Beste KI-modell for restauranter og barer
Oppgavene i AIGROWs referansetest for småbedrifter som en restaurant eller bar ville gitt til KI, og hvordan hver av 36 modeller klarte hver oppgave, vurdert som bestått eller ikke bestått etter skriftlige kriterier.
oktober 2026-utgaven, pilot, 1 kjøring per modell på hver oppgave.
- Qwen3.8 Flash
- 4 av 4
- Kimi K3
- 4 av 4
- GLM-5.3-Flash
- 4 av 4
- Claude Opus 5
- 4 av 4
- Claude Fable 5.1
- 4 av 4
- MiniMax M3
- 4 av 4
Ved delt plassering avgjør resultatet på tvers av alle 20 oppgavene.
AIGROWs referansetest for småbedrifter har 4 oppgaver som en restaurant eller bar ville gitt til KI: svar på negative anmeldelser, sortering av e-post i en bedrifts innboks, kategorisering av banktransaksjoner og kategorisering av en italiensk kontoutskrift. I oktober 2026-utgaven besto 6 modeller alle 4. Blant dem hadde GLM-5.3-Flash lavest pris per tusen beståtte kjøringer på tvers av referansetesten: $0.831.
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 | Svar på negative anmeldelser | Sortering av e-post i en bedrifts innboks | Kategorisering av banktransaksjoner | Kategorisering av en italiensk kontoutskrift | Bestått | 1,000 beståtte kjøringer |
|---|---|---|---|---|---|---|
| Qwen3.8 Flash | Bestått | Bestått | Bestått | Bestått | 4 av 4 | $1.09 |
| Kimi K3 | Bestått | Bestått | Bestått | Bestått | 4 av 4 | $18.44 |
| GLM-5.3-Flash | Bestått | Bestått | Bestått | Bestått | 4 av 4 | $0.831 |
| Claude Opus 5 | Bestått | Bestått | Bestått | Bestått | 4 av 4 | $16.89 |
| Claude Fable 5.1 | Bestått | Bestått | Bestått | Bestått | 4 av 4 | $33.11 |
| MiniMax M3 | Bestått | Bestått | Bestått | Bestått | 4 av 4 | $1.82 |
| Gemini 3.1 Pro (preview) | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $29.67 |
| DeepSeek V4.1 Flash | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $1.05 |
| DeepSeek V4 Pro | Bestått | Bestått | Ikke bestått | Bestått | 3 av 4 | $5.14 |
| GLM-5.3 | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $7.02 |
| Gemini 3.8 Flash | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $7.17 |
| Grok 4.7 | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $9.41 |
| Qwen3.7 Plus | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $3.58 |
| Claude Sonnet 5 | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $6.70 |
| GPT-5.6 Sol | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $11.33 |
| Qwen3.8 Max | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $16.32 |
| GPT-5.5 | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $17.02 |
| GPT-6 Astra | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $27.91 |
| GPT-5.6 Luna | Bestått | Bestått | Ikke bestått | Bestått | 3 av 4 | $0.677 |
| Muse Glimmer 30B | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $3.10 |
| GPT-5.6 Terra | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $6.68 |
| Qwen3.8 27B | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $7.30 |
| Claude Sonnet 4.6 | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $11.24 |
| Kimi K2.6 | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | $11.68 |
| Grok 4.3 | Ikke bestått | Ikke bestått | Bestått | Bestått | 2 av 4 | $4.10 |
| gpt-oss-120b | Ikke bestått | Ikke bestått | Bestått | Bestått | 2 av 4 | $0.422 |
| Gemma 4 31B | Ikke bestått | Bestått | Ikke bestått | Ikke bestått | 1 av 4 | $0.558 |
| Llama 4 Maverick | Ikke bestått | Bestått | Ikke bestått | Ikke bestått | 1 av 4 | $0.665 |
| Gemini 3.1 Flash-Lite | Ikke bestått | Bestått | Ikke bestått | Ikke bestått | 1 av 4 | $1.41 |
| GPT-5.4 mini | Ikke bestått | Bestått | Ikke bestått | Ikke bestått | 1 av 4 | $3.35 |
| Mistral Medium 3.5 | Ikke bestått | Bestått | Ikke bestått | Ikke bestått | 1 av 4 | $7.40 |
| Gemini 3.5 Flash-Lite | Ikke bestått | Ikke bestått | Ikke bestått | Bestått | 1 av 4 | $2.47 |
| Claude Haiku 4.5 | Ikke bestått | Bestått | Ikke bestått | Ikke bestått | 1 av 4 | $6.62 |
| GPT-5.4 nano | Ikke bestått | Ikke bestått | Ikke bestått | Ikke bestått | 0 av 4 | $1.51 |
| Ministral 3 14B | Ikke bestått | Ikke bestått | Ikke bestått | Ikke bestått | 0 av 4 | $1.07 |
| Mistral Small 4 | Ikke bestått | Ikke bestått | Ikke bestått | Ikke bestått | 0 av 4 | $1.33 |
Oppgavene
Hver side viser oppgaven slik modellene fikk den, fallgruvene, alle vurderingskriteriene forklart med ord og hva hver modell gjorde feil.
- Svar offentlig på en negativ restaurantanmeldelse uten å røpe private opplysninger
- Engelsk. 8 av 36 kjøringer besto.
- Sorter mandagens innboks hos en cateringbedrift, inkludert en phishing-e-post og en forespørsel om å endre bankopplysninger
- Engelsk. 30 av 36 kjøringer besto.
- Kategoriser transaksjonene på en kafés månedlige kontoutskrift og summer driftskostnadene
- Engelsk. 24 av 36 kjøringer besto.
- Kategoriser transaksjonene på kontoutskriften til en italiensk bar og summer dem
- Italiensk. 27 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