Thayers greske leksikon, gjenoppbygd fra sideskanningene fra 1889 – verifisert oppslagsord for oppslagsord mot siden

Kort svar: Thayers gresk-engelske leksikon (1889 Corrected Edition) er falt i det fri, men hver eneste åpne digitale kopi har informasjonstap. De fleste stammer fra én defekt transkripsjon; de som ikke gjør det, har tap på sine egne måter. Publifye gjenoppbygde det fra sideskanningene: 716 sider, 5,870 oppslagsord, transkribert to ganger og kollasjonert med 98,91 % samsvar over 856 793 tokens, omtvistede steder avgjort mot sidebildene, og en annen, ubeslektet modellfamilie kjørt over det som et uavhengig vitne. Det er tilgjengelig i Darash.

Thayers gresk-engelske leksikon har vært falt i det fri i over et århundre, og vi kunne ikke finne noen førsteklasses digital tekst av det noe sted i det åpne rommet. Vi formulerer det bevisst slik – det er en påstand om et dokumentert søk, ikke et bevis på fravær. Vi finkjemmet ethvert naturlig habitat før vi startet – bibelapp-økosystemet, kommersiell bibelprogramvare, open data-miljøet på GitHub, europeisk forskning, Perseus, forskningsbibliotekene, Wikisource – og dokumenterte hvorfor hver enkelt kandidat sviktet.

Feilene har et fingeravtrykk. Vi tester hver kandidat på ett oppslagsord, βάπτισμα, mot den trykte siden, som lyder …Acts i. 22; x. 37; xviii. 25; [xix. 3]…. Hvert eneste åpne, nedlastbare Thayer-datasett vi testet, gjengir det som Acts 18:25; (); – referansen i klammer er utelatt, og tegnsettingen står foreldreløs igjen. Den feilen ble begått én gang, for tiår siden, og datasettene som fører den videre, er de folk laster ned i dag. Det er ikke et flisespikkeri om formatering: Thayer bruker hakeparenteser for å markere sine egne tilføyelser til Grimm, så en tekst som utelater dem, visker ut skillet mellom de to mennenes arbeid – ett åpent datasett vi målte, bevarer 726 klammer der siden har 17 540.

Kopiene som tilbys på nettet tilhører heller ikke én enkelt familie, og det er verdt å si det rett ut fremfor å la den ryddigere historien bli stående: Blue Letter Bible beholder den klammen. Den mister andre ting – Thayers sq., og hans avsluttende stjerne, merket som forteller deg at enhver nytestamentlig forekomst av ordet er sitert i oppslaget. Ikke et eneste digitalt vitne vi testet bevarer alt, og det er nettopp derfor en samkjøring av dem ikke kan rekonstruere siden. Og flere datasett er overhodet ikke Thayer, men glossesett og disposisjoner som bærer navnet hans. I maskinlesbar form var den eneste fullstendige Thayer som fantes, en skanning av trykksverte på papir: Harper & Brothers 1889 Corrected Edition, 716 brødtekstsider med tett, tospaltet gresk og engelsk.

Så vi gjenoppbygde det fra sideskanningene. Alt sammen. Her er hvordan, for hvordan er grunnen til at du kan stole på resultatet – og det er den samme disiplinen som ligger bak alt Darash leverer.

Modellen fortsatte å huske feil Thayer

Transkripsjonen startet på den opplagte måten: vis en synsmodell en side, få teksten tilbake. Det sviktet på en uventet og talende måte – modellens puggesikring slo inn gang på gang. Den vidt utbredte, defekte digitaliseringen av Thayer finnes overalt i hver modells treningsdata, så da modellen så en ekte 1889-side, gjenkjente den noe som lå nær nok en memorert tekst og nektet å transkribere for å unngå resitering.

Tenk over hva det betyr: den forvanskede versjonen av denne boken er så allestedsnærværende at en AI ikke kan se på originalen uten å bli hjemsøkt av kopien. Det er problemet oppsummert i ett bilde. Suggestivt snarere enn bevist – men avvisningene samler seg rundt κύριος og χάris, blant de mest siterte oppslagene i boken og dermed de mest kopierte.

Løsningen ble oppdeling i fliser: del hver kolonne i opptil seksten biter, for et kortere tekstspenn matcher et memorert sjeldnere. Fire transkripsjonsveier i eskalerende rekkefølge – hel side, deretter kolonne, deretter fliser, deretter en helt annen, uavhengig modellfamilie – der hver side tok den rimeligste ruten som fungerte. Sider ingen motor klarte å levere, ble transkribert for hånd, der hver manuell fil inneholdt den nøyaktige beskjæringskommandoen som genererte visningen, slik at en kontrollør kan gjenskape nøyaktig det transkribøren så.

To omganger, et tredje vitne og dommere betalt for å knekke det

Hver side ble deretter transkribert to ganger via ulike veier – hel side mot kolonne for kolonne – og de to omgangene ble kollasjonert: 98,91 % samsvar over 856 793 tokens fordelt på 685 sider. Begge omgangene bruker samme modell med ulik ledetekstutforming, og vi er nøye med hva det gir oss: det er bekreftelse, ikke uavhengighet. To kjøringer av én modell kan ta skråsikkert feil sammen, og det skjedde: den skrev [where der siden har [here, fordi det klinger bedre på engelsk. Så en genuint ubeslektet modellfamilie ble kjørt som et tredje vitne; den glatter ut mot andre feil, og hver modells utglatting viser seg som et avvik. Samsvar er ikke sannhet, men avvik er et funn – kollasjoneringen kuttet gjennomgangskøen fra 716 sider til 16 sider pluss en prioritert liste over enkelttilfeller.

Så kom delen de fleste digitaliseringsprosjekter hopper over. Ingen enkeltmodell gjorde denne jobben, og ingen av dem ble bedt om å vurdere sitt eget arbeid. Produksjonslinjen kjørte som et sett med separate agenter med motstridende oppgaver: én modellfamilie som transkriberte, en ubeslektet som leste de samme sidene som vitne, eksekverere som utførte rettelser, en QA-agent i produksjon som hentet alle 5,870 oppslagsord fra den operative tjenesten og reviderte hva som faktisk ble levert, og fem runder med adversarielle dommere – instruert til å motbevise påstandene, ikke bekrefte dem, og til å avslutte med en erklæring om hvor de ikke hadde sett, ellers ble kjennelsen forkastet. Én nektet å godta våre egne avledede data som bevis på at ingen ordbokoppslag var gått tapt, med den korrekte begrunnelsen at du ikke kan revidere en gjenstand med et artefakt bygget av den. Den gikk i stedet til tre signaler som transkripsjonen aldri rørte – de trykte spaltehodene, en alfabetisk lakunetesting der den først målte sin egen gjenfinningsgrad, og en tredje modell som en uavhengig leser – og klarte ikke å finne et eneste tapt oppslag med noen av dem.

Dommerne fant reelle feil. Det beste eksempelet: en side der skannerens trykksverte leste ἐνπ- i stedet for ἐντ-, noe som fikk en matchende markør til å hoppe – og syv oppslagsord forsvant i stillhet inn i naboen sin, slik at én kort artikkel svulmet til 8 295 tegn. En oppsummeringslinje hadde rapportert dette som out of order: 33, noe som virker som en uvesentlig sorteringsfeil. Det var datatap. En telling er ikke en kontroll – den setningen står nå risset inn i prosjektet.

Den styrende regelen

Én regel styrte hver eneste retting: skriv aldri et tegn som ikke står på siden. En rettelse var bare tillatt der avbildningen ikke krevde noe skjønn, eller der den korrekte lesemåten ble hentet visuelt fra sidebildet og dokumentert som det. Alt annet forble flagget. Det er ett siffer i en Josefus-referanse som intet øye kunne tyde på skanningen – det er bevart som "?", for et ærlig spørsmålstegn overgår en skråsikker gjetning.

Ingenting ble spart her. Sider ingen motor klarte å levere, ble delt inn i opptil seksten biter og deretter lest for hånd. Et annet fysisk eksemplar fra de samme stereotypiplater ble gjengitt i 600 dpi slik at fire omtvistede sifre kunne avgjøres ved å sammenligne trykksverten i to separate trykk – for på identiske plater kan en glyfforskjell bare skyldes skade, aldri være en variant. Dommere ble kjørt til de sluttet å finne noe, og så én gang til. Og grunnen til at avsnittet ovenfor slutter med et spørsmålstegn i stedet for et siffer, er at innsatsen ble lagt i å ha rett, ikke i å se ferdig ut.

Altså ikke 100 %, og vi vil ikke påstå det heller. Da operatøren spurte om nettopp det – er det 100 %? – svarte QA-agenten som reviderte den operative tjenesten nei, og listet opp seks feil. De ble rettet. Det gjenværende avviket blir målt og publisert fremfor å rundes bort: 0.19% token-uoverensstemmelse på sidene som ble lest to ganger, ett Josefus-siffer som fortsatt er "?", og en verifiseringsomgang som er grundig, men ikke ensartet. Et korpus som påstår fullkommenhet, forteller deg at det har sluttet å lete.

Til slutt ble hvert eneste av de 5,870 oppslagene lest i sin helhet mot transkripsjonen av sine egne sider – gigantiske oppslag ble gjort fullstendige, blokker som var stokket om på to sider ble flyttet dit trykkeren faktisk plasserte dem – inntil invariantene holdt: null dupliserte oppslag, null tomme, null tause utelatelser, tekstbevaring bevist fra ende til annen, hvert oppslag beviselig et ordrett, ordnet, ikke-overlappende utsnitt av sidene det ble hentet fra, og hvert oppslag utstyrt med sha256-summen for sin egen trykte tekst slik at én definisjon kan kontrolleres mot én side.

Hva dette ikke er, er 716 sider kollasjonert linje for linje mot bildene med det blotte øye, og forskjellen er viktig nok til å nevnes: menneskelige øyne ble rettet mot avvikene, mot stedene dommerne sendte oss tilbake til, og mot stikkprøvesider – ikke mot hver eneste linje i boken. På de tretten sidene skanneren tilfeldigvis fotograferte to ganger, og som dermed ble transkribert uavhengig to ganger, ligger token-uoverensstemmelsen for gresk tekst på 0.19% – omtrent to per side, for det meste aksenter, iota subscriptum og συν-/συγ--assimilering. Det er den ærlige feilmarginen.

Hvorfor et bibelselskap gjør dette

Ikke av kjærlighet til digital humaniora. Vi måtte gjøre dette rett og slett for å kunne tilby Thayer til folk i det hele tatt – vi fant ingen førsteklasses tekst å lisensiere, kjøpe eller låne. Når det det åpne økosystemet tilbyr er tekster med informasjonstap og glossesett som låner navnet, er den eneste måten å gi leserne den virkelige boken på, å skape den.

Og fordi tillit til en forskningsmotor ikke er et markedsføringsutsagn – det er en egenskap ved produksjonslinjen som fylte den. Når AI-assistenten din leser gresken sammen med deg gjennom Darash og siterer Thayer, må sitatet være Thayer – 1889-teksten, ikke et glossesett som bærer navnet hans. Så langt vårt dokumenterte kildesøk avdekket, er dette den eneste førsteklasses digitale Thayer i det åpne rom – og hvis noen viser oss en bedre, er det en god dag, ikke en dårlig. Den ble lagt inn i Darash 2. september 2026, holdt tilbake til hvert oppslag hadde overlevd verifiseringen, for en Thayer som ikke er Thayer, hjelper ingen.

Den samme standarden preger resten av virksomheten – leksikonene, morfologien, de 4 200+ publiserte utgaver – og det er den standarden vi bringer med oss når vi bygger for kirker også. Grundighet er ikke en funksjon vi har lagt til. Det er selve selskapet.

I tall

Ofte stilte spørsmål

Er Thayers greske leksikon falt i det fri?

Ja. Joseph Henry Thayers Greek–English Lexicon of the New Testament ble først utgitt av Harper i 1887 – forordet er datert 1886, som er opphavet til årstallet som vanligvis oppgis – og korrigert i 1889. Begge er for lengst falt i det fri. Problemet er ikke opphavsrettigheter, men kvaliteten på de digitale kopiene.

Hvorfor er de gratis nettversjonene av Thayer upålitelige?

De fleste av de nedlastbare versjonene stammer fra én enkelt tidlig digitalisering med påviselige felles feil (utelatte referanser i klammer, foreldreløs tegnsetting, sammenslåtte oppslag). De som ikke gjør det, har informasjonstap på andre måter – utelatte forkortelser, utelatte avsluttende stjerner – og ingen av kopiene vi testet bevarer alt den trykte siden inneholder. Flere er forkortelser eller glosselister snarere enn Thayers faktiske tekst.

Hvor kan jeg bruke den gjenoppbygde Thayer?

I Darash, sammen med BDB, LSJ og Abbott-Smith, gjennom enhver MCP-kompatibel AI-assistent som Claude eller Cursor. darash.publifye.pro tilbyr en gratis prøveperiode på hele korpuset.

Hvordan ble nøyaktigheten verifisert?

To transkripsjonsomganger via ulike ruter kollasjonert token for token, en tredje omgang fra en ubeslektet modellfamilie som et uavhengig vitne, adversarielle kontrollører instruert til å motbevise påstanden om at ingen oppslag var tapt, tester av spaltehoder og alfabetiske lakuner som ikke delte noe maskineri med transkripsjonen, og en avsluttende gjennomlesing av hvert oppslag – der de omtvistede punktene ble avgjort mot selve sidebildet.

---

Les gresken med den ekte Thayer: koble AI-assistenten din til Darash – gratis prøveperiode, ingenting å installere.

Skrevet av Jørn André Halseth, grunnlegger av Publifye AS – ti år med bibelpublisering og bygging av trykkpressene de lages på, utgiver av over 4 200 bibelutgaver, og skaperen av Darash, Junifye, Lexifye og Tringine. Om oss · Kontakt