenAI, Anthropic, Microsoft (MAI) og nu Moonshot AI samt xAI. Det er en markant ændring fra for bare to år siden, hvor Copilot primært kørte på OpenAIs Codex-modeller alene.

Agent Plugins 1.0 bliver alment tilgængeligt

Modellerne er ikke den eneste nyhed. GitHub gjorde samtidig Agent Plugins 1.0 alment tilgængeligt på tværs af VS Code, Copilot CLI, GitHub Copilot SDK og Copilot-appen. Ideen er enkel: en plugin bygges én gang og kan derefter genbruges i alle Copilot-flader, i stedet for at udviklere skal skrive separate integrationer til hver klient. For teams der allerede har bygget interne værktøjer til Copilot, betyder det mindre vedligeholdelse fremadrettet.

GitHub har også åbnet for, at brugere kan skifte model midt i en samtale uden at forlade sessionen, herunder mellem Claude via BYOK (bring your own key) og Copilots indbyggede modeller. Det lyder som en detalje, men det ændrer arbejdsgangen for udviklere, der tidligere skulle starte forfra, hver gang de ville teste et andet svar fra en anden model.

JetBrains får Ollama som BYOK-udbyder

En anden del af opdateringen retter sig direkte mod udviklere, der ikke vil sende kode til en ekstern sky. GitHub har tilføjet støtte til Ollama som BYOK-udbyder i JetBrains-pluginnet, hvilket betyder, at man kan køre lokale modeller på egen maskine eller server og stadig bruge Copilots grænseflade ovenpå. For virksomheder med strenge krav til datahåndtering, særligt i den finansielle sektor og den offentlige forvaltning i Norden, er det en funktion, der kan afgøre, om Copilot overhovedet kommer i betragtning.

Kombinationen af cloud-modeller som Kimi K3 og Grok 4.6 på den ene side og lokale Ollama-modeller på den anden gør Copilot til en platform, der dækker et bredere spektrum af sikkerhedskrav end tidligere. Det er sandsynligvis ikke en tilfældighed, at ændringen kommer samtidig med, at flere danske og svenske virksomheder har skærpet deres interne regler for, hvor kode og data må forlade organisationen.

Hvorfor GitHub skruer op for tempoet nu

Timingen hænger sammen med et bredere kapløb blandt AI-kodeværktøjer i sommeren 2026. Anthropic sendte Claude Opus 5 i produktion den 24. juli og gjorde den til standardmodellen i Claude Code. OpenAI fulgte op den 9. juli med GPT-5.6 Sol, som Codex nu anbefaler som standard. Cursor lancerede sin Composer 2.5-opdatering tidligt i august, ifølge branchemediet Skycrumbs, og beskrev den som editorens hidtil mest omfattende opdatering. Google gjorde Gemini 3.7 Flash alment tilgængelig i samme periode med fokus på softwareudvikling og agentiske arbejdsgange.

Når fire store leverandører opdaterer deres flagskibsmodeller inden for få uger af hinanden, giver det ikke længere mening for GitHub at vente på et kvartalsvist “big bang”-event. I stedet følger Copilot nu et ugentligt udgivelsesmønster, hvor nye modeller, funktioner og fejlrettelser ruller ud løbende. Det mindsker risikoen for, at Copilot sakker bagud i benchmarks, men det stiller også større krav til IT-afdelinger, der skal holde styr på, hvilken model deres udviklere rent faktisk bruger fra uge til uge.

Markedseffekten: hvad det betyder for virksomheder

For virksomheder, der allerede betaler for Copilot Business eller Enterprise, er den umiddelbare konsekvens flere modelvalg uden en prisstigning i sig selv. Det lyder positivt, men det flytter samtidig en byrde over på interne IT- og sikkerhedsteams: nogen skal beslutte, hvilke modeller der er godkendt til hvilke typer opgaver, og hvilke der kræver ekstra databehandleraftaler, fordi de køres af en tredjepartsleverandør som Moonshot AI eller xAI.

Der er også en økonomisk dimension. Flere modelvalg betyder typisk også flere prisniveauer, og shattered.io har tidligere dækket, hvordan Copilot-regninger for enkelte teams er eksploderet fra omkring 29 dollar til over 750 dollar om måneden, når forbruget af AI-credits stiger med agentisk brug. Jo flere kraftfulde modeller der bliver tilgængelige, jo større er risikoen for, at et team utilsigtet bruger den dyreste model til opgaver, en billigere model sagtens kunne løse.

Samtidig presser udviklingen priserne nedad på den anden led. Åbne modeller som Kimi K3 er typisk billigere at køre end lukkede topmodeller, og med Copilot Free, som giver 2.000 gratis completions om måneden, sænker GitHub samtidig adgangsbarrieren for studerende og mindre virksomheder i Norden, der ikke har budget til en fuld Enterprise-aftale.

Konkurrencen: Copilot mod Cursor, Claude Code og Kiro

GitHub Copilot er stadig det mest udbredte AI-kodeværktøj målt på antal brugere, men konkurrenterne har hver deres niche. Cursor, bygget af Anysphere som en fork af VS Code, vinder typisk på selve redigeringsoplevelsen og har med Composer 2.5 skærpet sit agent-flow yderligere. Claude Code fra Anthropic dominerer terminalbaserede arbejdsgange og har med Opus 5 sat sig i front på flere benchmarks. Kiro, som tilbyder 50 gratis credits om måneden med Claude Sonnet 4.5, retter sig mod udviklere, der vil prøve agentisk kodning uden at binde sig til et betalt abonnement.

Hvor Copilot stadig har et forspring

Copilots største fordel er rækkevidde. Værktøjet understøtter VS Code, JetBrains, Xcode, Eclipse og Neovim, mens Cursor kun kører i sin egen editor. Med Agent Plugins 1.0 og den nye multi-model-adgang forsøger GitHub at gøre bredden til en reel fordel frem for bare en distributionsfordel: samme plugin, samme model-valgfrihed, uanset hvilket IDE et team allerede bruger.

Hvor konkurrenterne presser hårdest

På rene benchmarks er billedet mere blandet. På Terminal-Bench 2.1 lå GPT-5.6 Sol i “xhigh”-indstilling foran med 89,5 procent, tæt fulgt af Claude Opus 5 i “max”-indstilling med 89,1 procent, ifølge en augustopgørelse fra analysesitet NeuralCoreTech. GitHub har endnu ikke offentliggjort tilsvarende tal for, hvordan Kimi K3, MAI-Code-1.1-Flash eller Grok 4.6 klarer sig på samme benchmark inde i Copilot, hvilket gør det svært for virksomheder at vurdere, om de nye modeller reelt lukker hullet op til Claude Code og Codex.

Sammenligning: nye Copilot-modeller på en uge

ModelUdbyderDato tilføjetUnderstøttede planerSærlig funktion
Kimi K3Moonshot AI10. august 2026Pro, Pro+, Max, Business, EnterpriseÅben model-arkitektur, lavere driftsomkostning
MAI-Code-1.1-FlashMicrosoft (MAI)10.-13. august 2026Alle Copilot-planerNative billedforståelse, bedre instruktionsfølge
Grok 4.6xAI14. august 2026Pro, Pro+, Max, Business, EnterpriseAgentisk kodning i flere trin
MAI-Code-1-FlashMicrosoft (MAI)Udfases 10. september 2026Erstattes af 1.1-FlashUdgår som forgænger
Ollama (BYOK)Lokal/selvhostetAugust 2026 (JetBrains)JetBrains-pluginKører helt lokalt, ingen cloud-afsendelse

Prisniveauer og gratis adgang på tværs af værktøjer

Prisbilledet i august 2026 viser en klar todeling. De etablerede leverandører holder fast i lag-baserede abonnementer, mens flere konkurrenter presser på med gratis eller meget billige indgangsniveauer for at vinde nye brugere, før de opgraderer til betalte planer.

VærktøjUdviklerGratis niveauNyeste model tilføjet
GitHub CopilotMicrosoft/GitHubCopilot Free: 2.000 completions/mdKimi K3, Grok 4.6, MAI-Code-1.1-Flash
CursorAnysphereHobby-plan, intet betalingskort krævetComposer 2.5
Claude CodeAnthropicIngen fast gratis planClaude Opus 5 (24. juli 2026)
Kiro–50 credits/md med Claude Sonnet 4.5–
Gemini (API)GoogleIntroduktionspris via APIGemini 3.7 Flash

Historisk kontekst: fra autocomplete til agentisk kodning

Da GitHub Copilot blev lanceret som teknisk preview i 2021, var det i praksis et avanceret autocomplete-værktøj bygget på en tidlig version af OpenAIs Codex. Værktøjet foreslog enkelte linjer eller korte funktioner, og udvikleren skulle stadig selv styre hele arbejdsgangen. I 2023 og 2024 kom chatbaserede funktioner til, og fra 2025 begyndte “agent mode” at brede sig, hvor Copilot selv kunne læse flere filer, foreslå ændringer på tværs af et helt repository og køre kommandoer.

Sommeren 2026 markerer et nyt trin i den udvikling: fra ét-model-værktøj til en platform, hvor brugeren frit vælger mellem modeller fra flere konkurrerende leverandører inde i samme grænseflade. Det ligner den udvikling, browsere gennemgik med søgemaskine-valg for tyve år siden, blot anvendt på AI-modeller i stedet for søgeresultater. Forskellen er, at valget her har direkte konsekvens for både kodekvalitet, pris og hvor data bliver behandlet.

Sikkerhed: hvad multi-model-adgang betyder for kode og data

Jo flere modelleverandører der er koblet på Copilot, jo flere steder kan kildekode og prompt-data i princippet flyde igennem. GitHub har forsøgt at imødegå det med BYOK-funktionen, som gør det muligt for virksomheder selv at styre nøgler og dataflow til modeller som Claude og nu også lokale Ollama-modeller. Men for modeller som Kimi K3 og Grok 4.6, der kører via Copilots egen infrastruktur, skal virksomheder stadig forholde sig til, hvor Moonshot AI og xAI behandler data, og om det er foreneligt med GDPR og branchespecifikke krav i Danmark, Sverige, Norge og Finland.

Sikkerhedsansvarlige bør som minimum gennemgå, hvilke af de nye modeller der er aktiveret som standard i deres organisations Copilot-politik, og om det kræver en opdateret databehandleraftale. Det er en opgave, der let overses, når nye modeller ruller ud automatisk som en del af en ugentlig opdatering frem for en synlig produktlancering.

Sådan skifter du model i Copilot

For udviklere, der vil teste de nye modeller, sker modelvalget typisk direkte i chatpanelet i VS Code eller JetBrains, hvor en dropdown-menu viser de modeller, organisationens administrator har aktiveret. Via Copilot CLI kan modellen også angives eksplicit ved opstart af en session, som i eksemplet herunder.

# Start en Copilot CLI-session med en specifik model
copilot chat --model grok-4.6

# Skift model midt i en igangværende session uden at miste kontekst
/model kimi-k3

# List hvilke modeller din organisation har aktiveret
copilot models list

Bemærk, at kommandonavnene kan variere afhængigt af, hvilken version af Copilot CLI en organisation kører, og at adgang til den enkelte model afhænger af, hvilken plan og hvilke administratorindstillinger der er sat op centralt.

Hvad det betyder for danske og nordiske virksomheder

Norden har historisk været blandt de mest Copilot-tunge markeder i Europa målt på andel af udviklere, der bruger et AI-kodeværktøj dagligt. Den nye model-mangfoldighed rammer derfor bredt, fra store banker og teleselskaber med skrappe compliance-krav til mindre softwarehuse, der primært vil have den billigste model, der stadig leverer brugbar kode. BYOK-støtten til Ollama er særligt relevant for offentlige institutioner, hvor krav om, at kildekode ikke må forlade landets grænser eller EU, ofte har været en barriere for at tage Copilot i brug fuldt ud.

Samtidig betyder den hurtigere udgivelsestakt, at nordiske IT-afdelinger må omstille sig til løbende governance frem for engangsgodkendelser. En model, der blev godkendt til brug i juni, er ikke nødvendigvis den samme model, udviklerne rent faktisk bruger i august, medmindre organisationen aktivt følger med i GitHubs ugentlige changelog.

Fem forudsigelser for resten af 2026

  • Flere åbne modeller kommer til Copilot. Efter Kimi K3 er det sandsynligt, at GitHub tilføjer yderligere open-weight-modeller som GLM eller DeepSeek-varianter for at presse prisen på tokens ned.
  • Benchmark-tal for de nye modeller offentliggøres. Presset fra uafhængige analysesider som NeuralCoreTech og DigitalApplied vil sandsynligvis tvinge GitHub til at dele egne tal for, hvordan Kimi K3, MAI-Code-1.1-Flash og Grok 4.6 klarer sig inde i Copilot specifikt.
  • Flere virksomheder indfører interne model-politikker. I takt med at antallet af tilgængelige modeller vokser, vil flere virksomheder oprette godkendelseslister over, hvilke modeller medarbejdere må bruge til hvilke opgaver.
  • BYOK og lokale modeller vinder frem i regulerede brancher. Finans, sundhed og offentlig forvaltning i Norden vil i stigende grad kræve Ollama-lignende løsninger frem for ren cloud-adgang.
  • Konkurrenterne svarer igen med egne multi-model-strategier. Cursor og Claude Code har hidtil været tættere knyttet til få modelleverandører, men presset fra Copilots bredde kan tvinge dem til at åbne op for flere tredjepartsmodeller.

Ofte stillede spørgsmål

Hvornår kom Kimi K3, MAI-Code-1.1-Flash og Grok 4.6 til GitHub Copilot?

Kimi K3 og MAI-Code-1.1-Flash blev rullet ud fra den 10. august 2026, mens Grok 4.6 fulgte den 14. august 2026, ifølge GitHubs eget changelog for ugentlige Copilot-udgivelser.

Koster de nye modeller ekstra oveni et eksisterende Copilot-abonnement?

De nye modeller er inkluderet i eksisterende Pro-, Pro+-, Max-, Business- og Enterprise-planer uden en separat opgradering, men forbrug af AI-credits kan stige, hvis man bruger de mest kraftfulde modeller til agentiske opgaver med mange trin.

Hvad er forskellen på Kimi K3 og Grok 4.6 i Copilot?

Kimi K3 er en åben model fra Moonshot AI, som typisk er billigere at køre. Grok 4.6 fra xAI er positioneret specifikt til agentisk kodning og komplekse arbejdsgange med flere trin, ifølge GitHubs egen beskrivelse.

Hvad betyder Agent Plugins 1.0 for udviklere?

Agent Plugins 1.0 gør det muligt at bygge en plugin én gang og bruge den på tværs af VS Code, Copilot CLI, GitHub Copilot SDK og Copilot-appen, i stedet for at skulle vedligeholde separate integrationer til hver enkelt flade.

Kan man køre GitHub Copilot helt lokalt uden cloud-modeller?

Med den nye Ollama BYOK-støtte i JetBrains kan man køre lokale modeller på egen maskine eller server og stadig bruge Copilots grænseflade ovenpå, hvilket er relevant for organisationer med strenge krav til, hvor kildekode må behandles.

Hvornår udgår MAI-Code-1-Flash helt?

GitHub har meldt, at den ældre MAI-Code-1-Flash udfases den 10. september 2026 og erstattes fuldt ud af MAI-Code-1.1-Flash.

Er Copilots nye modeller bedre end Claude Opus 5 eller GPT-5.6 Sol?

Det er endnu uklart. På Terminal-Bench 2.1 lå GPT-5.6 Sol (xhigh) foran med 89,5 procent og Claude Opus 5 (max) med 89,1 procent i august 2026, men GitHub har ikke offentliggjort tilsvarende benchmark-tal for Kimi K3, MAI-Code-1.1-Flash eller Grok 4.6 inde i Copilot.

Skal virksomheder opdatere deres databehandleraftaler efter opdateringen?

Det anbefales at gennemgå, hvilke af de nye modeller der er aktiveret som standard, og om brug af leverandører som Moonshot AI eller xAI kræver en opdateret databehandleraftale i henhold til GDPR og interne compliance-krav.

Kilder: GitHub Changelog, Releasebot, DigitalApplied AI Model Tracker, Google AI for Developers, NeuralCoreTech.