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

Opgaverne i AIGROWs benchmark for små virksomheder, som en butik 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 opgaver12 modeller
Qwen3.8 Flash
4 af 4
Gemini 3.1 Pro (preview)
4 af 4
DeepSeek V4.1 Flash
4 af 4
DeepSeek V4 Pro
4 af 4
Gemini 3.8 Flash
4 af 4
Claude Sonnet 5
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 butik ville give til AI: besvarelse af anmodninger om refusion, besvarelse af reklamationer på italiensk, skrivning af italienske produktbeskrivelser og skrivning af mødereferater. Den 23. september 2026 bestod 12 modeller alle 4; blandt dem gav DeepSeek V4.1 Flash de billigste beståede på tværs af benchmarken, 1,05 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 butik giver videre
ModelBesvarelse af anmodninger om refusionBesvarelse af reklamationer på italienskSkrivning af italienske produktbeskrivelserSkrivning af mødereferaterBeståede1.000 beståede opgaver
Qwen3.8 FlashBeståetBeståetBeståetBestået4 af 41,09 US$
Gemini 3.1 Pro (preview)Erstattet af Gemini 4 ArgonBeståetBeståetBeståetBestået4 af 429,67 US$
DeepSeek V4.1 FlashBeståetBeståetBeståetBestået4 af 41,05 US$
DeepSeek V4 ProBeståetBeståetBeståetBestået4 af 45,14 US$
Gemini 3.8 FlashBeståetBeståetBeståetBestået4 af 47,17 US$
Claude Sonnet 5Erstattet af Claude Sonnet 5.5BeståetBeståetBeståetBestået4 af 46,70 US$
Qwen3.8 MaxErstattet af Qwen4-MaxBeståetBeståetBeståetBestået4 af 416,32 US$
Claude Opus 5Erstattet af Claude Opus 5.5BeståetBeståetBeståetBestået4 af 416,89 US$
GPT-5.5Erstattet af GPT-6.2 AstraBeståetBeståetBeståetBestået4 af 417,02 US$
GPT-6 AstraErstattet af GPT-6.2 AstraBeståetBeståetBeståetBestået4 af 427,91 US$
GPT-5.6 TerraErstattet af GPT-6.1 TerraBeståetBeståetBeståetBestået4 af 46,68 US$
Kimi K2.6Erstattet af Kimi K3.1 ProBeståetBeståetBeståetBestået4 af 411,69 US$
Kimi K3Erstattet af Kimi K3.1 ProBeståetBeståetIkke beståetBestået3 af 418,44 US$
GLM-5.3-FlashBeståetBeståetIkke beståetBestået3 af 40,831 US$
GLM-5.3BeståetBeståetIkke beståetBestået3 af 47,02 US$
Grok 4.7BeståetBeståetIkke beståetBestået3 af 49,41 US$
Qwen3.7 PlusIkke beståetBeståetBeståetBestået3 af 43,58 US$
GPT-5.6 SolErstattet af GPT-6.2 SolIkke beståetBeståetBeståetBestået3 af 411,33 US$
Claude Fable 5.1Erstattet af Claude Fable 5.2Ikke beståetBeståetBeståetBestået3 af 433,11 US$
GPT-5.6 LunaErstattet af GPT-6 LunaIkke beståetBeståetBeståetBestået3 af 40,677 US$
MiniMax M3BeståetBeståetIkke beståetBestået3 af 41,82 US$
Claude Sonnet 4.6Erstattet af Claude Sonnet 5.5Ikke beståetBeståetBeståetBestået3 af 411,24 US$
Gemma 4 31BIkke beståetBeståetBeståetBestået3 af 40,558 US$
Muse Glimmer 30BIkke beståetBeståetBeståetIkke bestået2 af 43,10 US$
Grok 4.3Ikke beståetBeståetIkke beståetBestået2 af 44,10 US$
Qwen3.8 27BIkke beståetBeståetIkke beståetBestået2 af 47,30 US$
gpt-oss-120bIkke beståetBeståetIkke beståetBestået2 af 40,422 US$
Llama 4 MaverickIkke beståetIkke beståetBeståetBestået2 af 40,665 US$
GPT-5.4 miniErstattet af GPT-6.1 TerraIkke beståetBeståetIkke beståetBestået2 af 43,35 US$
Mistral Medium 3.5Erstattet af Mistral Large 4Ikke beståetBeståetIkke beståetBestået2 af 47,40 US$
Gemini 3.1 Flash-LiteErstattet af Gemini 3.5 Flash-LiteIkke beståetIkke beståetBeståetIkke bestået1 af 41,41 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 beståetBestået1 af 41,51 US$
Ministral 3 14BIkke beståetBeståetIkke beståetIkke bestået1 af 41,07 US$
Gemini 3.5 Flash-LiteIkke beståetIkke beståetIkke beståetIkke bestået0 af 42,47 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