Beste KI-modell for butikker, testet 23. september 2026
Oppgavene i AIGROW-benchmarken for småbedrifter som en butikk 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
- 4 av 4
- Gemini 3.1 Pro (preview)
- 4 av 4
- DeepSeek V4.1 Flash
- 4 av 4
- DeepSeek V4 Pro
- 4 av 4
- Gemini 3.8 Flash
- 4 av 4
- Claude Sonnet 5
- 4 av 4
AIGROW-benchmarken for småbedrifter har 4 oppgaver som en butikk ville gitt til KI: svar på refusjonsforespørsler, svar på garantikrav på italiensk, skriving av italienske produktbeskrivelser og skriving av møtereferater. Per 23. september 2026 bestod 12 modeller alle 4. Blant dem ga DeepSeek V4.1 Flash de billigste beståtte kjøringene i hele referansetesten, 1,05 USD per tusen.
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 refusjonsforespørsler | Svar på garantikrav på italiensk | Skriving av italienske produktbeskrivelser | Skriving av møtereferater | Bestått | 1 000 beståtte kjøringer |
|---|---|---|---|---|---|---|
| Qwen3.8 Flash | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 1,09 USD |
| Gemini 3.1 Pro (preview)Erstattet av Gemini 4 Argon | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 29,67 USD |
| DeepSeek V4.1 Flash | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 1,05 USD |
| DeepSeek V4 Pro | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 5,14 USD |
| Gemini 3.8 Flash | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 7,17 USD |
| Claude Sonnet 5Erstattet av Claude Sonnet 5.5 | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 6,70 USD |
| Qwen3.8 Max | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 16,32 USD |
| Claude Opus 5Erstattet av Claude Opus 5.5 | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 16,89 USD |
| GPT-5.5Erstattet av GPT-6 Astra | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 17,02 USD |
| GPT-6 Astra | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 27,91 USD |
| GPT-5.6 TerraErstattet av GPT-6.1 Terra | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 6,68 USD |
| Kimi K2.6Erstattet av Kimi K3.1 Pro | Bestått | Bestått | Bestått | Bestått | 4 av 4 | 11,69 USD |
| Kimi K3Erstattet av Kimi K3.1 Pro | Bestått | Bestått | Ikke bestått | Bestått | 3 av 4 | 18,44 USD |
| GLM-5.3-Flash | Bestått | Bestått | Ikke bestått | Bestått | 3 av 4 | 0,831 USD |
| GLM-5.3 | Bestått | Bestått | Ikke bestått | Bestått | 3 av 4 | 7,02 USD |
| Grok 4.7 | Bestått | Bestått | Ikke bestått | Bestått | 3 av 4 | 9,41 USD |
| Qwen3.7 Plus | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | 3,58 USD |
| GPT-5.6 SolErstattet av GPT-6.1 Sol | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | 11,33 USD |
| Claude Fable 5.1Erstattet av Claude Fable 5.2 | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | 33,11 USD |
| GPT-5.6 LunaErstattet av GPT-6 Luna | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | 0,677 USD |
| MiniMax M3 | Bestått | Bestått | Ikke bestått | Bestått | 3 av 4 | 1,82 USD |
| Claude Sonnet 4.6Erstattet av Claude Sonnet 5.5 | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | 11,24 USD |
| Gemma 4 31B | Ikke bestått | Bestått | Bestått | Bestått | 3 av 4 | 0,558 USD |
| Muse Glimmer 30B | Ikke bestått | Bestått | Bestått | Ikke bestått | 2 av 4 | 3,10 USD |
| Grok 4.3 | Ikke bestått | Bestått | Ikke bestått | Bestått | 2 av 4 | 4,10 USD |
| Qwen3.8 27B | Ikke bestått | Bestått | Ikke bestått | Bestått | 2 av 4 | 7,30 USD |
| gpt-oss-120b | Ikke bestått | Bestått | Ikke bestått | Bestått | 2 av 4 | 0,422 USD |
| Llama 4 Maverick | Ikke bestått | Ikke bestått | Bestått | Bestått | 2 av 4 | 0,665 USD |
| GPT-5.4 miniErstattet av GPT-6.1 Terra | Ikke bestått | Bestått | Ikke bestått | Bestått | 2 av 4 | 3,35 USD |
| Mistral Medium 3.5Erstattet av Mistral Large 4 | Ikke bestått | Bestått | Ikke bestått | Bestått | 2 av 4 | 7,40 USD |
| Gemini 3.1 Flash-LiteErstattet av Gemini 3.5 Flash-Lite | Ikke bestått | Ikke bestått | Bestått | Ikke bestått | 1 av 4 | 1,41 USD |
| Claude Haiku 4.5Erstattet av Claude Haiku 5.5 | Ikke bestått | Bestått | Ikke bestått | Ikke bestått | 1 av 4 | 6,62 USD |
| GPT-5.4 nanoErstattet av GPT-6 Luna | Ikke bestått | Ikke bestått | Ikke bestått | Bestått | 1 av 4 | 1,51 USD |
| Ministral 3 14B | Ikke bestått | Bestått | Ikke bestått | Ikke bestått | 1 av 4 | 1,07 USD |
| Gemini 3.5 Flash-Lite | Ikke bestått | Ikke bestått | Ikke bestått | Ikke bestått | 0 av 4 | 2,47 USD |
| Mistral Small 4 | Ikke bestått | Ikke bestått | Ikke bestått | Ikke bestått | 0 av 4 | 1,33 USD |
Oppgavene
Hver side viser oppgaven slik modellene fikk den, fallgruvene, alle vurderingskriteriene forklart med ord og hva hver modell gjorde feil.
- Svar en kunde som ber om refusjon etter at fristen for refusjon har gått ut
- Engelsk. 17 av 36 kjøringer besto.
- Svar på italiensk til en kunde som feilaktig tror at garantien hennes har utløpt
- Italiensk. 31 av 36 kjøringer besto.
- Skriv en italiensk produktbeskrivelse for en olivenolje som følger merkereglene
- Italiensk. 21 av 36 kjøringer besto.
- Gjør et teammøte i et bakeri om til beslutninger, ansvarlige og frister
- Engelsk. 30 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