Giskard
Giskard er et verktøy for å evaluere kvalitet og sikkerhet i språkmodeller, RAG-systemer og AI-agenter. Python-biblioteket kan skanne etter sårbarheter og kjøre atferdstester lokalt, mens Giskard Hub samler red-team-scenarier, flertrinnsangrep, rapporter, integrasjoner og tilgangsstyring. Grunnbiblioteket er gratis; Enterprise-prisen oppgis etter en demonstrasjon.
Giskard kombinerer åpen kildekode for evaluering med Hub-plattformen for red teaming av AI-agenter. Gratisutgaven kjøres lokalt, mens Enterprise har flere angrep, samarbeid, rapporter og datalokasjon med pris etter avtale.
Giskard ble grunnlagt i 2021 som et åpen kildekode-prosjekt for testing av maskinlæringsmodeller. Selskapet lanserte versjon 3 av biblioteket i april 2026 med agentiske evalueringer og red teaming, og Hub 3.0 kom i september 2026. Release-notatene viser løpende oppdateringer gjennom september og oktober 2026, så tjenesten fremstår aktiv ved redaksjonens dato.
Utviklere kan bruke Python-biblioteket til kvalitetsskanning, sårbarhetsskanning og atferdskontroller. I Hub beskriver du agentens JSON-grensesnitt og setter opp scenarier som undersøker prompt injection, jailbreak, sensitive opplysninger, skadelige svar, hallusinasjoner, RAG-problemer og verktøykall. Hub 3.0 støtter flertrinnsangrep, over 20 kontroller og en egen LLM-dommer, ifølge lanseringsnotatet for Hub 3.0.
Forskjellen fra en ren innholdsfiltertjeneste er at Giskard forsøker å teste hele agentens oppførsel og kvalitet, ikke bare klassifisere ett svar. Enterprise-utgaven legger til datasett, integrasjoner, SSO, RBAC, revisjonsspor, kontinuerlig testing, hybrid- og on-premise-drift samt valg av datalagring. Den åpne utgaven er nyttig for utviklere, men krever Python, API-nøkler og egen tolkning av resultatene.
Personvern og sikkerhetsløfter må vurderes mot oppsettet. Dokumentasjonen sier at kjøringen kan bruke den valgte LLM-leverandøren, og at en ren skanning ikke er en uttømmende sikkerhets- eller samsvarsvurdering. Enterprise-siden oppgir blant annet europeisk og amerikansk datalagring, kryptering og en null-trening-policy. Les dokumentasjonen om sårbarhetsskanning, guiden vår om AI for sårbarhetsskanning, guiden om beste AI-sikkerhet, guiden om AI-personvern for bedrifter og kategorien sikkerhet og personvern. Prisene står på Giskards prisside.
Nøkkelfunksjoner
- Python-bibliotek for kvalitetsevaluering og sårbarhetsskanning
- Red teaming av prompt injection og jailbreak
- Tester for hallusinasjoner, RAG og skadelig innhold
- Flertrinnsscenarier mot AI-agenter
- Validering av verktøykall og agentatferd
- Datasett, LLM-dommer og sammenlignbare rapporter
- Hub med SSO, RBAC, revisjonsspor og integrasjoner
- SaaS, hybrid, privat sky og on-premise-alternativer
Hvem passer det for
Giskard passer for team som vil samle kvalitetstesting og AI-sikkerhet i samme arbeidsflyt, særlig når de har Python-kompetanse og egne agent- eller RAG-løsninger. Hub er mest relevant for virksomheter som trenger samarbeid, rapportering og kontroll på datalokasjon.
Prising
- Open source: Gratis — Python-bibliotek med lokal sårbarhetsskanning, grunnleggende evalueringsfunksjoner og fellesskapsstøtte.
- Enterprise: Pris etter avtale — Flere prober, flertrinnsangrep, kvalitetsevaluering, integrasjoner, SSO/RBAC og valgfri dataløsning.
Gratisnivå: Giskards åpne Python-bibliotek kan brukes gratis lokalt. Det gir grunnleggende skanning og evalueringsfunksjoner; Hub-funksjoner som utvidede prober, teamstyring og support ligger i Enterprise. Prisene er hentet fra leverandørens prisside i oktober 2026 og endrer seg ofte — sjekk alltid hos leverandøren før du kjøper.
Norsk språkstøtte
Dokumentasjon, Hub og Python-grensesnitt er på engelsk. Giskard oppgir ikke en egen norsk språkpakke eller en norsk kvalitetstest; norske prompter avhenger av LLM-en og dommeren som brukes. Hvilken leverandør som mottar testdata, og hvor data behandles, avhenger av bibliotekets og Hubs konfigurasjon.
Fordeler
- Gratis åpen kildekode for lokal testing
- Kombinerer kvalitets- og sikkerhetsevaluering
- Hub 3.0 støtter flertrinnsagenttester
- Flere driftsformer og Enterprise-kontroller
Ulemper
- Krever Python, modelltilgang og teknisk konfigurasjon
- Skanning er ikke en full sikkerhets- eller samsvarsgaranti
- Enterprise-pris krever kontakt med leverandøren
- Norsk grensesnitt og norsk testkvalitet er ikke dokumentert
Bunnlinje
Giskard er interessant når en virksomhet vil teste både om en AI-agent svarer riktig og om den tåler målrettede angrep. Open source gjør det mulig å starte lokalt, mens Hub dekker styring og samarbeid, men den kommersielle kostnaden og kvaliteten på norske tester må avklares.
Kilder
Ofte stilte spørsmål om Giskard
Hva er Giskard?
Giskard er en plattform og et åpen kildekode-bibliotek for å evaluere kvalitet, sikkerhet og oppførsel i språkmodeller, RAG-løsninger og AI-agenter. Det kan lete etter blant annet hallusinasjoner, prompt injection, datalekkasjer og feil i verktøykall.
Er Giskard gratis?
Ja, Python-biblioteket er gratis og åpen kildekode. Det gir lokal grunnskanning og evaluering. Giskard Hub Enterprise har flere prober, flertrinnsangrep, teamfunksjoner, rapportering og støtte, men leverandøren oppgir ikke en fast offentlig pris.
Kan Giskard teste norske AI-løsninger?
Det kan brukes med norske prompter dersom modellen og oppsettet håndterer norsk, men Giskard dokumenterer ikke en egen norsk språkpakke eller garantert dekning. Resultatene påvirkes også av språkmodellen som brukes som dommer og av hvilke angrepsscenarier du konfigurerer.
Er en god Giskard-skår en sikkerhetsgaranti?
Nei. Dokumentasjonen beskriver skanningene som et testverktøy, ikke som en uttømmende sikkerhets- eller samsvarsvurdering. En god skår sier bare noe om testene og scenariene som faktisk ble kjørt; teamet må fortsatt gjøre egne gjennomganger og følge opp funnene.
Hvor behandles data i Giskard?
Det avhenger av utgaven og konfigurasjonen. Open source kan kjøres lokalt, mens Enterprise oppgir valg mellom SaaS, privat sky, hybrid og on-premise samt europeisk eller amerikansk datalagring. Testdata kan også sendes til den LLM-leverandøren som er konfigurert for evalueringen.