Beste KI til å følge instruksjoner: 417 modeller rangert etter blinde stemmer
Spørsmål med tydelige instruksjoner om format, lengde eller innhold som svaret må holde seg til. 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
- 4
- På prislisten vår
- 1
- Publisert
- 20. oktober 2026
På linje: stemmene kan ikke skille den fra lederen.
På LMArenas liste for Instruksjoner troner Gemini 4 Argon (High) fra Google øverst med 1525 poeng fra 1 748 blinde stemmer, publisert 20. oktober 2026. 3 andre modeller er statistisk på linje med den. Ingen av modellene den rangerer har noen API-pris på listen vår ennå.
Beste KI til å følge instruksjoner
Spørsmål med tydelige instruksjoner om format, lengde eller innhold som svaret må holde seg til.
| # | Modell | Poengsum | Stemmer | Per 1M tokens, inn / ut |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | 95 %-intervall 1511 til 1540 | 1 748 | · |
| 1 | Claude Opus 5.5 (High)Anthropic | 95 %-intervall 1508 til 1531 | 3 298 | · |
| 1 | Claude Opus 4.6 (High)Anthropic | 95 %-intervall 1506 til 1516 | 26 659 | · |
| 1 | Claude Fable 5 (High)Anthropic | 95 %-intervall 1502 til 1514 | 15 293 | · |
| 2 | Claude Fable 5.1 (Max)Anthropic | 95 %-intervall 1490 til 1509 | 4 693 | · |
| 2 | Muse Wonder (Max)Meta | 95 %-intervall 1481 til 1509 | 1 797 | · |
| 3 | Claude Opus 4.7 (High)Anthropic | 95 %-intervall 1497 til 1508 | 22 751 | · |
| 4 | Claude Opus 4.6Anthropic | 95 %-intervall 1493 til 1503 | 29 280 | · |
| 5 | Claude Opus 5 (High)Anthropic | 95 %-intervall 1490 til 1501 | 24 456 | · |
| 5 | Claude Opus 5 (Max)Anthropic | 95 %-intervall 1488 til 1501 | 11 699 | · |
| 5 | Claude Opus 4.7Anthropic | 95 %-intervall 1487 til 1498 | 23 310 | · |
| 5 | GPT-5.6 Sol (xHigh)OpenAI | 95 %-intervall 1485 til 1497 | 14 557 | · |
| 5 | Gemini 3.8 Flash (High)Google | 95 %-intervall 1484 til 1497 | 14 854 | · |
| 5 | Claude Sonnet 5.5 (xHigh)Anthropic | 95 %-intervall 1475 til 1499 | 2 756 | · |
| 5 | GPT-6.1 Sol (Max)OpenAI | 95 %-intervall 1471 til 1497 | 2 278 | · |
| 6 | Claude Opus 4.8 (High)Anthropic | 95 %-intervall 1486 til 1496 | 22 656 | · |
| 6 | Kimi K3 (Max)Moonshot AI · åpne vekter | 95 %-intervall 1483 til 1496 | 11 432 | · |
| 7 | Gemini 3.7 Flash (High)Google | 95 %-intervall 1479 til 1493 | 10 486 | · |
| 7 | Muse Spark 1.3 (Max)Meta | 95 %-intervall 1477 til 1492 | 6 905 | · |
| 8 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | 95 %-intervall 1477 til 1490 | 9 886 | · |
| 11 | MiMo-V2.6-ProXiaomi · åpne vekter | 95 %-intervall 1456 til 1487 | 1 391 | · |
| 12 | GLM-5.3 (Max)Z.ai · åpne vekter | 95 %-intervall 1470 til 1485 | 8 022 | · |
| 12 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek · åpne vekter | 95 %-intervall 1467 til 1485 | 4 725 | · |
| 13 | Gemini 3.1 Pro PreviewGoogle | 95 %-intervall 1476 til 1484 | 44 333 | · |
| 15 | Claude Opus 4.8Anthropic | 95 %-intervall 1473 til 1483 | 23 252 | · |
| 15 | GPT-5.5 (High)OpenAI | 95 %-intervall 1472 til 1483 | 24 002 | · |
| 15 | Qwen3.8-MaxAlibaba | 95 %-intervall 1468 til 1482 | 10 450 | · |
| 15 | GPT-6 Astra (Max)OpenAI | 95 %-intervall 1463 til 1482 | 4 190 | · |
| 15 | Muse Spark 1.2 (xHigh)Meta | 95 %-intervall 1461 til 1482 | 3 379 | · |
| 15 | Qwen3.7-Max-PreviewAlibaba | 95 %-intervall 1449 til 1482 | 1 381 | · |
| 16 | GPT-5.5OpenAI | 95 %-intervall 1470 til 1480 | 24 814 | · |
| 16 | Claude Sonnet 4.6Anthropic | 95 %-intervall 1469 til 1480 | 23 706 | · |
| 16 | Claude Opus 4.5 (20251101)Anthropic | 95 %-intervall 1469 til 1479 | 21 829 | · |
| 16 | Gemini 3.6 Flash (High)Google | 95 %-intervall 1466 til 1479 | 13 098 | · |
| 17 | Muse Spark 1.1Meta | 95 %-intervall 1467 til 1478 | 16 036 | · |
| 17 | Gemini 3 ProGoogle | 95 %-intervall 1466 til 1479 | 11 692 | · |
| 17 | GLM-5.3-FlashZ.ai · åpne vekter | 95 %-intervall 1465 til 1478 | 12 492 | · |
| 19 | GPT-5.4 (High)OpenAI | 95 %-intervall 1466 til 1476 | 21 863 | · |
| 20 | GLM-5.2 (Max)Z.ai · åpne vekter | 95 %-intervall 1464 til 1476 | 17 693 | · |
| 21 | Qwen3.5-Max-PreviewAlibaba | 95 %-intervall 1460 til 1475 | 7 402 | · |
| 21 | Muse SparkMeta | 95 %-intervall 1455 til 1473 | 4 741 | · |
| 22 | MiMo-V2.5-ProXiaomi · åpne vekter | 95 %-intervall 1462 til 1472 | 25 875 | · |
| 23 | Gemini 3.5 Flash (Medium)Google | 95 %-intervall 1460 til 1472 | 17 046 | · |
| 23 | Claude Sonnet 5 (High)Anthropic | 95 %-intervall 1460 til 1472 | 17 926 | · |
| 23 | DeepSeek-V4-Pro (High, 20260813)DeepSeek · åpne vekter | 95 %-intervall 1451 til 1472 | 3 482 | · |
| 24 | Gemini 3.5 Flash (High)Google | 95 %-intervall 1459 til 1471 | 17 393 | · |
| 25 | GPT-5.6 Terra (xHigh)OpenAI | 95 %-intervall 1458 til 1470 | 16 102 | · |
| 28 | Claude Sonnet 4.5 (High, 32K, 20250929)Anthropic | 95 %-intervall 1459 til 1468 | 24 661 | · |
| 29 | GLM-5.1Z.ai · åpne vekter | 95 %-intervall 1457 til 1467 | 22 539 | · |
| 31 | Claude Sonnet 4.5 (20250929)Anthropic | 95 %-intervall 1457 til 1466 | 24 365 | · |
| Lenger ned på listen: de andre modellene på prislisten vår | ||||
| 217 | gpt-oss-120bOpenAI · åpne vekter | 95 %-intervall 1317 til 1331 | 7 865 | · |
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