Beste KI for vanskelige spørsmål: 417 modeller rangert etter blinde stemmer
Spørsmål som arenaens klassifiserer vurderer som vanskelige: spesifikke, tekniske og med behov for flere trinn for å løse dem. Rangert etter LMArenas blinde stemmer, hver poengsum med feilmargin og, ved siden av, listeprisen for hver modell på prislisten vår.
Poengsummer fra LMArena, publisert 20. oktober 2026, under CC BY 4.0. Priser fra hver utviklers prisside, lest 15. oktober 2026.
- Rangerte modeller
- 417
- På linje med leder
- 2
- På prislisten vår
- 1
- Publisert
- 20. oktober 2026
På linje: stemmene kan ikke skille den fra lederen.
På LMArenas liste for Vanskelige spørsmål troner Gemini 4 Argon (High) fra Google øverst med 1549 poeng fra 3 131 blinde stemmer, publisert 20. oktober 2026. Én annen modell er statistisk på linje med den. Ingen av modellene den rangerer har noen API-pris på listen vår ennå.
Beste KI for vanskelige spørsmål
Spørsmål som arenaens klassifiserer vurderer som vanskelige: spesifikke, tekniske og med behov for flere trinn for å løse dem.
| # | Modell | Poengsum | Stemmer | Per 1M tokens, inn / ut |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | 95 %-intervall 1538 til 1560 | 3 131 | · |
| 1 | Claude Opus 5.5 (High)Anthropic | 95 %-intervall 1525 til 1543 | 5 917 | · |
| 2 | Claude Opus 4.6 (High)Anthropic | 95 %-intervall 1526 til 1535 | 52 600 | · |
| 2 | Claude Fable 5 (High)Anthropic | 95 %-intervall 1524 til 1534 | 28 193 | · |
| 2 | Claude Opus 4.6Anthropic | 95 %-intervall 1523 til 1531 | 56 652 | · |
| 2 | Claude Opus 4.7 (High)Anthropic | 95 %-intervall 1521 til 1530 | 43 676 | · |
| 2 | Claude Fable 5.1 (Max)Anthropic | 95 %-intervall 1516 til 1530 | 9 089 | · |
| 2 | Muse Wonder (Max)Meta | 95 %-intervall 1512 til 1534 | 3 187 | · |
| 5 | Claude Opus 4.7Anthropic | 95 %-intervall 1515 til 1523 | 44 373 | · |
| 5 | Gemini 3.8 Flash (High)Google | 95 %-intervall 1512 til 1523 | 26 670 | · |
| 5 | Muse Spark 1.3 (Max)Meta | 95 %-intervall 1510 til 1523 | 12 510 | · |
| 6 | Kimi K3 (Max)Moonshot AI · åpne vekter | 95 %-intervall 1511 til 1522 | 21 953 | · |
| 6 | Claude Opus 5 (Max)Anthropic | 95 %-intervall 1510 til 1521 | 21 745 | · |
| 7 | Claude Opus 5 (High)Anthropic | 95 %-intervall 1510 til 1519 | 45 136 | · |
| 7 | Claude Opus 4.8 (High)Anthropic | 95 %-intervall 1508 til 1517 | 42 516 | · |
| 7 | GPT-5.6 Sol (xHigh)OpenAI | 95 %-intervall 1506 til 1516 | 27 137 | · |
| 7 | Muse Spark 1.2 (xHigh)Meta | 95 %-intervall 1503 til 1519 | 6 116 | · |
| 8 | Muse Spark 1.1Meta | 95 %-intervall 1505 til 1515 | 29 563 | · |
| 8 | Claude Sonnet 5.5 (xHigh)Anthropic | 95 %-intervall 1497 til 1515 | 5 015 | · |
| 8 | MiMo-V2.6-ProXiaomi · åpne vekter | 95 %-intervall 1492 til 1516 | 2 619 | · |
| 9 | Gemini 3.7 Flash (High)Google | 95 %-intervall 1502 til 1513 | 19 036 | · |
| 9 | Muse SparkMeta | 95 %-intervall 1499 til 1513 | 9 159 | · |
| 11 | Gemini 3.1 Pro PreviewGoogle | 95 %-intervall 1504 til 1511 | 84 197 | · |
| 11 | GPT-6.1 Sol (Max)OpenAI | 95 %-intervall 1493 til 1512 | 4 318 | · |
| 12 | GLM-5.3 (Max)Z.ai · åpne vekter | 95 %-intervall 1498 til 1510 | 15 149 | · |
| 15 | Claude Opus 4.8Anthropic | 95 %-intervall 1500 til 1510 | 43 360 | · |
| 15 | Qwen3.8-MaxAlibaba | 95 %-intervall 1498 til 1509 | 19 425 | · |
| 16 | Claude Sonnet 4.6Anthropic | 95 %-intervall 1499 til 1508 | 46 227 | · |
| 16 | Gemini 3 ProGoogle | 95 %-intervall 1498 til 1507 | 23 177 | · |
| 16 | Gemini 3.6 Flash (High)Google | 95 %-intervall 1496 til 1506 | 24 133 | · |
| 16 | GPT-6 Astra (Max)OpenAI | 95 %-intervall 1494 til 1508 | 8 080 | · |
| 16 | Qwen3.7-Max-PreviewAlibaba | 95 %-intervall 1483 til 1507 | 2 683 | · |
| 17 | GPT-5.5 (High)OpenAI | 95 %-intervall 1497 til 1506 | 45 527 | · |
| 17 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | 95 %-intervall 1496 til 1506 | 20 308 | · |
| 17 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek · åpne vekter | 95 %-intervall 1492 til 1506 | 8 655 | · |
| 18 | GLM-5.3-FlashZ.ai · åpne vekter | 95 %-intervall 1494 til 1505 | 22 985 | · |
| 19 | GPT-5.5OpenAI | 95 %-intervall 1495 til 1503 | 47 276 | · |
| 20 | Claude Opus 4.5 (20251101)Anthropic | 95 %-intervall 1494 til 1502 | 43 232 | · |
| 21 | GPT-5.4 (High)OpenAI | 95 %-intervall 1492 til 1501 | 42 124 | · |
| 21 | GPT-5.2 Chat (20260210)OpenAI | 95 %-intervall 1492 til 1501 | 22 862 | · |
| 21 | GLM-5.2 (Max)Z.ai · åpne vekter | 95 %-intervall 1492 til 1501 | 33 290 | · |
| 22 | Gemini 3.5 Flash (Medium)Google | 95 %-intervall 1490 til 1500 | 31 491 | · |
| 22 | Gemini 3.5 Flash (High)Google | 95 %-intervall 1490 til 1500 | 32 389 | · |
| 25 | MiMo-V2.5-ProXiaomi · åpne vekter | 95 %-intervall 1490 til 1498 | 50 452 | · |
| 25 | Gemini 3 FlashGoogle | 95 %-intervall 1487 til 1498 | 17 156 | · |
| 27 | Qwen3.5-Max-PreviewAlibaba | 95 %-intervall 1486 til 1497 | 14 540 | · |
| 27 | GPT-5.5 InstantOpenAI | 95 %-intervall 1485 til 1497 | 18 434 | · |
| 31 | GPT-5.6 Terra (xHigh)OpenAI | 95 %-intervall 1485 til 1495 | 29 450 | · |
| 34 | Claude Sonnet 5 (High)Anthropic | 95 %-intervall 1485 til 1494 | 33 444 | · |
| 35 | GLM-5.1Z.ai · åpne vekter | 95 %-intervall 1485 til 1493 | 42 115 | · |
| Lenger ned på listen: de andre modellene på prislisten vår | ||||
| 209 | gpt-oss-120bOpenAI · åpne vekter | 95 %-intervall 1356 til 1368 | 14 687 | · |
Hvor rangeringen kommer fra
Poengsummer, intervaller og plasseringer kommer fra LMArena. Prisene er våre.
- Blinde stemmer
- LMArena stiller det samme spørsmålet til to anonyme modeller og ber personen som skrev det velge det beste svaret. Stemmene plasserer alle modeller på én skala, der et gap på 100 poeng betyr at den høyere modellen vinner omtrent 64 av 100 ganger.
- Stilkontroll
- Poengsummene trekker fra for svarlengde og formatering, slik at en modell ikke klatrer ved å skrive mer eller legge til overskrifter og lister.
- Delte plasseringer
- En models plassering er én pluss antallet modeller som har hele 95 %-intervallet sitt over modellens eget. Modeller som stemmene ikke kan skille, deler plassering, og derfor kan flere være på førsteplass.
- Innstillinger
- En modell kan stå oppført flere ganger, med ulike resonneringsinnstillinger: linjen under navnet viser oppføringen slik LMArena fører den. Oppføringer med nettsøk slått på er et annet produkt og har ingen pris.
- Priser
- Listeprisen per million tokens fra utviklerens egen prisside, lest 15. oktober 2026. Det er en pris per token, ikke per svar: en høyere resonneringsinnstilling bruker flere tokens på det samme spørsmålet.
Kilde: LMArena, datasett for rangeringen (revisjon 9041150e, publisert 20. oktober 2026), lisensiert under CC BY 4.0. Vi endrer ingen poengsum: vi legger til prisene og lenkene til modellsidene våre.
Hva det koster å bruke hver modell
Prislisten kjører tre hverdagsoppgaver på hver modell, og vår egen benchmark kjører dem på reelle forretningsoppgaver for å se hvilke som består.
Poengsummer publisert 20. oktober 2026