KI-rangering · Matematikk
Beste KI for matematikk: 403 modeller rangert etter blinde stemmer
Spørsmål som legger fram et matematisk problem som skal løses. 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.
1529Gemini 4 Argon (High) fra Google
- Rangerte modeller
- 403
- På linje med leder
- 24
- På prislisten vår
- 1
- Publisert
- 20. oktober 2026
På linje: stemmene kan ikke skille den fra lederen.
På LMArenas liste for Matematikk troner Gemini 4 Argon (High) fra Google øverst med 1529 poeng fra 273 blinde stemmer, publisert 20. oktober 2026. 23 andre modeller er statistisk på linje med den. Ingen av modellene den rangerer har noen API-pris på listen vår ennå.
Beste KI for matematikk
Spørsmål som legger fram et matematisk problem som skal løses.
| # | Modell | Poengsum | Stemmer | Per 1M tokens, inn / ut |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | 95 %-intervall 1494 til 1563 | 273 | · |
| 1 | Claude Fable 5.1 (Max)Anthropic | 95 %-intervall 1506 til 1549 | 746 | · |
| 1 | Gemini 3.8 Flash (High)Google | 95 %-intervall 1513 til 1540 | 2 094 | · |
| 1 | Claude Fable 5 (High)Anthropic | 95 %-intervall 1508 til 1534 | 2 161 | · |
| 1 | Claude Opus 5 (High)Anthropic | 95 %-intervall 1510 til 1532 | 3 315 | · |
| 1 | Claude Opus 5 (Max)Anthropic | 95 %-intervall 1503 til 1533 | 1 597 | · |
| 1 | Claude Opus 4.6 (High)Anthropic | 95 %-intervall 1507 til 1526 | 4 248 | · |
| 1 | Claude Opus 5.5 (High)Anthropic | 95 %-intervall 1486 til 1538 | 491 | · |
| 1 | GPT-6.1 Sol (Max)OpenAI | 95 %-intervall 1484 til 1540 | 390 | · |
| 1 | Gemini 3.7 Flash (High)Google | 95 %-intervall 1491 til 1522 | 1 501 | · |
| 1 | Gemini 3.6 Flash (High)Google | 95 %-intervall 1490 til 1519 | 1 760 | · |
| 1 | Muse Spark 1.3 (Max)Meta | 95 %-intervall 1485 til 1523 | 948 | · |
| 1 | GLM-5.3-FlashZ.ai · åpne vekter | 95 %-intervall 1490 til 1518 | 1 820 | · |
| 1 | Claude Opus 4.6Anthropic | 95 %-intervall 1495 til 1513 | 4 741 | · |
| 1 | Claude Opus 4.7 (High)Anthropic | 95 %-intervall 1493 til 1514 | 3 293 | · |
| 1 | Claude Sonnet 5.5 (xHigh)Anthropic | 95 %-intervall 1472 til 1529 | 416 | · |
| 1 | Kimi K3 (Max)Moonshot AI · åpne vekter | 95 %-intervall 1485 til 1515 | 1 535 | · |
| 1 | Qwen3.8-MaxAlibaba | 95 %-intervall 1483 til 1514 | 1 481 | · |
| 1 | Muse Wonder (Max)Meta | 95 %-intervall 1465 til 1532 | 277 | · |
| 1 | GLM-5.3 (Max)Z.ai · åpne vekter | 95 %-intervall 1480 til 1516 | 1 023 | · |
| 1 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek · åpne vekter | 95 %-intervall 1473 til 1516 | 704 | · |
| 1 | Muse Spark 1.2 (xHigh)Meta | 95 %-intervall 1465 til 1518 | 484 | · |
| 1 | MiMo-V2.6-ProXiaomi · åpne vekter | 95 %-intervall 1449 til 1529 | 215 | · |
| 1 | Qwen3.7-Max-PreviewAlibaba | 95 %-intervall 1446 til 1522 | 233 | · |
| 2 | GPT-5.5OpenAI | 95 %-intervall 1490 til 1511 | 3 518 | · |
| 2 | Gemini 3.5 Flash (High)Google | 95 %-intervall 1485 til 1510 | 2 388 | · |
| 3 | GPT-5.6 Sol (xHigh)OpenAI | 95 %-intervall 1482 til 1509 | 1 981 | · |
| 3 | GPT-6 Astra (Max)OpenAI | 95 %-intervall 1465 til 1509 | 687 | · |
| 4 | Muse Spark 1.1Meta | 95 %-intervall 1481 til 1507 | 2 076 | · |
| 6 | Claude Opus 4.8 (High)Anthropic | 95 %-intervall 1483 til 1505 | 2 974 | · |
| 6 | GPT-5.5 (High)OpenAI | 95 %-intervall 1483 til 1504 | 3 475 | · |
| 6 | Hy3Tencent · åpne vekter | 95 %-intervall 1459 til 1503 | 689 | · |
| 6 | Qwen3.6-Max-PreviewAlibaba | 95 %-intervall 1446 til 1505 | 378 | · |
| 7 | Claude Opus 4.7Anthropic | 95 %-intervall 1481 til 1502 | 3 389 | · |
| 7 | GPT-5.4 (High)OpenAI | 95 %-intervall 1481 til 1502 | 3 377 | · |
| 7 | Gemini 3.1 Pro PreviewGoogle | 95 %-intervall 1481 til 1497 | 6 734 | · |
| 7 | GLM-5.2 (Max)Z.ai · åpne vekter | 95 %-intervall 1474 til 1499 | 2 303 | · |
| 7 | Gemini 3.5 Flash (Medium)Google | 95 %-intervall 1469 til 1495 | 2 214 | · |
| 9 | GPT-5.6 Terra (xHigh)OpenAI | 95 %-intervall 1468 til 1494 | 2 056 | · |
| 10 | Kimi K2.6Moonshot AI · åpne vekter | 95 %-intervall 1466 til 1492 | 2 072 | · |
| 10 | GPT-5.6 Luna (xHigh)OpenAI | 95 %-intervall 1465 til 1492 | 1 926 | · |
| 11 | ERNIE 5.1Baidu | 95 %-intervall 1464 til 1491 | 1 981 | · |
| 11 | InklingThinky · åpne vekter | 95 %-intervall 1464 til 1491 | 1 951 | · |
| 14 | MiMo-V2.5-ProXiaomi · åpne vekter | 95 %-intervall 1469 til 1490 | 3 709 | · |
| 14 | Gemini 3 ProGoogle | 95 %-intervall 1466 til 1488 | 2 770 | · |
| 14 | Claude Opus 4.8Anthropic | 95 %-intervall 1466 til 1488 | 3 089 | · |
| 14 | Gemini 3 FlashGoogle | 95 %-intervall 1462 til 1487 | 2 071 | · |
| 14 | Grok 4.5xAI | 95 %-intervall 1459 til 1487 | 1 765 | · |
| 15 | GLM-5.1Z.ai · åpne vekter | 95 %-intervall 1464 til 1486 | 3 182 | · |
| 16 | Claude Sonnet 5 (High)Anthropic | 95 %-intervall 1461 til 1485 | 2 325 | · |
| Lenger ned på listen: de andre modellene på prislisten vår | ||||
| 146 | gpt-oss-120bOpenAI · åpne vekter | 95 %-intervall 1367 til 1395 | 1 781 | · |
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