Benchmark · 6 oppgaver · oktober 2026-utgaven

Beste KI-modell for håndverksbedrifter og tjenesteytere

Oppgavene i AIGROWs referansetest for småbedrifter som en håndverks- eller tjenestebedrift ville gitt til KI, og hvordan hver av 36 modeller klarte hver oppgave, vurdert som bestått eller ikke bestått etter skriftlige kriterier.

Se alle modellene Hele benchmarken

oktober 2026-utgaven, pilot, 1 kjøring per modell på hver oppgave.

Bestått på flest av de 6 oppgavene

6/68 modeller

Kimi K3: 6 av 6
Gemini 3.1 Pro (preview): 6 av 6
GLM-5.3: 6 av 6
Gemini 3.8 Flash: 6 av 6
Grok 4.7: 6 av 6
Grok 4.3: 6 av 6

Ved delt plassering avgjør resultatet på tvers av alle 20 oppgavene.

AIGROWs referansetest for småbedrifter har 6 oppgaver som en håndverks- eller tjenestebedrift ville gitt til KI. I oktober 2026-utgaven besto 8 modeller alle 6. Blant dem hadde gpt-oss-120b lavest pris per tusen beståtte kjøringer på tvers av referansetesten: $0.422. 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.

Resultatlisten

Resultatene for hver modell på oppgavene som en håndverks- eller tjenestebedrift gir dem
Modell	Prissetting av et oppdrag ut fra en prisliste	Skriving av tilbud på e-post	Scoring av salgsleads	Sortering av kundemeldinger	Beregning av overtidsbetaling	Svar på spørsmål om personalhåndboken	Bestått	1,000 beståtte kjøringer
Kimi K3	Bestått	Bestått	Bestått	Bestått	Bestått	Bestått	6 av 6	$18.44
Gemini 3.1 Pro (preview)	Bestått	Bestått	Bestått	Bestått	Bestått	Bestått	6 av 6	$29.67
GLM-5.3	Bestått	Bestått	Bestått	Bestått	Bestått	Bestått	6 av 6	$7.02
Gemini 3.8 Flash	Bestått	Bestått	Bestått	Bestått	Bestått	Bestått	6 av 6	$7.17
Grok 4.7	Bestått	Bestått	Bestått	Bestått	Bestått	Bestått	6 av 6	$9.41
Grok 4.3	Bestått	Bestått	Bestått	Bestått	Bestått	Bestått	6 av 6	$4.10
Qwen3.8 27B	Bestått	Bestått	Bestått	Bestått	Bestått	Bestått	6 av 6	$7.30
gpt-oss-120b	Bestått	Bestått	Bestått	Bestått	Bestått	Bestått	6 av 6	$0.422
Qwen3.8 Flash	Ikke bestått	Bestått	Bestått	Bestått	Bestått	Bestått	5 av 6	$1.09
GLM-5.3-Flash	Bestått	Ikke bestått	Bestått	Bestått	Bestått	Bestått	5 av 6	$0.831
DeepSeek V4.1 Flash	Bestått	Ikke bestått	Bestått	Bestått	Bestått	Bestått	5 av 6	$1.05
DeepSeek V4 Pro	Bestått	Ikke bestått	Bestått	Bestått	Bestått	Bestått	5 av 6	$5.14
Qwen3.7 Plus	Bestått	Ikke bestått	Bestått	Bestått	Bestått	Bestått	5 av 6	$3.58
GPT-5.6 Sol	Bestått	Ikke bestått	Bestått	Bestått	Bestått	Bestått	5 av 6	$11.33
Qwen3.8 Max	Bestått	Ikke bestått	Bestått	Bestått	Bestått	Bestått	5 av 6	$16.32
GPT-6 Astra	Bestått	Ikke bestått	Bestått	Bestått	Bestått	Bestått	5 av 6	$27.91
Muse Glimmer 30B	Bestått	Ikke bestått	Bestått	Bestått	Bestått	Bestått	5 av 6	$3.10
Claude Sonnet 5	Ikke bestått	Ikke bestått	Bestått	Bestått	Bestått	Bestått	4 av 6	$6.70
GPT-5.5	Bestått	Ikke bestått	Bestått	Bestått	Ikke bestått	Bestått	4 av 6	$17.02
Claude Fable 5.1	Bestått	Ikke bestått	Bestått	Bestått	Ikke bestått	Bestått	4 av 6	$33.11
GPT-5.6 Luna	Bestått	Ikke bestått	Bestått	Bestått	Ikke bestått	Bestått	4 av 6	$0.677
MiniMax M3	Ikke bestått	Bestått	Bestått	Bestått	Bestått	Ikke bestått	4 av 6	$1.82
Claude Opus 5	Ikke bestått	Ikke bestått	Bestått	Bestått	Ikke bestått	Bestått	3 av 6	$16.89
GPT-5.6 Terra	Ikke bestått	Ikke bestått	Bestått	Bestått	Ikke bestått	Bestått	3 av 6	$6.68
Claude Sonnet 4.6	Ikke bestått	Ikke bestått	Bestått	Bestått	Ikke bestått	Bestått	3 av 6	$11.24
Kimi K2.6	Ikke bestått	Bestått	Ikke bestått	Bestått	Ikke bestått	Bestått	3 av 6	$11.68
Gemma 4 31B	Bestått	Ikke bestått	Bestått	Bestått	Ikke bestått	Ikke bestått	3 av 6	$0.558
Gemini 3.1 Flash-Lite	Bestått	Bestått	Ikke bestått	Bestått	Ikke bestått	Ikke bestått	3 av 6	$1.41
Llama 4 Maverick	Ikke bestått	Bestått	Ikke bestått	Bestått	Ikke bestått	Ikke bestått	2 av 6	$0.665
Mistral Medium 3.5	Ikke bestått	Bestått	Ikke bestått	Bestått	Ikke bestått	Ikke bestått	2 av 6	$7.40
Gemini 3.5 Flash-Lite	Ikke bestått	Bestått	Ikke bestått	Bestått	Ikke bestått	Ikke bestått	2 av 6	$2.47
Claude Haiku 4.5	Ikke bestått	Ikke bestått	Ikke bestått	Bestått	Ikke bestått	Ikke bestått	1 av 6	$6.62
GPT-5.4 nano	Ikke bestått	Bestått	Ikke bestått	Ikke bestått	Ikke bestått	Ikke bestått	1 av 6	$1.51
Mistral Small 4	Ikke bestått	Ikke bestått	Ikke bestått	Bestått	Ikke bestått	Ikke bestått	1 av 6	$1.33
GPT-5.4 mini	Ikke bestått	Ikke bestått	Ikke bestått	Ikke bestått	Ikke bestått	Ikke bestått	0 av 6	$3.35
Ministral 3 14B	Ikke bestått	Ikke bestått	Ikke bestått	Ikke bestått	Ikke bestått	Ikke bestått	0 av 6	$1.07

Oppgavene

Hver side viser oppgaven slik modellene fikk den, fallgruvene, alle vurderingskriteriene forklart med ord og hva hver modell gjorde feil.

Pris et maleroppdrag ut fra oppmålingene på befaringen og prislisten: Engelsk. 21 av 36 kjøringer besto.
Skriv en e-post med pristilbud på hagearbeid som håndterer en forespørsel om merverdiavgift og et vernet tre: Engelsk. 16 av 36 kjøringer besto.
Gi fem innkommende leads for renhold poeng etter salgsteamets regler: Engelsk. 26 av 36 kjøringer besto.
Fordel ti meldinger fra leietakere til riktig team med riktig prioritet: Engelsk. 33 av 36 kjøringer besto.
Beregn ukentlig bruttolønn for en renholder, med pauser, overtid og søndagstillegg: Engelsk. 19 av 36 kjøringer besto.
Svar på spørsmål om permisjon fra en deltidsansatt ved hjelp av personalhåndboken: Engelsk. 25 av 36 kjøringer besto.

Andre typer bedrifter

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.

Se KI-agenter Hele benchmarken

oktober 2026-utgaven