Benchmark · 6 opgaver · oktober 2026-udgaven

Bedste AI-model til revisionsfirmaer

Opgaverne i AIGROWs benchmark for små virksomheder, som et regnskabsfirma ville give til AI, og hvordan hver af 36 modeller klarede hver enkelt opgave, bedømt som bestået eller ikke bestået efter skriftlige kriterier.

Se alle modeller Hele benchmarken

oktober 2026-udgaven, pilotforsøg, 1 gennemførsel pr. model på hver opgave.

Bestod flest af de 6 opgaver

6/615 modeller

Qwen3.8 Flash: 6 af 6
Kimi K3: 6 af 6
Gemini 3.1 Pro (preview): 6 af 6
GLM-5.3-Flash: 6 af 6
DeepSeek V4.1 Flash: 6 af 6
GLM-5.3: 6 af 6

Ved uafgjort vinder modellen med det bedste resultat på tværs af alle 20 opgaver.

AIGROWs benchmark for små virksomheder indeholder 6 opgaver, som et regnskabsfirma ville give til AI. I oktober 2026-udgaven bestod 15 modeller alle 6. Blandt dem havde gpt-oss-120b de billigste beståede forsøg på tværs af benchmarken til $0.422 pr. tusind. Hver opgaveside viser faldgruberne og alle modellernes fejl.

Alle modeller på disse opgaver

Flest beståede opgaver først. Ved uafgjort vinder modellen med det bedste resultat på tværs af alle 20 opgaver. Prisen for 1.000 beståede opgaver beregnes ud fra hele benchmarken, inklusive mislykkede gennemførsler.

Ranglisten

Hver models resultat på de opgaver, som et regnskabsfirma giver videre
Model	Kategorisering af et italiensk kontoudtog	Kategorisering af banktransaktioner	Udtræk af fakturadata	Udtræk af data fra italienske leverandørfakturaer	Beregning af italienske fakturaer fra selvstændige	Beregning af overtidsbetaling	Beståede	1.000 beståede opgaver
Qwen3.8 Flash	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$1.09
Kimi K3	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$18.44
Gemini 3.1 Pro (preview)	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$29.67
GLM-5.3-Flash	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$0.831
DeepSeek V4.1 Flash	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$1.05
GLM-5.3	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$7.02
Grok 4.7	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$9.41
Qwen3.7 Plus	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$3.58
Claude Sonnet 5	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$6.70
GPT-5.6 Sol	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$11.33
GPT-6 Astra	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$27.91
Muse Glimmer 30B	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$3.10
Grok 4.3	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$4.10
Qwen3.8 27B	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$7.30
gpt-oss-120b	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$0.422
DeepSeek V4 Pro	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$5.14
Gemini 3.8 Flash	Bestået	Bestået	Ikke bestået	Bestået	Bestået	Bestået	5 af 6	$7.17
Qwen3.8 Max	Bestået	Bestået	Ikke bestået	Bestået	Bestået	Bestået	5 af 6	$16.32
Claude Opus 5	Bestået	Bestået	Bestået	Bestået	Bestået	Ikke bestået	5 af 6	$16.89
GPT-5.5	Bestået	Bestået	Bestået	Bestået	Bestået	Ikke bestået	5 af 6	$17.02
Claude Fable 5.1	Bestået	Bestået	Bestået	Bestået	Bestået	Ikke bestået	5 af 6	$33.11
GPT-5.6 Terra	Bestået	Bestået	Bestået	Bestået	Bestået	Ikke bestået	5 af 6	$6.68
MiniMax M3	Bestået	Bestået	Bestået	Ikke bestået	Bestået	Bestået	5 af 6	$1.82
Claude Sonnet 4.6	Bestået	Bestået	Bestået	Bestået	Bestået	Ikke bestået	5 af 6	$11.24
Kimi K2.6	Bestået	Bestået	Bestået	Bestået	Bestået	Ikke bestået	5 af 6	$11.68
GPT-5.6 Luna	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Ikke bestået	4 af 6	$0.677
Gemini 3.5 Flash-Lite	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Ikke bestået	4 af 6	$2.47
Gemma 4 31B	Ikke bestået	Ikke bestået	Bestået	Bestået	Bestået	Ikke bestået	3 af 6	$0.558
Gemini 3.1 Flash-Lite	Ikke bestået	Ikke bestået	Bestået	Bestået	Bestået	Ikke bestået	3 af 6	$1.41
GPT-5.4 mini	Ikke bestået	Ikke bestået	Bestået	Bestået	Bestået	Ikke bestået	3 af 6	$3.35
Claude Haiku 4.5	Ikke bestået	Ikke bestået	Bestået	Bestået	Bestået	Ikke bestået	3 af 6	$6.62
GPT-5.4 nano	Ikke bestået	Ikke bestået	Bestået	Bestået	Bestået	Ikke bestået	3 af 6	$1.51
Llama 4 Maverick	Ikke bestået	Ikke bestået	Bestået	Ikke bestået	Bestået	Ikke bestået	2 af 6	$0.665
Mistral Medium 3.5	Ikke bestået	Ikke bestået	Bestået	Ikke bestået	Bestået	Ikke bestået	2 af 6	$7.40
Ministral 3 14B	Ikke bestået	Ikke bestået	Bestået	Ikke bestået	Bestået	Ikke bestået	2 af 6	$1.07
Mistral Small 4	Ikke bestået	Ikke bestået	Bestået	Ikke bestået	Bestået	Ikke bestået	2 af 6	$1.33

Opgaverne

Hver side viser opgaven, som modellerne fik den, faldgruberne, alle kriterierne forklaret med ord, og hvad hver model gjorde forkert.

Kategorisér posteringerne på en italiensk bars kontoudtog, og opgør de samlede ind- og udbetalinger: Italiensk. 27 af 36 gennemførsler bestod.
Kategorisér en cafés månedlige kontoudtog, og opgør dens driftsomkostninger: Engelsk. 24 af 36 gennemførsler bestod.
Udtræk oplysninger fra en leverandørfaktura på to sider til kreditorbogholderiet: Engelsk. 34 af 36 gennemførsler bestod.
Udtræk oplysninger fra en italiensk leverandørfaktura med en udgiftslinje, der ikke indgår i momsgrundlaget: Italiensk. 31 af 36 gennemførsler bestod.
Beregn to italienske fakturaer fra en selvstændig med pensionsbidrag, IVA og kildeskat: Italiensk. 36 af 36 gennemførsler bestod.
Beregn en rengøringsmedarbejders ugentlige bruttoløn med pauser, overarbejde og søndagstillæg: Engelsk. 19 af 36 gennemførsler bestod.

Andre virksomhedstyper

Lad en agent udføre arbejdet

En AIGROW-agent udfører den slags arbejde i dine egne værktøjer efter regler, du har godkendt skriftligt. Den sender det videre, som reglerne ikke dækker, i stedet for at gætte.

Se AI-agenter Hele benchmarken

oktober 2026-udgaven