Bedste AI-model til restauranter og barer
Opgaverne i AIGROWs benchmark for små virksomheder, som en restaurant eller bar ville give til AI, og hvordan hver af 36 modeller klarede hver enkelt opgave, bedømt som bestået eller ikke bestået efter skriftlige kriterier.
oktober 2026-udgaven, pilotforsøg, 1 gennemførsel pr. model på hver opgave.
- Qwen3.8 Flash
- 4 af 4
- Kimi K3
- 4 af 4
- GLM-5.3-Flash
- 4 af 4
- Claude Opus 5
- 4 af 4
- Claude Fable 5.1
- 4 af 4
- MiniMax M3
- 4 af 4
Ved uafgjort vinder modellen med det bedste resultat på tværs af alle 20 opgaver.
AIGROWs benchmark for små virksomheder indeholder 4 opgaver, som en restaurant eller bar ville give til AI: svar på negative anmeldelser, visitering af en virksomheds indbakke, kategorisering af banktransaktioner og kategorisering af et italiensk kontoudtog. I oktober 2026-udgaven bestod 6 modeller alle 4. Blandt dem havde GLM-5.3-Flash de billigste beståede forsøg på tværs af benchmarken til $0.831 pr. tusind.
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.
| Model | Svar på negative anmeldelser | Visitering af en virksomheds indbakke | Kategorisering af banktransaktioner | Kategorisering af et italiensk kontoudtog | Beståede | 1.000 beståede opgaver |
|---|---|---|---|---|---|---|
| Qwen3.8 Flash | Bestået | Bestået | Bestået | Bestået | 4 af 4 | $1.09 |
| Kimi K3 | Bestået | Bestået | Bestået | Bestået | 4 af 4 | $18.44 |
| GLM-5.3-Flash | Bestået | Bestået | Bestået | Bestået | 4 af 4 | $0.831 |
| Claude Opus 5 | Bestået | Bestået | Bestået | Bestået | 4 af 4 | $16.89 |
| Claude Fable 5.1 | Bestået | Bestået | Bestået | Bestået | 4 af 4 | $33.11 |
| MiniMax M3 | Bestået | Bestået | Bestået | Bestået | 4 af 4 | $1.82 |
| Gemini 3.1 Pro (preview) | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $29.67 |
| DeepSeek V4.1 Flash | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $1.05 |
| DeepSeek V4 Pro | Bestået | Bestået | Ikke bestået | Bestået | 3 af 4 | $5.14 |
| GLM-5.3 | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $7.02 |
| Gemini 3.8 Flash | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $7.17 |
| Grok 4.7 | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $9.41 |
| Qwen3.7 Plus | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $3.58 |
| Claude Sonnet 5 | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $6.70 |
| GPT-5.6 Sol | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $11.33 |
| Qwen3.8 Max | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $16.32 |
| GPT-5.5 | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $17.02 |
| GPT-6 Astra | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $27.91 |
| GPT-5.6 Luna | Bestået | Bestået | Ikke bestået | Bestået | 3 af 4 | $0.677 |
| Muse Glimmer 30B | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $3.10 |
| GPT-5.6 Terra | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $6.68 |
| Qwen3.8 27B | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $7.30 |
| Claude Sonnet 4.6 | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $11.24 |
| Kimi K2.6 | Ikke bestået | Bestået | Bestået | Bestået | 3 af 4 | $11.68 |
| Grok 4.3 | Ikke bestået | Ikke bestået | Bestået | Bestået | 2 af 4 | $4.10 |
| gpt-oss-120b | Ikke bestået | Ikke bestået | Bestået | Bestået | 2 af 4 | $0.422 |
| Gemma 4 31B | Ikke bestået | Bestået | Ikke bestået | Ikke bestået | 1 af 4 | $0.558 |
| Llama 4 Maverick | Ikke bestået | Bestået | Ikke bestået | Ikke bestået | 1 af 4 | $0.665 |
| Gemini 3.1 Flash-Lite | Ikke bestået | Bestået | Ikke bestået | Ikke bestået | 1 af 4 | $1.41 |
| GPT-5.4 mini | Ikke bestået | Bestået | Ikke bestået | Ikke bestået | 1 af 4 | $3.35 |
| Mistral Medium 3.5 | Ikke bestået | Bestået | Ikke bestået | Ikke bestået | 1 af 4 | $7.40 |
| Gemini 3.5 Flash-Lite | Ikke bestået | Ikke bestået | Ikke bestået | Bestået | 1 af 4 | $2.47 |
| Claude Haiku 4.5 | Ikke bestået | Bestået | Ikke bestået | Ikke bestået | 1 af 4 | $6.62 |
| GPT-5.4 nano | Ikke bestået | Ikke bestået | Ikke bestået | Ikke bestået | 0 af 4 | $1.51 |
| Ministral 3 14B | Ikke bestået | Ikke bestået | Ikke bestået | Ikke bestået | 0 af 4 | $1.07 |
| Mistral Small 4 | Ikke bestået | Ikke bestået | Ikke bestået | Ikke bestået | 0 af 4 | $1.33 |
Opgaverne
Hver side viser opgaven, som modellerne fik den, faldgruberne, alle kriterierne forklaret med ord, og hvad hver model gjorde forkert.
- Svar offentligt på en negativ restaurantanmeldelse uden at afsløre private oplysninger
- Engelsk. 8 af 36 gennemførsler bestod.
- Prioritér mandagens indbakke hos et cateringfirma, herunder en phishingmail og en anmodning om ændring af bankoplysninger
- Engelsk. 30 af 36 gennemførsler bestod.
- Kategorisér en cafés månedlige kontoudtog, og opgør dens driftsomkostninger
- Engelsk. 24 af 36 gennemførsler bestod.
- Kategorisér posteringerne på en italiensk bars kontoudtog, og opgør de samlede ind- og udbetalinger
- Italiensk. 27 af 36 gennemførsler bestod.
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.
oktober 2026-udgaven