Bedste AI til matematik: 403 modeller rangeret efter blinde stemmer
Forespørgsler, der stiller en matematikopgave, som skal regnes igennem. 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
- 403
- På niveau med føreren
- 24
- På vores prisliste
- 1
- Offentliggjort
- 20. oktober 2026
På niveau: stemmerne kan ikke skille den fra føreren.
På LMArenas rangliste for Matematik fører Gemini 4 Argon (High) fra Google med 1529 point fra 273 blinde stemmer, offentliggjort 20. oktober 2026. 23 andre modeller er statistisk på niveau med den. Ingen af de modeller, den rangerer, har endnu en API-pris på vores liste.
Bedste AI til matematik
Forespørgsler, der stiller en matematikopgave, som skal regnes igennem.
| # | Model | Score | Stemmer | Pr. 1M tokens, input / output |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | 95 %-interval 1494 til 1563 | 273 | · |
| 1 | Claude Fable 5.1 (Max)Anthropic | 95 %-interval 1506 til 1549 | 746 | · |
| 1 | Gemini 3.8 Flash (High)Google | 95 %-interval 1513 til 1540 | 2.094 | · |
| 1 | Claude Fable 5 (High)Anthropic | 95 %-interval 1508 til 1534 | 2.161 | · |
| 1 | Claude Opus 5 (High)Anthropic | 95 %-interval 1510 til 1532 | 3.315 | · |
| 1 | Claude Opus 5 (Max)Anthropic | 95 %-interval 1503 til 1533 | 1.597 | · |
| 1 | Claude Opus 4.6 (High)Anthropic | 95 %-interval 1507 til 1526 | 4.248 | · |
| 1 | Claude Opus 5.5 (High)Anthropic | 95 %-interval 1486 til 1538 | 491 | · |
| 1 | GPT-6.1 Sol (Max)OpenAI | 95 %-interval 1484 til 1540 | 390 | · |
| 1 | Gemini 3.7 Flash (High)Google | 95 %-interval 1491 til 1522 | 1.501 | · |
| 1 | Gemini 3.6 Flash (High)Google | 95 %-interval 1490 til 1519 | 1.760 | · |
| 1 | Muse Spark 1.3 (Max)Meta | 95 %-interval 1485 til 1523 | 948 | · |
| 1 | GLM-5.3-FlashZ.ai · åbne modelvægte | 95 %-interval 1490 til 1518 | 1.820 | · |
| 1 | Claude Opus 4.6Anthropic | 95 %-interval 1495 til 1513 | 4.741 | · |
| 1 | Claude Opus 4.7 (High)Anthropic | 95 %-interval 1493 til 1514 | 3.293 | · |
| 1 | Claude Sonnet 5.5 (xHigh)Anthropic | 95 %-interval 1472 til 1529 | 416 | · |
| 1 | Kimi K3 (Max)Moonshot AI · åbne modelvægte | 95 %-interval 1485 til 1515 | 1.535 | · |
| 1 | Qwen3.8-MaxAlibaba | 95 %-interval 1483 til 1514 | 1.481 | · |
| 1 | Muse Wonder (Max)Meta | 95 %-interval 1465 til 1532 | 277 | · |
| 1 | GLM-5.3 (Max)Z.ai · åbne modelvægte | 95 %-interval 1480 til 1516 | 1.023 | · |
| 1 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek · åbne modelvægte | 95 %-interval 1473 til 1516 | 704 | · |
| 1 | Muse Spark 1.2 (xHigh)Meta | 95 %-interval 1465 til 1518 | 484 | · |
| 1 | MiMo-V2.6-ProXiaomi · åbne modelvægte | 95 %-interval 1449 til 1529 | 215 | · |
| 1 | Qwen3.7-Max-PreviewAlibaba | 95 %-interval 1446 til 1522 | 233 | · |
| 2 | GPT-5.5OpenAI | 95 %-interval 1490 til 1511 | 3.518 | · |
| 2 | Gemini 3.5 Flash (High)Google | 95 %-interval 1485 til 1510 | 2.388 | · |
| 3 | GPT-5.6 Sol (xHigh)OpenAI | 95 %-interval 1482 til 1509 | 1.981 | · |
| 3 | GPT-6 Astra (Max)OpenAI | 95 %-interval 1465 til 1509 | 687 | · |
| 4 | Muse Spark 1.1Meta | 95 %-interval 1481 til 1507 | 2.076 | · |
| 6 | Claude Opus 4.8 (High)Anthropic | 95 %-interval 1483 til 1505 | 2.974 | · |
| 6 | GPT-5.5 (High)OpenAI | 95 %-interval 1483 til 1504 | 3.475 | · |
| 6 | Hy3Tencent · åbne modelvægte | 95 %-interval 1459 til 1503 | 689 | · |
| 6 | Qwen3.6-Max-PreviewAlibaba | 95 %-interval 1446 til 1505 | 378 | · |
| 7 | Claude Opus 4.7Anthropic | 95 %-interval 1481 til 1502 | 3.389 | · |
| 7 | GPT-5.4 (High)OpenAI | 95 %-interval 1481 til 1502 | 3.377 | · |
| 7 | Gemini 3.1 Pro PreviewGoogle | 95 %-interval 1481 til 1497 | 6.734 | · |
| 7 | GLM-5.2 (Max)Z.ai · åbne modelvægte | 95 %-interval 1474 til 1499 | 2.303 | · |
| 7 | Gemini 3.5 Flash (Medium)Google | 95 %-interval 1469 til 1495 | 2.214 | · |
| 9 | GPT-5.6 Terra (xHigh)OpenAI | 95 %-interval 1468 til 1494 | 2.056 | · |
| 10 | Kimi K2.6Moonshot AI · åbne modelvægte | 95 %-interval 1466 til 1492 | 2.072 | · |
| 10 | GPT-5.6 Luna (xHigh)OpenAI | 95 %-interval 1465 til 1492 | 1.926 | · |
| 11 | ERNIE 5.1Baidu | 95 %-interval 1464 til 1491 | 1.981 | · |
| 11 | InklingThinky · åbne modelvægte | 95 %-interval 1464 til 1491 | 1.951 | · |
| 14 | MiMo-V2.5-ProXiaomi · åbne modelvægte | 95 %-interval 1469 til 1490 | 3.709 | · |
| 14 | Gemini 3 ProGoogle | 95 %-interval 1466 til 1488 | 2.770 | · |
| 14 | Claude Opus 4.8Anthropic | 95 %-interval 1466 til 1488 | 3.089 | · |
| 14 | Gemini 3 FlashGoogle | 95 %-interval 1462 til 1487 | 2.071 | · |
| 14 | Grok 4.5xAI | 95 %-interval 1459 til 1487 | 1.765 | · |
| 15 | GLM-5.1Z.ai · åbne modelvægte | 95 %-interval 1464 til 1486 | 3.182 | · |
| 16 | Claude Sonnet 5 (High)Anthropic | 95 %-interval 1461 til 1485 | 2.325 | · |
| Længere nede på listen: de øvrige modeller på vores prisliste | ||||
| 146 | gpt-oss-120bOpenAI · åbne modelvægte | 95 %-interval 1367 til 1395 | 1.781 | · |
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