Benchmark · 6 opgaver · oktober 2026-udgaven

Bedste AI-model til håndværks- og servicevirksomheder

Opgaverne i AIGROWs benchmark for små virksomheder, som en håndværks- eller servicevirksomhed 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

6/68 modeller

Kimi K3: 6 af 6
Gemini 3.1 Pro (preview): 6 af 6
GLM-5.3: 6 af 6
Gemini 3.8 Flash: 6 af 6
Grok 4.7: 6 af 6
Grok 4.3: 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 en håndværks- eller servicevirksomhed ville give til AI. I oktober 2026-udgaven bestod 8 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 en håndværks- eller servicevirksomhed giver videre
Model	Prisberegning af en opgave ud fra en prisliste	Skrivning af tilbudsmails	Scoring af salgsleads	Visitering af kundebeskeder	Beregning af overtidsbetaling	Besvarelse af spørgsmål om personalehåndbogen	Beståede	1.000 beståede opgaver
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	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$7.02
Gemini 3.8 Flash	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$7.17
Grok 4.7	Bestået	Bestået	Bestået	Bestået	Bestået	Bestået	6 af 6	$9.41
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
Qwen3.8 Flash	Ikke bestået	Bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$1.09
GLM-5.3-Flash	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$0.831
DeepSeek V4.1 Flash	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$1.05
DeepSeek V4 Pro	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$5.14
Qwen3.7 Plus	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$3.58
GPT-5.6 Sol	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$11.33
Qwen3.8 Max	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$16.32
GPT-6 Astra	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$27.91
Muse Glimmer 30B	Bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	5 af 6	$3.10
Claude Sonnet 5	Ikke bestået	Ikke bestået	Bestået	Bestået	Bestået	Bestået	4 af 6	$6.70
GPT-5.5	Bestået	Ikke bestået	Bestået	Bestået	Ikke bestået	Bestået	4 af 6	$17.02
Claude Fable 5.1	Bestået	Ikke bestået	Bestået	Bestået	Ikke bestået	Bestået	4 af 6	$33.11
GPT-5.6 Luna	Bestået	Ikke bestået	Bestået	Bestået	Ikke bestået	Bestået	4 af 6	$0.677
MiniMax M3	Ikke bestået	Bestået	Bestået	Bestået	Bestået	Ikke bestået	4 af 6	$1.82
Claude Opus 5	Ikke bestået	Ikke bestået	Bestået	Bestået	Ikke bestået	Bestået	3 af 6	$16.89
GPT-5.6 Terra	Ikke bestået	Ikke bestået	Bestået	Bestået	Ikke bestået	Bestået	3 af 6	$6.68
Claude Sonnet 4.6	Ikke bestået	Ikke bestået	Bestået	Bestået	Ikke bestået	Bestået	3 af 6	$11.24
Kimi K2.6	Ikke bestået	Bestået	Ikke bestået	Bestået	Ikke bestået	Bestået	3 af 6	$11.68
Gemma 4 31B	Bestået	Ikke bestået	Bestået	Bestået	Ikke bestået	Ikke bestået	3 af 6	$0.558
Gemini 3.1 Flash-Lite	Bestået	Bestået	Ikke bestået	Bestået	Ikke bestået	Ikke bestået	3 af 6	$1.41
Llama 4 Maverick	Ikke bestået	Bestået	Ikke bestået	Bestået	Ikke bestået	Ikke bestået	2 af 6	$0.665
Mistral Medium 3.5	Ikke bestået	Bestået	Ikke bestået	Bestået	Ikke bestået	Ikke bestået	2 af 6	$7.40
Gemini 3.5 Flash-Lite	Ikke bestået	Bestået	Ikke bestået	Bestået	Ikke bestået	Ikke bestået	2 af 6	$2.47
Claude Haiku 4.5	Ikke bestået	Ikke bestået	Ikke bestået	Bestået	Ikke bestået	Ikke bestået	1 af 6	$6.62
GPT-5.4 nano	Ikke bestået	Bestået	Ikke bestået	Ikke bestået	Ikke bestået	Ikke bestået	1 af 6	$1.51
Mistral Small 4	Ikke bestået	Ikke bestået	Ikke bestået	Bestået	Ikke bestået	Ikke bestået	1 af 6	$1.33
GPT-5.4 mini	Ikke bestået	Ikke bestået	Ikke bestået	Ikke bestået	Ikke bestået	Ikke bestået	0 af 6	$3.35
Ministral 3 14B	Ikke bestået	Ikke bestået	Ikke bestået	Ikke bestået	Ikke bestået	Ikke bestået	0 af 6	$1.07

Opgaverne

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

Beregn prisen på en maleropgave ud fra opmålingsrapporten og prislisten: Engelsk. 21 af 36 gennemførsler bestod.
Skriv en e-mail med et tilbud på haveanlæg, der håndterer en anmodning om moms og et fredet træ: Engelsk. 16 af 36 gennemførsler bestod.
Giv fem indgående leads til rengøringsopgaver point efter salgsteamets regler: Engelsk. 26 af 36 gennemførsler bestod.
Send ti beskeder fra lejere videre til det rette team med den rette prioritet: Engelsk. 33 af 36 gennemførsler bestod.
Beregn en rengøringsmedarbejders ugentlige bruttoløn med pauser, overarbejde og søndagstillæg: Engelsk. 19 af 36 gennemførsler bestod.
Besvar en deltidsansats spørgsmål om fravær ud fra personalehåndbogen: Engelsk. 25 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