Beste KI-modell for regnskapsbyråer, testet 23. september 2026
Oppgavene i AIGROW-benchmarken for småbedrifter som et regnskapsbyrå ville gitt til KI, og hvordan hver av 36 modeller klarte hver oppgave, vurdert som bestått eller ikke bestått etter skriftlige kriterier.
Pilot: 1 kjøring av en modell per oppgave. Denne testen ble kjørt 23. september 2026. Siden da har utviklerne erstattet 16 av de 36 modellene med nyere, og testen omfattet ikke 16 aktuelle modeller på listen vår. LLM-rangeringen rangerer aktuelle modeller etter målte resultater.
- Qwen3.8 Flash
- 6 av 6
- Kimi K3
- 6 av 6
- Gemini 3.1 Pro (preview)
- 6 av 6
- GLM-5.3-Flash
- 6 av 6
- DeepSeek V4.1 Flash
- 6 av 6
- GLM-5.3
- 6 av 6
AIGROW-benchmarken for småbedrifter har 6 oppgaver som et regnskapsbyrå ville gitt til KI. Per 23. september 2026 bestod 15 modeller alle 6. Blant dem ga gpt-oss-120b de billigste beståtte kjøringene i hele referansetesten, 0,422 USD per tusen. Hver oppgaveside viser fallgruvene og feilene til hver modell.
Alle modellenes resultater på disse oppgavene
Flest beståtte først. Ved delt plassering avgjør resultatet på tvers av alle 20 oppgavene. Kostnaden for 1 000 beståtte kjøringer beregnes for hele benchmarken, inkludert kjøringer som ikke besto.
| Modell | Kategorisering av en italiensk kontoutskrift | Kategorisering av banktransaksjoner | Uthenting av fakturadata | Uthenting av data fra italienske leverandørfakturaer | Beregning av italienske fakturaer for selvstendig næringsdrivende | Beregning av overtidsbetaling | Bestått | 1 000 beståtte kjøringer |
|---|---|---|---|---|---|---|---|---|
| Qwen3.8 Flash | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 1,09 USD |
| Kimi K3Erstattet av Kimi K3.1 Pro | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 18,44 USD |
| Gemini 3.1 Pro (preview)Erstattet av Gemini 4 Argon | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 29,67 USD |
| GLM-5.3-Flash | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 0,831 USD |
| DeepSeek V4.1 Flash | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 1,05 USD |
| GLM-5.3 | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 7,02 USD |
| Grok 4.7 | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 9,41 USD |
| Qwen3.7 Plus | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 3,58 USD |
| Claude Sonnet 5Erstattet av Claude Sonnet 5.5 | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 6,70 USD |
| GPT-5.6 SolErstattet av GPT-6.1 Sol | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 11,33 USD |
| GPT-6 Astra | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 27,91 USD |
| Muse Glimmer 30B | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 3,10 USD |
| Grok 4.3 | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 4,10 USD |
| Qwen3.8 27B | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 7,30 USD |
| gpt-oss-120b | Bestått | Bestått | Bestått | Bestått | Bestått | Bestått | 6 av 6 | 0,422 USD |
| DeepSeek V4 Pro | Bestått | Ikke bestått | Bestått | Bestått | Bestått | Bestått | 5 av 6 | 5,14 USD |
| Gemini 3.8 Flash | Bestått | Bestått | Ikke bestått | Bestått | Bestått | Bestått | 5 av 6 | 7,17 USD |
| Qwen3.8 Max | Bestått | Bestått | Ikke bestått | Bestått | Bestått | Bestått | 5 av 6 | 16,32 USD |
| Claude Opus 5Erstattet av Claude Opus 5.5 | Bestått | Bestått | Bestått | Bestått | Bestått | Ikke bestått | 5 av 6 | 16,89 USD |
| GPT-5.5Erstattet av GPT-6 Astra | Bestått | Bestått | Bestått | Bestått | Bestått | Ikke bestått | 5 av 6 | 17,02 USD |
| Claude Fable 5.1Erstattet av Claude Fable 5.2 | Bestått | Bestått | Bestått | Bestått | Bestått | Ikke bestått | 5 av 6 | 33,11 USD |
| GPT-5.6 TerraErstattet av GPT-6.1 Terra | Bestått | Bestått | Bestått | Bestått | Bestått | Ikke bestått | 5 av 6 | 6,68 USD |
| MiniMax M3 | Bestått | Bestått | Bestått | Ikke bestått | Bestått | Bestått | 5 av 6 | 1,82 USD |
| Claude Sonnet 4.6Erstattet av Claude Sonnet 5.5 | Bestått | Bestått | Bestått | Bestått | Bestått | Ikke bestått | 5 av 6 | 11,24 USD |
| Kimi K2.6Erstattet av Kimi K3.1 Pro | Bestått | Bestått | Bestått | Bestått | Bestått | Ikke bestått | 5 av 6 | 11,69 USD |
| GPT-5.6 LunaErstattet av GPT-6 Luna | Bestått | Ikke bestått | Bestått | Bestått | Bestått | Ikke bestått | 4 av 6 | 0,677 USD |
| Gemini 3.5 Flash-Lite | Bestått | Ikke bestått | Bestått | Bestått | Bestått | Ikke bestått | 4 av 6 | 2,47 USD |
| Gemma 4 31B | Ikke bestått | Ikke bestått | Bestått | Bestått | Bestått | Ikke bestått | 3 av 6 | 0,558 USD |
| Gemini 3.1 Flash-LiteErstattet av Gemini 3.5 Flash-Lite | Ikke bestått | Ikke bestått | Bestått | Bestått | Bestått | Ikke bestått | 3 av 6 | 1,41 USD |
| GPT-5.4 miniErstattet av GPT-6.1 Terra | Ikke bestått | Ikke bestått | Bestått | Bestått | Bestått | Ikke bestått | 3 av 6 | 3,35 USD |
| Claude Haiku 4.5Erstattet av Claude Haiku 5.5 | Ikke bestått | Ikke bestått | Bestått | Bestått | Bestått | Ikke bestått | 3 av 6 | 6,62 USD |
| GPT-5.4 nanoErstattet av GPT-6 Luna | Ikke bestått | Ikke bestått | Bestått | Bestått | Bestått | Ikke bestått | 3 av 6 | 1,51 USD |
| Llama 4 Maverick | Ikke bestått | Ikke bestått | Bestått | Ikke bestått | Bestått | Ikke bestått | 2 av 6 | 0,665 USD |
| Mistral Medium 3.5Erstattet av Mistral Large 4 | Ikke bestått | Ikke bestått | Bestått | Ikke bestått | Bestått | Ikke bestått | 2 av 6 | 7,40 USD |
| Ministral 3 14B | Ikke bestått | Ikke bestått | Bestått | Ikke bestått | Bestått | Ikke bestått | 2 av 6 | 1,07 USD |
| Mistral Small 4 | Ikke bestått | Ikke bestått | Bestått | Ikke bestått | Bestått | Ikke bestått | 2 av 6 | 1,33 USD |
Oppgavene
Hver side viser oppgaven slik modellene fikk den, fallgruvene, alle vurderingskriteriene forklart med ord og hva hver modell gjorde feil.
- Kategoriser transaksjonene på kontoutskriften til en italiensk bar og summer dem
- Italiensk. 27 av 36 kjøringer besto.
- Kategoriser transaksjonene på en kafés månedlige kontoutskrift og summer driftskostnadene
- Engelsk. 24 av 36 kjøringer besto.
- Hent ut opplysninger fra en leverandørfaktura på to sider til bruk i leverandørreskontro
- Engelsk. 34 av 36 kjøringer besto.
- Hent ut opplysninger fra en italiensk leverandørfaktura med en utgiftslinje utenfor avgiftsgrunnlaget
- Italiensk. 31 av 36 kjøringer besto.
- Beregn to italienske fakturaer for profesjonelle tjenester med pensjonsbidrag, IVA og kildeskatt
- Italiensk. 36 av 36 kjøringer besto.
- Beregn ukentlig bruttolønn for en renholder, med pauser, overtid og søndagstillegg
- Engelsk. 19 av 36 kjøringer besto.
La en agent gjøre dette arbeidet
En AIGROW-agent gjør slikt arbeid i dine egne verktøy, etter regler du har godkjent skriftlig. Den eskalerer det reglene ikke dekker, i stedet for å gjette.
oktober 2026-utgaven