WCAG 2.2 Framgångskriterium 1.1.1 har inte förändrats sedan 2008. Varje icke-textbild som förmedlar mening behöver ett textalternativ; varje dekorativ bild måste markeras som dekorativ. Vad som har förändrats, mellan den version av den här artikeln vi skulle ha skrivit 2022 och den version vi skriver i maj 2026, är att generera en plausibel mening från en pixelmatris inte längre är flaskhalsen. Att generera en mening som är korrekt, kontextuellt lämplig och fri från fabricerade detaljer är det fortfarande.

Förändringen har betydelse eftersom de flesta CMS-plattformar i produktion 2026 levereras med en “auto-alternativtext”-knapp. Knappen anropar en synspråksmodell bakom ett leverantörs-API och skriver resultatet direkt in i alt-attributet. Tillgänglighetskonsekvensen är direkt: om knappen har rätt är en bild som tidigare levererades med en tom alt nu beskriven för en skärmläsaranvändare. Om knappen har fel får skärmläsaranvändaren en säkert formulerad mening om något som inte finns i bilden.

Den här primern är för de ingenjörer som äger den knappen. Den kartlägger de fem synmodeller som står för den överväldigande majoriteten av leverantörsintegrationer 2026, testar var och en mot de fyra kanoniska bildkategorierna, dokumenterar de återkommande felmönsterna och avslutar med ett hybridarbetsflöde som vi anser är det enda försvarliga standardalternativet tills det underliggande beteendet förändras.

Fem synspråksmodeller dominerar de integrationer vi ser i produktion: två slutna frontmodeller (GPT-4o vision, Claude 3.7 Sonnet vision), en sluten modell som används i stor utsträckning i Google-produkter och nedströmstillägg till Workspace (Gemini 2.0) och två öppenviktsmodeller som levereras i självhostade CMS-plugins där dataresidensskäl utesluter de slutna API:erna (Llama-Vision-3, Pixtral). Var och en har en distinkt profil i fyrkategoristestet nedan.

Kombinationskorten här fångar det praktiska beteende vi observerade över ungefär 600 testbilder i mars och april 2026, inte marknadsföringspåståendena. Kostnader är per bild vid typisk upplösning från maj 2026 och exkluderar leverantörspålägg.

WCAG:s beslutsträdsguide för icke-textinnehåll reduceras i praktiken till fyra kategorier: informativa foton (en person, en scen, ett objekt som förmedlar mening); diagram och grafik (ett stapeldiagram, ett flödesschema, en annoterad karta); skärmdumpar och UI (en instrumentpanel, ett feltillstånd, en inställningspanel); och dekorativ (en hjältegradient, en avdelare, ett stockillustrativt fyllnadselement). Vi satte samman ett 600-bildstestset med 150 bilder per kategori från sammanhang inom funktionshindernyheter, välgörenhetsrapporter, programvarudokumentation och redaktionellt fyllnadsmaterial. Varje modell producerade en alt-kandidat per bild; tre mänskliga granskare märkte varje kandidat som godkänd, redigering behövs eller avvisad. Matrisen nedan rapporterar godkännandefrekvensen.

Siffrorna är inte utformade för att kröna en vinnare. De är utformade för att tala om vilken kategori som är den riskablaste platsen att leverera en AI-kandidat utan granskning.

Aggregerade godkännandefrekvenser döljer feltexturen. Vid genomgång av de avvisade kandidaterna i testuppsättningen återkommer fyra felmoder med tillräcklig regelbundenhet för att de ska stå för den stora majoriteten av missarna. Vi namnger dem här så att varje redaktör som granskar AI-output vet vilka mönster man ska leta efter först.

Att behandla AI-alternativtext som antingen “helt automatiserad” eller “oansvarig” är en falsk dikotomi. Siffrorna kategori för kategori säger något mer användbart: AI-kandidater är användbara som ett första utkast i fotocolumnen och som en avslagskälla i diagramkolumnen, och de utgör en aktiv risk i den dekorativa kolumnen om inte arbetsflödet har en explicit “markera som dekorativ”-funktion. Det rätta standardalternativet är ett hybridsystem, och stegen nedan är det hybrid vi rekommenderar.

Rubriken på den här primern, ärligt formulerad, är att synspråksmodeller 2026 nu är ett användbart första utkast för fotocolumnen och en användbar avslagskälla för diagramkolumnen, och att de två fakta tillsammans implicerar ett hybridarbetsflöde snarare än ett helt automatiserat. Ribban rörde sig meningsfullt mellan 2022 och 2026 — godkännandefrekvenserna på informativa foton är nu i de höga sextiotalen för de bästa slutna modellerna, där de 2022 låg närmre de låga trettiotalen. Golvet rörde sig inte. Rörlighetsstöd felidentifieras fortfarande, ASL blir fortfarande “gestikulerar” och dekorativa bilder får fortfarande en mening när de behöver tystnad.

Tillgänglighetskonsekvensen är att rätt standard för alla CMS som levererar en “auto-alternativtext”-knapp 2026 inte är “tryck på knappen och publicera”. Det är “tryck på knappen för att utkasta, granska sedan innan publicering”. Något striktare än det levererar fabricerade detaljer till de läsare som direkt är mest beroende av att textalternativet är korrekt. Något lösare än det — att ignorera AI helt — lämnar de 41% av bilderna med tomma alt-attribut oadresserade när ett utkast hade kunnat hjälpa.

Vi kommer att köra om den här matrisen i november 2026. Om diagramkolumnen har rört sig över 60% godkännandelinje, kommer hybridarbetsflödet att strammas åt. Tills dess utkastas av knappen, publiceras av redaktören.