Bedste AI til svære forespørgsler: 417 modeller rangeret efter blinde stemmer
Forespørgsler, som arenaens klassifikator vurderer som svære: specifikke, tekniske og med behov for flere trin for at blive løst. Rangeret efter LMArenas blinde stemmer, hver score med sin fejlmargin og ved siden af listeprisen for hver model på vores prisliste.
Score fra LMArena, offentliggjort 20. oktober 2026, under CC BY 4.0. Priser fra hver udviklers prisside, aflæst 15. oktober 2026.
- Rangerede modeller
- 417
- På niveau med føreren
- 2
- På vores prisliste
- 1
- Offentliggjort
- 20. oktober 2026
På niveau: stemmerne kan ikke skille den fra føreren.
På LMArenas rangliste for Svære forespørgsler fører Gemini 4 Argon (High) fra Google med 1549 point fra 3.131 blinde stemmer, offentliggjort 20. oktober 2026. Én anden model er statistisk på niveau med den. Ingen af de modeller, den rangerer, har endnu en API-pris på vores liste.
Bedste AI til svære forespørgsler
Forespørgsler, som arenaens klassifikator vurderer som svære: specifikke, tekniske og med behov for flere trin for at blive løst.
| # | Model | Score | Stemmer | Pr. 1M tokens, input / output |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | 95 %-interval 1538 til 1560 | 3.131 | · |
| 1 | Claude Opus 5.5 (High)Anthropic | 95 %-interval 1525 til 1543 | 5.917 | · |
| 2 | Claude Opus 4.6 (High)Anthropic | 95 %-interval 1526 til 1535 | 52.600 | · |
| 2 | Claude Fable 5 (High)Anthropic | 95 %-interval 1524 til 1534 | 28.193 | · |
| 2 | Claude Opus 4.6Anthropic | 95 %-interval 1523 til 1531 | 56.652 | · |
| 2 | Claude Opus 4.7 (High)Anthropic | 95 %-interval 1521 til 1530 | 43.676 | · |
| 2 | Claude Fable 5.1 (Max)Anthropic | 95 %-interval 1516 til 1530 | 9.089 | · |
| 2 | Muse Wonder (Max)Meta | 95 %-interval 1512 til 1534 | 3.187 | · |
| 5 | Claude Opus 4.7Anthropic | 95 %-interval 1515 til 1523 | 44.373 | · |
| 5 | Gemini 3.8 Flash (High)Google | 95 %-interval 1512 til 1523 | 26.670 | · |
| 5 | Muse Spark 1.3 (Max)Meta | 95 %-interval 1510 til 1523 | 12.510 | · |
| 6 | Kimi K3 (Max)Moonshot AI · åbne modelvægte | 95 %-interval 1511 til 1522 | 21.953 | · |
| 6 | Claude Opus 5 (Max)Anthropic | 95 %-interval 1510 til 1521 | 21.745 | · |
| 7 | Claude Opus 5 (High)Anthropic | 95 %-interval 1510 til 1519 | 45.136 | · |
| 7 | Claude Opus 4.8 (High)Anthropic | 95 %-interval 1508 til 1517 | 42.516 | · |
| 7 | GPT-5.6 Sol (xHigh)OpenAI | 95 %-interval 1506 til 1516 | 27.137 | · |
| 7 | Muse Spark 1.2 (xHigh)Meta | 95 %-interval 1503 til 1519 | 6.116 | · |
| 8 | Muse Spark 1.1Meta | 95 %-interval 1505 til 1515 | 29.563 | · |
| 8 | Claude Sonnet 5.5 (xHigh)Anthropic | 95 %-interval 1497 til 1515 | 5.015 | · |
| 8 | MiMo-V2.6-ProXiaomi · åbne modelvægte | 95 %-interval 1492 til 1516 | 2.619 | · |
| 9 | Gemini 3.7 Flash (High)Google | 95 %-interval 1502 til 1513 | 19.036 | · |
| 9 | Muse SparkMeta | 95 %-interval 1499 til 1513 | 9.159 | · |
| 11 | Gemini 3.1 Pro PreviewGoogle | 95 %-interval 1504 til 1511 | 84.197 | · |
| 11 | GPT-6.1 Sol (Max)OpenAI | 95 %-interval 1493 til 1512 | 4.318 | · |
| 12 | GLM-5.3 (Max)Z.ai · åbne modelvægte | 95 %-interval 1498 til 1510 | 15.149 | · |
| 15 | Claude Opus 4.8Anthropic | 95 %-interval 1500 til 1510 | 43.360 | · |
| 15 | Qwen3.8-MaxAlibaba | 95 %-interval 1498 til 1509 | 19.425 | · |
| 16 | Claude Sonnet 4.6Anthropic | 95 %-interval 1499 til 1508 | 46.227 | · |
| 16 | Gemini 3 ProGoogle | 95 %-interval 1498 til 1507 | 23.177 | · |
| 16 | Gemini 3.6 Flash (High)Google | 95 %-interval 1496 til 1506 | 24.133 | · |
| 16 | GPT-6 Astra (Max)OpenAI | 95 %-interval 1494 til 1508 | 8.080 | · |
| 16 | Qwen3.7-Max-PreviewAlibaba | 95 %-interval 1483 til 1507 | 2.683 | · |
| 17 | GPT-5.5 (High)OpenAI | 95 %-interval 1497 til 1506 | 45.527 | · |
| 17 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | 95 %-interval 1496 til 1506 | 20.308 | · |
| 17 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek · åbne modelvægte | 95 %-interval 1492 til 1506 | 8.655 | · |
| 18 | GLM-5.3-FlashZ.ai · åbne modelvægte | 95 %-interval 1494 til 1505 | 22.985 | · |
| 19 | GPT-5.5OpenAI | 95 %-interval 1495 til 1503 | 47.276 | · |
| 20 | Claude Opus 4.5 (20251101)Anthropic | 95 %-interval 1494 til 1502 | 43.232 | · |
| 21 | GPT-5.4 (High)OpenAI | 95 %-interval 1492 til 1501 | 42.124 | · |
| 21 | GPT-5.2 Chat (20260210)OpenAI | 95 %-interval 1492 til 1501 | 22.862 | · |
| 21 | GLM-5.2 (Max)Z.ai · åbne modelvægte | 95 %-interval 1492 til 1501 | 33.290 | · |
| 22 | Gemini 3.5 Flash (Medium)Google | 95 %-interval 1490 til 1500 | 31.491 | · |
| 22 | Gemini 3.5 Flash (High)Google | 95 %-interval 1490 til 1500 | 32.389 | · |
| 25 | MiMo-V2.5-ProXiaomi · åbne modelvægte | 95 %-interval 1490 til 1498 | 50.452 | · |
| 25 | Gemini 3 FlashGoogle | 95 %-interval 1487 til 1498 | 17.156 | · |
| 27 | Qwen3.5-Max-PreviewAlibaba | 95 %-interval 1486 til 1497 | 14.540 | · |
| 27 | GPT-5.5 InstantOpenAI | 95 %-interval 1485 til 1497 | 18.434 | · |
| 31 | GPT-5.6 Terra (xHigh)OpenAI | 95 %-interval 1485 til 1495 | 29.450 | · |
| 34 | Claude Sonnet 5 (High)Anthropic | 95 %-interval 1485 til 1494 | 33.444 | · |
| 35 | GLM-5.1Z.ai · åbne modelvægte | 95 %-interval 1485 til 1493 | 42.115 | · |
| Længere nede på listen: de øvrige modeller på vores prisliste | ||||
| 209 | gpt-oss-120bOpenAI · åbne modelvægte | 95 %-interval 1356 til 1368 | 14.687 | · |
Hvor rangeringen kommer fra
Score, intervaller og placeringer kommer fra LMArena. Priserne er vores egne.
- Blinde stemmer
- LMArena giver to anonyme modeller den samme forespørgsel og beder personen, der skrev den, om at vælge det bedste svar. Stemmerne placerer alle modeller på én skala, hvor en forskel på 100 point betyder, at den højere model vinder omkring 64 gange ud af 100.
- Stilkontrol
- Score korrigeres for svarlængde og formatering, så en model ikke stiger ved at skrive mere eller ved at tilføje overskrifter og lister.
- Delte placeringer
- En models placering er én plus antallet af modeller, hvis hele 95 %-interval ligger over dens eget. Modeller, som stemmerne ikke kan skille ad, deler placering, og derfor kan flere være nummer ét.
- Indstillinger
- En model kan optræde flere gange med forskellige indstillinger for ræsonnement: linjen under navnet viser opførslen, som LMArena angiver den. Poster med websøgning slået til er et andet produkt og har ingen pris.
- Priser
- Listeprisen pr. million tokens fra udviklerens egen prisside, aflæst 15. oktober 2026. Det er en pris pr. token, ikke pr. svar: en højere indstilling for ræsonnement bruger flere tokens på det samme spørgsmål.
Kilde: LMArena, datasæt til ranglisten (version 9041150e, offentliggjort 20. oktober 2026), udgivet under licensen CC BY 4.0. Vi ændrer ingen score: vi tilføjer priserne og links til vores modelsider.
Hvad de hver især koster at bruge
Prislisten dækker tre hverdagsopgaver for hver model, og vores egen benchmark kører dem på rigtige forretningsopgaver for at se, hvilke der består.
Score offentliggjort 20. oktober 2026