Cookies på AIGROW

Vi bruger nødvendige cookies for at drive websitet. Med din tilladelse bruger vi også cookies til analyse, sessionsoptagelser og marketingattribution.

Cookiepolitik

Bedste AI-model til revisionsfirmaer, testet den 23. september 2026

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 modellerHele benchmarken

Et pilotforsøg: 1 kørsel pr. model på hver opgave. Denne test blev kørt 23. september 2026. Siden da har udviklerne erstattet 16 af dens 36 modeller med nyere, og den omfattede ikke 16 aktuelle modeller på vores liste. LLM-ranglisten rangerer aktuelle modeller efter målte resultater.

6/6Bestod flest af de 6 opgaver15 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. Den 23. september 2026 bestod 15 modeller alle 6; blandt dem gav gpt-oss-120b de billigste beståede på tværs af benchmarken, 0,422 US$ 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
ModelKategorisering af et italiensk kontoudtogKategorisering af banktransaktionerUdtræk af fakturadataUdtræk af data fra italienske leverandørfakturaerBeregning af italienske fakturaer fra selvstændigeBeregning af overtidsbetalingBeståede1.000 beståede opgaver
Qwen3.8 FlashBeståetBeståetBeståetBeståetBeståetBestået6 af 61,09 US$
Kimi K3Erstattet af Kimi K3.1 ProBeståetBeståetBeståetBeståetBeståetBestået6 af 618,44 US$
Gemini 3.1 Pro (preview)Erstattet af Gemini 4 ArgonBeståetBeståetBeståetBeståetBeståetBestået6 af 629,67 US$
GLM-5.3-FlashBeståetBeståetBeståetBeståetBeståetBestået6 af 60,831 US$
DeepSeek V4.1 FlashBeståetBeståetBeståetBeståetBeståetBestået6 af 61,05 US$
GLM-5.3BeståetBeståetBeståetBeståetBeståetBestået6 af 67,02 US$
Grok 4.7BeståetBeståetBeståetBeståetBeståetBestået6 af 69,41 US$
Qwen3.7 PlusBeståetBeståetBeståetBeståetBeståetBestået6 af 63,58 US$
Claude Sonnet 5Erstattet af Claude Sonnet 5.5BeståetBeståetBeståetBeståetBeståetBestået6 af 66,70 US$
GPT-5.6 SolErstattet af GPT-6.1 SolBeståetBeståetBeståetBeståetBeståetBestået6 af 611,33 US$
GPT-6 AstraBeståetBeståetBeståetBeståetBeståetBestået6 af 627,91 US$
Muse Glimmer 30BBeståetBeståetBeståetBeståetBeståetBestået6 af 63,10 US$
Grok 4.3BeståetBeståetBeståetBeståetBeståetBestået6 af 64,10 US$
Qwen3.8 27BBeståetBeståetBeståetBeståetBeståetBestået6 af 67,30 US$
gpt-oss-120bBeståetBeståetBeståetBeståetBeståetBestået6 af 60,422 US$
DeepSeek V4 ProBeståetIkke beståetBeståetBeståetBeståetBestået5 af 65,14 US$
Gemini 3.8 FlashBeståetBeståetIkke beståetBeståetBeståetBestået5 af 67,17 US$
Qwen3.8 MaxBeståetBeståetIkke beståetBeståetBeståetBestået5 af 616,32 US$
Claude Opus 5Erstattet af Claude Opus 5.5BeståetBeståetBeståetBeståetBeståetIkke bestået5 af 616,89 US$
GPT-5.5Erstattet af GPT-6 AstraBeståetBeståetBeståetBeståetBeståetIkke bestået5 af 617,02 US$
Claude Fable 5.1Erstattet af Claude Fable 5.2BeståetBeståetBeståetBeståetBeståetIkke bestået5 af 633,11 US$
GPT-5.6 TerraErstattet af GPT-6.1 TerraBeståetBeståetBeståetBeståetBeståetIkke bestået5 af 66,68 US$
MiniMax M3BeståetBeståetBeståetIkke beståetBeståetBestået5 af 61,82 US$
Claude Sonnet 4.6Erstattet af Claude Sonnet 5.5BeståetBeståetBeståetBeståetBeståetIkke bestået5 af 611,24 US$
Kimi K2.6Erstattet af Kimi K3.1 ProBeståetBeståetBeståetBeståetBeståetIkke bestået5 af 611,69 US$
GPT-5.6 LunaErstattet af GPT-6 LunaBeståetIkke beståetBeståetBeståetBeståetIkke bestået4 af 60,677 US$
Gemini 3.5 Flash-LiteBeståetIkke beståetBeståetBeståetBeståetIkke bestået4 af 62,47 US$
Gemma 4 31BIkke beståetIkke beståetBeståetBeståetBeståetIkke bestået3 af 60,558 US$
Gemini 3.1 Flash-LiteErstattet af Gemini 3.5 Flash-LiteIkke beståetIkke beståetBeståetBeståetBeståetIkke bestået3 af 61,41 US$
GPT-5.4 miniErstattet af GPT-6.1 TerraIkke beståetIkke beståetBeståetBeståetBeståetIkke bestået3 af 63,35 US$
Claude Haiku 4.5Erstattet af Claude Haiku 5.5Ikke beståetIkke beståetBeståetBeståetBeståetIkke bestået3 af 66,62 US$
GPT-5.4 nanoErstattet af GPT-6 LunaIkke beståetIkke beståetBeståetBeståetBeståetIkke bestået3 af 61,51 US$
Llama 4 MaverickIkke beståetIkke beståetBeståetIkke beståetBeståetIkke bestået2 af 60,665 US$
Mistral Medium 3.5Erstattet af Mistral Large 4Ikke beståetIkke beståetBeståetIkke beståetBeståetIkke bestået2 af 67,40 US$
Ministral 3 14BIkke beståetIkke beståetBeståetIkke beståetBeståetIkke bestået2 af 61,07 US$
Mistral Small 4Ikke beståetIkke beståetBeståetIkke beståetBeståetIkke bestået2 af 61,33 US$

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-agenterHele benchmarken

oktober 2026-udgaven