Benchmark di accuratezza fattuale dell’AI: 94 modelli classificati in base ai risultati misurati

1. N. 1Claude Fable 5.2AnthropicPrezzo di listino 8,00 USD / 40,00 USD3,20 USD / 16,00 USDcon il credito API AIGROWUsa Claude Fable 5.2 fino al 60% sotto il prezzo di listinoCertificato autentico da AIGROW in data 11 novembre 2026
2. N. 3Gemini 4 ArgonGooglePrezzo di listino 2,00 USD / 10,00 USD1,00 USD / 5,00 USDcon il credito API AIGROWUsa Gemini 4 Argon fino al 50% sotto il prezzo di listinoCertificato autentico da AIGROW in data 11 novembre 2026
3. N. 4GPT-6 AstraOpenAIPrezzo di listino 10,00 USD / 50,00 USD2,50 USD / 12,50 USDcon il credito API AIGROWUsa GPT-6 Astra fino al 75% sotto il prezzo di listinoCertificato autentico da AIGROW in data 11 novembre 2026

Dollari USA per milione di token di input / output. Certificato autentico da AIGROW significa che il modello ha superato il controllo di AIGROW rispetto allo stesso modello presso il suo produttore l’11 novembre 2026. Nessun produttore di modelli l’ha esaminato o approvato.

Che cosa misura

SimpleQA Verified: 1.000 domande brevi su politica, scienza, arte, sport, luoghi, musica e altro, ciascuna con una sola risposta giusta. Il punteggio è la quota di risposte corrette. Lo esegue Epoch AI.

Che cosa lascia fuori

Mette alla prova la memoria di fatti brevi, non le risposte lunghe né le fonti, e ai modelli viene chiesto di tirare a indovinare invece di dire che non sanno.

Come leggere il margine

Ogni risultato riporta un intervallo al 95%, pari a 1,96 errori standard per lato, come li pubblica Epoch AI; una media combina gli errori dei suoi test. Quando due intervalli si sovrappongono, i test non permettono di dire quale modello sia migliore. Le righe sono comunque numerate in base al punteggio e ogni riga indica con quanti modelli sopra di sé si sovrappone.

Impostazioni

Sotto ogni risultato compaiono l’impostazione di ragionamento con cui Epoch AI ha eseguito il modello, così come la indica, e il giorno dell’esecuzione. Se un modello è stato eseguito con più impostazioni, conta il risultato migliore.

La seconda colonna

La classifica sulla fattualità di LMArena unisce i voti alla cieca alla verifica dei fatti contenuti in ogni risposta: le affermazioni vengono estratte dalle risposte e controllate da agenti di ricerca, e per impostazione predefinita i controlli pesano il 25% del punteggio. È mostrata accanto al test e non serve per ordinare la classifica.

Non aggiornato da oltre 120 giorni

Un risultato ottenuto più di 120 giorni prima dei dati più recenti di queste pagine porta questo contrassegno, così un risultato meno recente può essere valutato come tale.

Prezzi

Il prezzo di listino per milione di token, dalla pagina dei prezzi del produttore (consultata: 12 novembre 2026). È un prezzo per token, non per risposta: un'impostazione di ragionamento più alta consuma più token per la stessa domanda. Dove il credito API AIGROW vende un modello, il prezzo di listino è barrato e sotto compare il prezzo con il credito.

Fonte: Epoch AI, SimpleQA Verified (dati del 12 novembre 2026), con licenza CC BY 4.0; LMArena, dataset della classifica (revisione 4217986c, pubblicata: 9 novembre 2026), con licenza CC BY 4.0. Non modifichiamo alcun punteggio: aggiungiamo i prezzi e i link alle pagine dei nostri modelli.