Cookies på AIGROW

Vi bruger nødvendige cookies for at drive websitet. Med din tilladelse bruger vi også cookies til analyse, sessionsoptagelser og marketingattribution.

Cookiepolitik

AI-rangliste · Ræsonnement

Benchmark for AI-ræsonnement: 28 modeller rangeret efter målte resultater

Tre test, som Epoch AI selv kører: det bedste træk i nye skakstillinger, det bedste træk i et spil, hvis navn holdes hemmeligt, så modellerne har mindre chance for at have forberedt sig, og hvor mange mål en model når i et lidt kendt brætspil, efter at have øvet sig i det.

Kør Claude Fable 5.2 op til 60% under listepris. 25 US$ om måneden giver 110 US$ i API-kredit og kan opsiges når som helst. 25 US$ som engangskøb giver 100 US$. Resultater fra tests, som Epoch AI kører, data fra 12. november 2026, under CC BY 4.0. Priser fra hver udvikleres prisside, aflæst 12. november 2026.

Topscore
86,5 %Claude Fable 5.2 fra Anthropic
Rangerede modeller
28
På niveau med føreren
2
Til salg med AIGROW-kredit
9
Data fra
12. november 2026

På niveau: dens interval overlapper førerens.

På de tre ræsonnementstests, som Epoch AI selv kører, fører Claude Fable 5.2 fra Anthropic blandt de 28 modeller, der har resultater på alle tre, med et gennemsnit på 86,5 % (data fra 12. november 2026). 2 andre modeller er statistisk på niveau med den. AIGROW API-kredit sælger den til 3,20 US$ / 16,00 US$ i stedet for 8,00 US$ / 40,00 US$ pr. million input- / outputtokens.

Kør modeller fra denne rangliste til under listepris

AIGROW API-kredit kører disse modeller med én nøgle, afregnet pr. token til priserne nedenfor. 25 US$ om måneden giver 110 US$ i API-kredit og kan opsiges når som helst. 25 US$ som engangskøb giver 100 US$.

  1. Nr. 1Claude Fable 5.2AnthropicListepris 8,00 US$ / 40,00 US$3,20 US$ / 16,00 US$med AIGROW API-kreditKør Claude Fable 5.2 op til 60% under listeprisCertificeret ægte af AIGROW den 11. november 2026
  2. Nr. 3GPT-6 AstraOpenAIListepris 10,00 US$ / 50,00 US$2,50 US$ / 12,50 US$med AIGROW API-kreditKør GPT-6 Astra op til 75% under listeprisCertificeret ægte af AIGROW den 11. november 2026
  3. Nr. 4Claude Opus 5.5AnthropicListepris 4,00 US$ / 20,00 US$1,60 US$ / 8,00 US$med AIGROW API-kreditKør Claude Opus 5.5 op til 60% under listeprisCertificeret ægte af AIGROW den 11. november 2026

Amerikanske dollar pr. million input- / outputtokens. Certificeret ægte af AIGROW betyder, at modellen bestod AIGROWs egen kontrol mod den samme model hos dens udvikler den 11. november 2026. Ingen modeludvikler har gennemgået eller godkendt den.

Benchmark for AI-ræsonnement

Epoch bruger opgaver og spil som stedfortræder for planlægning og læring i løbet af arbejdet. De tester ikke skrivning, kodning eller viden.

Resultater for 28 AI-modeller på Chess Puzzles, Mystery Game Puzzles, EBR-bench, med 95 %-intervaller og listepriser
#ModelGennemsnitChess PuzzlesMystery Game PuzzlesEBR-benchPr. 1M tokens, input / output
1Claude Fable 5.2AnthropicKør Claude Fable 5.2 op til 60% under listeprisCertificeret ægte af AIGROW den 11. november 202686,5 %95 %-interval 83,0 % til 90,0 %79,0 %max, kørt 6. nov. 202690,0 %max, kørt 6. nov. 202690,5 %max, kørt 6. nov. 2026Listepris 8,00 US$ / 40,00 US$3,20 US$ / 16,00 US$med AIGROW API-kredit
2Gemini 4 CarbonGoogle DeepMind79,5 %95 %-interval 73,6 % til 85,5 %Dens interval overlapper 1 model over den78,0 %high, kørt 2. nov. 202673,0 %high, kørt 2. nov. 202687,6 %high, kørt 5. nov. 20262,00 US$ / 10,00 US$
3GPT-6 AstraOpenAIKør GPT-6 Astra op til 75% under listeprisCertificeret ægte af AIGROW den 11. november 202678,7 %95 %-interval 72,1 % til 85,3 %Dens interval overlapper 2 modeller over den76,0 %promax, kørt 15. okt. 202684,0 %max, kørt 30. aug. 202676,2 %max, kørt 30. aug. 2026Listepris 10,00 US$ / 50,00 US$2,50 US$ / 12,50 US$med AIGROW API-kredit
4Claude Opus 5.5AnthropicKør Claude Opus 5.5 op til 60% under listeprisCertificeret ægte af AIGROW den 11. november 202669,8 %95 %-interval 63,5 % til 76,1 %Dens interval overlapper 2 modeller over den67,0 %max, kørt 13. okt. 202671,0 %max, kørt 29. sep. 202671,4 %max, kørt 22. sep. 2026Listepris 4,00 US$ / 20,00 US$1,60 US$ / 8,00 US$med AIGROW API-kredit
5GPT-6.1 SolOpenAIKør GPT-6.1 Sol op til 75% under listeprisCertificeret ægte af AIGROW den 11. november 202667,4 %95 %-interval 61,9 % til 72,9 %Dens interval overlapper 2 modeller over den68,0 %max, kørt 13. okt. 202680,0 %max, kørt 29. sep. 202654,3 %max, kørt 29. sep. 2026Listepris 2,00 US$ / 10,00 US$0,50 US$ / 2,50 US$med AIGROW API-kredit
6Gemini 4 ArgonGoogle DeepMindKør Gemini 4 Argon op til 50% under listeprisCertificeret ægte af AIGROW den 11. november 202662,6 %95 %-interval 57,1 % til 68,1 %Dens interval overlapper 2 modeller over den59,0 %high, kørt 13. okt. 202664,0 %high, kørt 13. okt. 202664,8 %high, kørt 13. okt. 2026Listepris 2,00 US$ / 10,00 US$1,00 US$ / 5,00 US$med AIGROW API-kredit
7GPT-5.6 SolOpenAI56,9 %95 %-interval 51,7 % til 62,1 %Dens interval overlapper 2 modeller over den68,0 %promax, kørt 14. okt. 202658,0 %max, kørt 28. jul. 202644,8 %max, kørt 4. sep. 20264,00 US$ / 20,00 US$
8GPT-6 SolOpenAI55,1 %95 %-interval 49,6 % til 60,6 %Dens interval overlapper 2 modeller over den56,0 %max, kørt 13. okt. 202656,0 %max, kørt 22. sep. 202653,3 %max, kørt 22. sep. 20262,00 US$ / 10,00 US$
9Claude Fable 5.1AnthropicKør Claude Fable 5.1 op til 60% under listeprisCertificeret ægte af AIGROW den 11. november 202654,4 %95 %-interval 48,3 % til 60,4 %Dens interval overlapper 3 modeller over den48,0 %max, kørt 13. okt. 202658,0 %max, kørt 1. sep. 202657,1 %max, kørt 8. sep. 2026Listepris 10,00 US$ / 50,00 US$4,00 US$ / 20,00 US$med AIGROW API-kredit
10GPT-5.5OpenAI51,1 %95 %-interval 46,4 % til 55,8 %Dens interval overlapper 3 modeller over den63,0 %xhigh, kørt 13. okt. 202656,0 %xhigh, kørt 24. jul. 202634,3 %xhigh, kørt 27. jul. 20265,00 US$ / 30,00 US$
11Claude Opus 5Anthropic49,2 %95 %-interval 44,1 % til 54,4 %Dens interval overlapper 4 modeller over den43,0 %max, kørt 13. okt. 202659,0 %max, kørt 25. jul. 202645,7 %max, kørt 5. sep. 20265,00 US$ / 25,00 US$
12Claude Fable 5Anthropic46,2 %95 %-interval 41,4 % til 51,0 %Dens interval overlapper 4 modeller over den47,0 %max, kørt 13. okt. 202652,0 %max, kørt 31. jul. 202639,5 %max, kørt 17. jul. 2026Ingen listepris
13Claude Haiku 5.5Anthropic42,9 %95 %-interval 38,3 % til 47,5 %Dens interval overlapper 3 modeller over den55,0 %max, kørt 13. okt. 202630,0 %max, kørt 7. okt. 202643,8 %max, kørt 9. okt. 20260,10 US$ / 0,50 US$
14Claude Opus 4.8Anthropic38,9 %95 %-interval 34,2 % til 43,5 %Dens interval overlapper 2 modeller over den52,0 %max, kørt 13. okt. 202636,0 %max, kørt 25. jul. 202628,6 %max, kørt 7. aug. 2026Ingen listepris
15GPT-5.4OpenAI36,8 %Ingen offentliggjort margin48,0 %xhigh, kørt 13. okt. 202637,0 %xhigh, kørt 24. jul. 202625,4 %xhigh, kørt 25. jun. 2026Ikke opdateret i over 120 dageIngen listepris
16Gemini 3.1 Pro (preview)Google DeepMind33,1 %Ingen offentliggjort margin51,0 %high, kørt 13. okt. 202634,0 %high, kørt 27. jul. 202614,3 %Kørt 25. jun. 2026Ikke opdateret i over 120 dage2,00 US$ / 12,00 US$
17Grok 4.6xAI32,5 %95 %-interval 28,0 % til 37,0 %Dens interval overlapper 1 model over den33,0 %xhigh, kørt 13. okt. 202634,0 %xhigh, kørt 14. aug. 202630,5 %xhigh, kørt 18. aug. 2026Ingen listepris
18GPT-5.2OpenAI31,3 %Ingen offentliggjort margin48,0 %xhigh, kørt 14. okt. 202623,0 %high, kørt 6. aug. 202623,0 %xhigh, kørt 26. jun. 2026Ikke opdateret i over 120 dageIngen listepris
19Claude Opus 4.7Anthropic29,3 %Ingen offentliggjort margin41,0 %max, kørt 13. okt. 202628,0 %max, kørt 25. jul. 202619,1 %max, kørt 30. jun. 2026Ikke opdateret i over 120 dageIngen listepris
20Gemini 3.5 FlashGoogle DeepMind27,3 %Ingen offentliggjort margin45,0 %high, kørt 13. okt. 202632,0 %high, kørt 27. jul. 20264,8 %high, kørt 25. jun. 2026Ikke opdateret i over 120 dageIngen listepris
21GPT-5OpenAI23,9 %Ingen offentliggjort margin36,0 %high, kørt 13. okt. 202623,0 %high, kørt 5. aug. 202612,7 %high, kørt 29. jun. 2026Ikke opdateret i over 120 dageIngen listepris
22Qwen3.7-MaxAlibaba22,8 %Ingen offentliggjort margin27,0 %Kørt 13. okt. 202632,0 %Kørt 28. jul. 20269,5 %Kørt 25. jun. 2026Ikke opdateret i over 120 dageIngen listepris
23Mistral Large 4Mistral AI22,4 %95 %-interval 17,9 % til 26,8 %29,0 %high, kørt 2. nov. 202620,0 %high, kørt 2. nov. 202618,1 %high, kørt 2. nov. 20260,70 US$ / 2,10 US$
24Claude Opus 4.6Anthropic19,6 %Ingen offentliggjort margin21,0 %max, kørt 13. okt. 202625,0 %max, kørt 25. jul. 202612,7 %max, kørt 29. jun. 2026Ikke opdateret i over 120 dageIngen listepris
25GLM-5.2Z.ai (Zhipu AI)16,8 %Ingen offentliggjort margin22,0 %max, kørt 14. okt. 202619,0 %low, kørt 27. aug. 20269,5 %max, kørt 29. jun. 2026Ikke opdateret i over 120 dageIngen listepris

Ikke rangeret: modeller, der mangler en test

Disse modeller har resultater på nogle af testene, men ikke alle, så et gennemsnit kan ikke sammenlignes med dem ovenfor. Deres resultater står her, med det bedste gennemsnit først, uden et tal.

82 modeller med resultater på nogle af testene
ModelChess PuzzlesMystery Game PuzzlesEBR-bench
GPT-6.1 TerraOpenAIKør GPT-6.1 Terra op til 75% under listeprisCertificeret ægte af AIGROW den 11. november 2026Ikke kørt74,0 %max, kørt 26. okt. 202678,1 %max, kørt 26. okt. 2026
Claude Sonnet 5.5AnthropicKør Claude Sonnet 5.5 op til 60% under listeprisCertificeret ægte af AIGROW den 11. november 202659,0 %max, kørt 13. okt. 202665,0 %max, kørt 29. sep. 2026Ikke kørt
GPT-5.5 ProOpenAI62,0 %xhigh, kørt 14. okt. 2026Ikke kørtIkke kørt
GPT-5.2 ProOpenAI60,0 %xhigh, kørt 14. okt. 2026Ikke kørtIkke kørt
GPT-5.4 ProOpenAI59,0 %xhigh, kørt 14. okt. 2026Ikke kørtIkke kørt
Gemini 3.8 FlashGoogle DeepMind58,0 %high, kørt 13. okt. 202647,0 %high, kørt 2. sep. 2026Ikke kørt
Gemini 3.7 FlashGoogle DeepMind66,0 %high, kørt 13. okt. 202637,0 %high, kørt 14. aug. 2026Ikke kørt
GPT-5 ProOpenAI48,0 %high, kørt 14. okt. 2026Ikke kørtIkke kørt
DeepSeek V4.1 Flash 1017DeepSeek46,0 %max, kørt 19. okt. 202649,0 %max, kørt 19. okt. 2026Ikke kørt
DeepSeek V4.1 FlashDeepSeek48,0 %max, kørt 13. okt. 202643,0 %max, kørt 8. okt. 2026Ikke kørt

Sådan læser du denne rangliste

Hvad scorerne måler, hvad de udelader, og hvor hvert tal kommer fra.

Hvad den måler
Tre test, som Epoch AI selv kører: det bedste træk i nye skakstillinger, det bedste træk i et spil, hvis navn holdes hemmeligt, så modellerne har mindre chance for at have forberedt sig, og hvor mange mål en model når i et lidt kendt brætspil, efter at have øvet sig i det.
Hvad den udelader
Epoch bruger opgaver og spil som stedfortræder for planlægning og læring i løbet af arbejdet. De tester ikke skrivning, kodning eller viden.
Sådan læser du marginen
Hvert resultat har et 95 %-interval, 1,96 standardfejl til hver side, som Epoch AI offentliggør dem; et gennemsnit kombinerer fejlene fra sine tests. Hvor to intervaller overlapper, kan testene ikke afgøre, hvilken model der er bedst. Rækkerne er stadig nummereret efter score, og en række angiver, hvor mange modeller over den der overlapper.
Indstillinger
Under hvert resultat står den ræsonnementsindstilling, som modellen blev kørt med hos Epoch AI, med den betegnelse de bruger, samt datoen for kørslen. Hvor en model er kørt med flere indstillinger, tæller det bedste resultat.
Kun komplette resultater
En model får kun et nummer, når den har resultater på alle tre tests, og dens placering er det almindelige gennemsnit af de tre, uden vægte. Modeller med færre resultater står under ranglisten uden nummer.
Ikke opdateret i over 120 dage
Et resultat, der er kørt mere end 120 dage før de nyeste data på disse sider, får dette mærke, så et ældre resultat kan vægtes som et.
Priser
Listeprisen pr. million tokens fra udviklerens egen prisside, aflæst 12. november 2026. Det er en pris pr. token, ikke pr. svar: en højere indstilling for ræsonnement bruger flere tokens på det samme spørgsmål. Hvor AIGROW API-kredit sælger en model, er listeprisen streget over, og prisen via kreditten står under den.

Kilde: Epoch AI, Chess Puzzles, Mystery Game Puzzles, EBR-bench (data fra 12. november 2026), licenseret under 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.

Se priserneSe benchmarken

Data fra 12. november 2026