ChatGPT-störningen den 23 juli – vad gick fel?

Kort svar

Störningen torsdagen den 23 juli 2026 var ett verkligt avbrott hos OpenAI där förhöjda felfrekvenser påverkade ChatGPT, Codex och OpenAI:s API. Den mest precisa beskrivningen är försämrad funktion eller ett partiellt avbrott – inte att ChatGPT bekräftat låg nere för alla användare världen över. 3029

Vad hände den 23 juli?

Användare rapporterade att förfrågningar misslyckades, fastnade eller inte gick att skicka. Vissa kunde inte heller läsa in tidigare konversationer. Problemen förekom i både webb- och mobilversionerna av ChatGPT, samtidigt som Codex och OpenAI:s API fanns med bland de berörda tjänsterna. 222932

OpenAI beskrev incidenten som ”elevated error rates”, alltså förhöjda felfrekvenser. Formuleringen är viktig: den betyder att ovanligt många anrop misslyckades, men inte att tjänsten var helt otillgänglig för samtliga användare, abonnemang eller regioner. 30

En driftvarning från University of Colorado, som följde störningen för sina användare, uppgav att OpenAI arbetade tillsammans med en underliggande infrastrukturoperatör för att återställa tjänsten. Lärosätet meddelade att tjänsterna hade återhämtat sig tidigare den 23 juli, medan OpenAI:s egen incidentlogg fortsatte att övervaka återställningen in på följande dag. 2930

Hur omfattande var problemen?

Downdetector-relaterad rapportering visade över 300 användarrapporter strax före klockan 15 den 23 juli. Nästan 90 procent av klagomålen gällde ChatGPT. 22

Siffran ska dock inte tolkas som det totala antalet avbrott eller misslyckade förfrågningar. Driftövervakningstjänster räknar personer som själva skickar in rapporter, vilket påverkas av bland annat hur väl problemet uppmärksammas, var användarna befinner sig och hur synligt felet är. OpenAI:s tekniska beskrivning – förhöjda felfrekvenser – säger därför mer om incidentens omfattning än det råa antalet rapporter ensamt. 2230

Källorna visar att både ChatGPT och närliggande OpenAI-tjänster påverkades, men de bevisar inte att varje användare, abonnemangsnivå eller geografiskt område drabbades på samma sätt. Därför är ”partiellt avbrott” eller ”försämrad funktion” mer korrekt än att säga att ChatGPT låg helt nere.

Hur agerade OpenAI?

OpenAI:s statusuppdateringar följde den vanliga ordningen vid en teknisk incident:

1. Företaget började utreda problemet i de berörda tjänsterna.
2. Förhöjda felfrekvenser identifierades och en åtgärd togs fram.
3. Åtgärden infördes och återhämtningen övervakades.
4. Incidenten markerades slutligen som löst klockan 19.33 UTC fredagen den 24 juli, då de berörda tjänsterna uppgavs vara helt återställda. 30

Tidslinjen såg inte exakt likadan ut i alla rapporter. University of Colorado uppgav att en lösning hade återställt ChatGPT, OpenAI:s API och Codex klockan 15.36 den 23 juli. OpenAI:s statuslogg behöll däremot incidenten under längre återhämtningsövervakning. 2930 Det kan bero på ojämn återhämtning, olika rapporteringstillfällen eller att OpenAI fortsatte övervakningen efter att tjänsterna blivit användbara för många kunder. Det offentliga materialet räcker inte för att avgöra vilken förklaring som är den rätta.

OpenAI publicerade inte heller någon detaljerad teknisk grundorsak i de tillgängliga uppdateringarna. Hänvisningen till en underliggande infrastrukturoperatör i universitetets varning ger en ledtråd om sammanhanget, men ska inte ses som en fullständig förklaring till vad som orsakade felet. 29

Jämförelse med avbrottet den 25 juli

Störningen den 23 juli var inte en isolerad händelse. Bara två dagar senare drabbades ChatGPT, Codex och OpenAI:s API återigen av förhöjda felfrekvenser. Användare beskrev otillgängliga konversationer, fastnade promptar och 503-fel – däribland ett internt felmeddelande som hindrade förfrågningar från att nå OpenAI:s servrar. The Next Web beskrev det som företagets fjärde tjänstestörning på fyra dagar. 7

Annan rapportering beskrev den 25 juli som ett bredare globalt avbrott. Användare i flera länder uppgav att de inte kunde läsa in konversationer, komma åt sparad historik eller köra promptar. 315

Skillnaden mellan datumen är viktig: den 23 juli handlade det om en betydande, men inte nödvändigtvis allomfattande, försämring. Den 25 juli kom rapporter om ett bredare och mer synligt fel som slog mot både konsumenttjänster och utvecklarverktyg.

Hur stod sig juli jämfört med april?

Störningen den 20 april rapporterades också mer omfattande. Moneycontrol hänvisade till över 1 720 Downdetector-rapporter om gateway-fel, inloggningsproblem och konversationer som inte gick att läsa in. TechRadar rapporterade samtidigt att OpenAI klassade händelsen som ett partiellt avbrott som varade i minst 90 minuter. 1112

Rapporteringen från den 20 april beskrev dessutom problem med projekt och i vissa fall pågående arbete. En åtgärd sattes in omkring klockan 13 östkusttid i USA, varefter återhämtningen övervakades. 14

Den tydligaste jämförelsen gäller därför mönstret och synligheten: den 20 april var ett större och kraftigt rapporterat ChatGPT-avbrott, medan slutet av juli präglades av återkommande incidenter i ChatGPT, Codex och API-tjänsten under flera dagar. Källorna visar inte att alla händelser hade samma tekniska orsak.

Vad betydde avbrottet för arbetsplatser?

För privatpersoner märktes problemen främst genom misslyckade promptar, laddningsfel och otillgängliga konversationer. För företag och arbetsgrupper kan konsekvenserna ha blivit större än ett tillfälligt fel i ChatGPT-gränssnittet. Organisationer som använder API:t eller Codex kan ha fått misslyckade automatiseringar, försenade jobb, avbrutna utvecklarflöden eller köer i system som är beroende av svar från OpenAI.

Säkerhets- och plattformsguidance efter juliincidenterna uppmanade team att kontrollera om API-beroende system hade drabbats av tysta fel, köad arbetsbelastning eller synliga felmeddelanden. Team med autonoma eller flerstegsbaserade arbetsflöden behövde också kontrollera att uppgifter stoppades på ett säkert sätt i stället för att avbrytas mitt i ett förlopp. 6

Den exakta kostnaden för företag har inte offentliggjorts. Det finns inget tillförlitligt underlag i källorna för en uppskattning i kronor eller dollar, och den operativa effekten varierar beroende på organisation, arbetsbelastning och möjligheter till reservlösningar.

För verksamheter som är beroende av OpenAI-tjänster väcker incidenten flera praktiska frågor:

• Försöker systemet igen med ökande väntetid, utan att skapa dubbla jobb?
• Kan applikationen skilja på ett tillfälligt leverantörsfel och ett färdigt svar?
• Går köade jobb att följa upp när API:t fungerar sämre?
• Kan användare växla till en dokumenterad reservlösning när ChatGPT eller Codex inte är tillgängligt?
• Avslutas flerstegs- och autonoma arbetsflöden på ett säkert sätt om de avbryts mitt i en uppgift? 6

Varför intresserade sig prediction markets?

De upprepade störningarna i juli väckte även intresse på så kallade prediction markets, marknadsplatser där deltagare handlar på utfall. Vissa kontrakt definierade ett avbrott utifrån om OpenAI officiellt klassade en viss dag som ett partiellt eller fullständigt avbrott. 18 Andra följde hur många avbrottsdagar ChatGPT kunde få under juli. 20

Marknaderna är en signal om det offentliga intresset för driftsäkerhet hos AI-tjänster. Däremot är priserna inte bevis för orsaken, allvaret eller den framtida sannolikheten för ett avbrott. De speglar handelsbeteende och formuleringen i varje enskilt kontrakt – inte en oberoende mätning av tjänstens tillförlitlighet.

Slutsats

ChatGPT-incidenten den 23 juli var en verklig störning som påverkade ChatGPT, Codex och OpenAI:s API. Det starkaste underlaget talar dock för förhöjda felfrekvenser och försämrad funktion, snarare än ett totalt globalt avbrott. Över 300 användarrapporter fångade den synliga påverkan, medan OpenAI:s statuslogg gick från utredning till åtgärd och övervakning innan incidenten markerades som löst klockan 19.33 UTC den 24 juli. 2230

Den större betydelsen ligger i mönstret runt händelsen. Den 23 juli följdes av ett nytt större avbrott den 25 juli, samtidigt som april redan hade visat hur problem hos ChatGPT kan påverka konversationer, projekt och arbete som är beroende av API:t. För företag som använder AI i produktion är lärdomen därför större än en enskild avbrottssiffra: bygg in övervakning, återförsök, säker felhantering och fungerande reservlösningar.