Derfor gik ChatGPT, Claude og Grok ned samtidig – men ikke nødvendigvis af samme grund

Det korte svar er, at ChatGPT, Claude og Grok havde overlappende driftsforstyrrelser den 3. september 2026, men at det ikke er dokumenteret, at de alle fejlede af samme årsag.

Grok-operatøren knyttede sin hændelse til et nedbrud i et computercenter i Memphis. OpenAI forklarede derimod problemerne med ChatGPT og Codex med en separat routingfejl. Anthropic omtalte Claudes fejl som et infrastrukturproblem, men oplyste ikke, hvilken komponent der svigtede. 3540

Det, der faktisk er bekræftet

Grok blev ramt af problemer efter et nedbrud i operatørens computercenter i Memphis. Virksomheden undskyldte også over for berørte, men ikke navngivne, "compute partners". Ifølge de rapporterede statusoplysninger begyndte Groks nedbrud omkring kl. 6.30 amerikansk stillehavstid og varede cirka tre en halv time. 40

For ChatGPT og Codex var forklaringen en anden. OpenAI oplyste, at en routingfejl startede omkring kl. 7.43 amerikansk stillehavstid og gjorde tjenesterne utilgængelige for nogle brugere på tværs af platforme. En løsning var implementeret omkring kl. 8.17. 35

Claude oplevede også forhøjede fejlrate. Hændelsen varede 3 timer og 6 minutter, og Anthropic beskrev den som et infrastrukturproblem, der ramte Claude-tjenester. Men den offentligt tilgængelige rapportering identificerer hverken den konkrete fejlramte komponent eller en afhængighed af Memphis-anlægget. 3545

Det er den afgørende skelnen:

• Bekræftet: Grok var påvirket af nedbruddet i computercentret i Memphis. 40
• Bekræftet: Claude havde en infrastrukturrelateret driftsforstyrrelse. 3545
• Ikke bekræftet: At Claudes nedbrud skyldtes eller gik gennem anlægget i Memphis.

Tidsforløbene overlappede, men var ikke ens

Det giver mening at omtale forløbet som en periode, hvor flere store AI-tjenester svigtede på samme tid. Men betegnelsen må ikke forveksles med et fem timer langt, totalt nedbrud hos alle leverandørerne.

De tilgængelige rapporter placerer Claudes første forhøjede fejlrate omkring kl. 6.23 amerikansk stillehavstid, Groks hændelse omkring kl. 6.30 og ChatGPTs routingfejl kl. 7.43. Claude var gendannet kl. 9.16, mens Groks rapporterede afbrydelse varede cirka tre en halv time. 354045

Konsekvensen kunne alligevel være mærkbar: Brugere kunne samtidig miste adgang til chat, model-API'er, kodeværktøjer og AI-understøttede arbejdsgange. Den oplagte nødplan – at skifte fra én fremtrædende modelleverandør til en anden – virkede derfor dårligere i overlapperioden. 3538

Blev Claude ramt af Memphis-fejlen?

Teorien er forståelig. Groks operatør sagde, at Memphis-hændelsen også påvirkede uspecificerede compute-partnere, og Claude havde et infrastrukturproblem i omtrent samme tidsrum. 4045

Men sammenfald i tid er ikke i sig selv bevis for årsag. Operatøren navngav ikke offentligt Anthropic eller Claude blandt partnerne i den foreliggende rapportering, og Anthropic pegede ikke på Memphis som kilden til sit nedbrud.

Derfor er den korrekte konklusion fortsat, at en fælles Memphis-afhængighed for Claude og Grok er mulig, men udokumenteret.

Azure og Cloudflare er ikke endeligt frikendt

De offentlige oplysninger giver ikke grundlag for at fastslå, at Azure eller Cloudflare definitivt var "udelukket". Det mere præcise er, at de rapporterede forklaringer pegede et andet sted hen: OpenAI angav en routingfejl, og Groks operatør angav Memphis. 3540

Ingen af de foreliggende kilder identificerer et bredt nedbrud hos Azure eller Cloudflare som årsag. Det gør et enkelt, leverandørdækkende svigt mindre sandsynligt, men udelukker ikke indirekte eksponering gennem eksempelvis regional netværkstrafik, DNS, login- og identitetstjenester, transitforbindelser, kapacitet eller andre fælles underleverandører.

Læren: Flere AI-leverandører er ikke nødvendigvis reel redundans

Hændelsen viser, at en liste over modelleverandører ikke i sig selv er en beredskabsplan. Tjenester, som for kunden ser uafhængige ud, kan dele fysiske datacentre, regioner, netværksveje, autentificering, modelhosting, hardware eller driftsleverandører.

Risikoen bliver større, når AI indgår i drift frem for blot at blive brugt til enkeltstående chat. Et utilgængeligt modelkald kan bremse køer, værktøjskald, godkendelser, kundeserviceforløb, kodepipelines og overvågning. Genopretningen kan også skabe nye fejl, hvis gentagne forsøg udløser den samme eksterne handling to gange eller mister den nødvendige tilstand undervejs.

Sådan bør virksomheder teste robusthed mod AI-nedbrud

Organisationer, der bruger AI i produktion, bør afprøve mindst disse scenarier:

1. Totalt leverandørsvigt: Model-API'er og chatgrænseflader er utilgængelige.
2. Delvis forringelse: Højere fejlrate, forsinkelse, afbrudt streaming eller manglende værktøjer.
3. Fejl i login og netværk: Problemer med autentificering, DNS, routing eller regional adgang.
4. Korrelerede fejl: To eller flere angiveligt uafhængige leverandører fejler i samme tidsrum.
5. Risici ved genopretning: Køer, genforsøg, værktøjskald og godkendelser skal fortsætte uden dublerede handlinger eller tab af tilstand.

Testene bør måle genopretningstid, håndtering af ophobet arbejde, menneskelig overtagelse, datakonsistens og idempotens – altså om en handling kan gentages uden utilsigtet at skabe en ekstra effekt.

Mere detaljerede tekniske hændelsesrapporter fra leverandørerne ville gøre vurderingen stærkere. De bør klart skelne mellem tidslinje, berørte komponenter og regioner, rodårsag, afhjælpning og forebyggende tiltag. For 3. september er der nok offentlig dokumentation til at skelne Groks rapporterede Memphis-fejl fra ChatGPTs routingfejl. Der er ikke nok til at bevise, at Claude delte Memphis-afhængigheden, eller til at kortlægge de dybere infrastrukturelle forbindelser bag overlapningen. 354045