Bedste AI-model til restauranter og barer, testet den 23. september 2026

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.

Et pilotforsøg: 1 kørsel pr. model på hver opgave. Denne test blev kørt 23. september 2026. Siden da har udviklerne erstattet 18 af dens 36 modeller med nyere, og den omfattede ikke 26 aktuelle modeller på vores liste. LLM-ranglisten rangerer aktuelle modeller efter målte resultater.

4/4Bestod flest af de 4 opgaver6 modeller
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. Den 23. september 2026 bestod 6 modeller alle 4; blandt dem gav GLM-5.3-Flash de billigste beståede på tværs af benchmarken, 0,831 US$ 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.

Hver models resultat på de opgaver, som en restaurant eller bar giver videre
ModelSvar på negative anmeldelserVisitering af en virksomheds indbakkeKategorisering af banktransaktionerKategorisering af et italiensk kontoudtogBeståede1.000 beståede opgaver
Qwen3.8 FlashBeståetBeståetBeståetBestået4 af 41,09 US$
Kimi K3Erstattet af Kimi K3.1 ProBeståetBeståetBeståetBestået4 af 418,44 US$
GLM-5.3-FlashBeståetBeståetBeståetBestået4 af 40,831 US$
Claude Opus 5Erstattet af Claude Opus 5.5BeståetBeståetBeståetBestået4 af 416,89 US$
Claude Fable 5.1Erstattet af Claude Fable 5.2BeståetBeståetBeståetBestået4 af 433,11 US$
MiniMax M3BeståetBeståetBeståetBestået4 af 41,82 US$
Gemini 3.1 Pro (preview)Erstattet af Gemini 4 ArgonIkke beståetBeståetBeståetBestået3 af 429,67 US$
DeepSeek V4.1 FlashIkke beståetBeståetBeståetBestået3 af 41,05 US$
DeepSeek V4 ProBeståetBeståetIkke beståetBestået3 af 45,14 US$
GLM-5.3Ikke beståetBeståetBeståetBestået3 af 47,02 US$
Gemini 3.8 FlashIkke beståetBeståetBeståetBestået3 af 47,17 US$
Grok 4.7Ikke beståetBeståetBeståetBestået3 af 49,41 US$
Qwen3.7 PlusIkke beståetBeståetBeståetBestået3 af 43,58 US$
Claude Sonnet 5Erstattet af Claude Sonnet 5.5Ikke beståetBeståetBeståetBestået3 af 46,70 US$
GPT-5.6 SolErstattet af GPT-6.2 SolIkke beståetBeståetBeståetBestået3 af 411,33 US$
Qwen3.8 MaxErstattet af Qwen4-MaxIkke beståetBeståetBeståetBestået3 af 416,32 US$
GPT-5.5Erstattet af GPT-6.2 AstraIkke beståetBeståetBeståetBestået3 af 417,02 US$
GPT-6 AstraErstattet af GPT-6.2 AstraIkke beståetBeståetBeståetBestået3 af 427,91 US$
GPT-5.6 LunaErstattet af GPT-6 LunaBeståetBeståetIkke beståetBestået3 af 40,677 US$
Muse Glimmer 30BIkke beståetBeståetBeståetBestået3 af 43,10 US$
GPT-5.6 TerraErstattet af GPT-6.1 TerraIkke beståetBeståetBeståetBestået3 af 46,68 US$
Qwen3.8 27BIkke beståetBeståetBeståetBestået3 af 47,30 US$
Claude Sonnet 4.6Erstattet af Claude Sonnet 5.5Ikke beståetBeståetBeståetBestået3 af 411,24 US$
Kimi K2.6Erstattet af Kimi K3.1 ProIkke beståetBeståetBeståetBestået3 af 411,69 US$
Grok 4.3Ikke beståetIkke beståetBeståetBestået2 af 44,10 US$
gpt-oss-120bIkke beståetIkke beståetBeståetBestået2 af 40,422 US$
Gemma 4 31BIkke beståetBeståetIkke beståetIkke bestået1 af 40,558 US$
Llama 4 MaverickIkke beståetBeståetIkke beståetIkke bestået1 af 40,665 US$
Gemini 3.1 Flash-LiteErstattet af Gemini 3.5 Flash-LiteIkke beståetBeståetIkke beståetIkke bestået1 af 41,41 US$
GPT-5.4 miniErstattet af GPT-6.1 TerraIkke beståetBeståetIkke beståetIkke bestået1 af 43,35 US$
Mistral Medium 3.5Erstattet af Mistral Large 4Ikke beståetBeståetIkke beståetIkke bestået1 af 47,40 US$
Gemini 3.5 Flash-LiteIkke beståetIkke beståetIkke beståetBestået1 af 42,47 US$
Claude Haiku 4.5Erstattet af Claude Haiku 5.5Ikke beståetBeståetIkke beståetIkke bestået1 af 46,62 US$
GPT-5.4 nanoErstattet af GPT-6 LunaIkke beståetIkke beståetIkke beståetIkke bestået0 af 41,51 US$
Ministral 3 14BIkke beståetIkke beståetIkke beståetIkke bestået0 af 41,07 US$
Mistral Small 4Ikke beståetIkke beståetIkke beståetIkke bestået0 af 41,33 US$

Opgaverne

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

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