Informasjonskapsler på AIGROW

Vi bruker nødvendige informasjonskapsler for å drive nettstedet. Med din tillatelse bruker vi også informasjonskapsler til analyse, øktopptak og markedsføringsattribusjon.

Retningslinjer for informasjonskapsler

KI-rangering · Resonnering

Benchmark for KI-resonnering: 28 modeller rangert etter målte resultater

Tre tester som Epoch AI kjører selv: det beste trekket i nye sjakkstillinger, det beste trekket i et spill der navnet holdes hemmelig, slik at modellene har mindre sjanse til å ha forberedt seg, og hvor mange mål en modell oppnår i et lite kjent brettspill etter å ha øvd på det.

Kjør Claude Fable 5.2 opptil 60% under listepris. 25 USD i måneden gir 110 USD i API-kreditt og kan sies opp når som helst. 25 USD én gang gir 100 USD. Resultater fra tester som Epoch AI kjører, data fra 12. november 2026, under CC BY 4.0. Priser fra hver produsents prisside, lest 12. november 2026.

Høyeste poengsum
86,5 %Claude Fable 5.2 fra Anthropic
Rangerte modeller
28
På linje med leder
2
Til salgs med AIGROW-kreditt
9
Data fra
12. november 2026

På linje: intervallet overlapper lederens.

På de tre resonneringstestene Epoch AI kjører selv, leder Claude Fable 5.2 fra Anthropic blant de 28 modellene med resultater på alle tre, med et gjennomsnitt på 86,5 % (data fra 12. november 2026). 2 andre modeller er statistisk på linje med den. AIGROW API credit selger den for 3,20 USD / 16,00 USD i stedet for 8,00 USD / 40,00 USD per million input-/output-tokens.

Kjør modeller fra denne rangeringen under listepris

AIGROW API credit kjører disse modellene gjennom én nøkkel, fakturert per token til prisene under. 25 USD i måneden gir 110 USD i API-kreditt og kan sies opp når som helst. 25 USD én gang gir 100 USD.

  1. Nr. 1Claude Fable 5.2AnthropicListepris 8,00 USD / 40,00 USD3,20 USD / 16,00 USDmed AIGROW API-kredittKjør Claude Fable 5.2 opptil 60% under listeprisSertifisert ekte av AIGROW 11. november 2026
  2. Nr. 3GPT-6 AstraOpenAIListepris 10,00 USD / 50,00 USD2,50 USD / 12,50 USDmed AIGROW API-kredittKjør GPT-6 Astra opptil 75% under listeprisSertifisert ekte av AIGROW 11. november 2026
  3. Nr. 4Claude Opus 5.5AnthropicListepris 4,00 USD / 20,00 USD1,60 USD / 8,00 USDmed AIGROW API-kredittKjør Claude Opus 5.5 opptil 60% under listeprisSertifisert ekte av AIGROW 11. november 2026

Amerikanske dollar per million input-/output-tokens. Bekreftet ekte av AIGROW betyr at modellen besto AIGROWs egen kontroll mot den samme modellen hos produsenten 11. november 2026. Ingen modellprodusent har gjennomgått eller godkjent den.

Benchmark for KI-resonnering

Epoch bruker oppgaver og spill som stedfortreder for planlegging og læring underveis; de tester ikke skriving, koding eller kunnskap.

Resultater for 28 KI-modeller på Chess Puzzles, Mystery Game Puzzles, EBR-bench, med 95 %-intervaller og listepriser
#ModellGjennomsnittChess PuzzlesMystery Game PuzzlesEBR-benchPer 1M tokens, inn / ut
1Claude Fable 5.2AnthropicKjør Claude Fable 5.2 opptil 60% under listeprisSertifisert ekte av AIGROW 11. november 202686,5 %95 %-intervall 83,0 % til 90,0 %79,0 %max, kjørt 6. nov. 202690,0 %max, kjørt 6. nov. 202690,5 %max, kjørt 6. nov. 2026Listepris 8,00 USD / 40,00 USD3,20 USD / 16,00 USDmed AIGROW API-kreditt
2Gemini 4 CarbonGoogle DeepMind79,5 %95 %-intervall 73,6 % til 85,5 %Intervallet overlapper 1 modell over den78,0 %high, kjørt 2. nov. 202673,0 %high, kjørt 2. nov. 202687,6 %high, kjørt 5. nov. 20262,00 USD / 10,00 USD
3GPT-6 AstraOpenAIKjør GPT-6 Astra opptil 75% under listeprisSertifisert ekte av AIGROW 11. november 202678,7 %95 %-intervall 72,1 % til 85,3 %Intervallet overlapper 2 modeller over den76,0 %promax, kjørt 15. okt. 202684,0 %max, kjørt 30. aug. 202676,2 %max, kjørt 30. aug. 2026Listepris 10,00 USD / 50,00 USD2,50 USD / 12,50 USDmed AIGROW API-kreditt
4Claude Opus 5.5AnthropicKjør Claude Opus 5.5 opptil 60% under listeprisSertifisert ekte av AIGROW 11. november 202669,8 %95 %-intervall 63,5 % til 76,1 %Intervallet overlapper 2 modeller over den67,0 %max, kjørt 13. okt. 202671,0 %max, kjørt 29. sep. 202671,4 %max, kjørt 22. sep. 2026Listepris 4,00 USD / 20,00 USD1,60 USD / 8,00 USDmed AIGROW API-kreditt
5GPT-6.1 SolOpenAIKjør GPT-6.1 Sol opptil 75% under listeprisSertifisert ekte av AIGROW 11. november 202667,4 %95 %-intervall 61,9 % til 72,9 %Intervallet overlapper 2 modeller over den68,0 %max, kjørt 13. okt. 202680,0 %max, kjørt 29. sep. 202654,3 %max, kjørt 29. sep. 2026Listepris 2,00 USD / 10,00 USD0,50 USD / 2,50 USDmed AIGROW API-kreditt
6Gemini 4 ArgonGoogle DeepMindKjør Gemini 4 Argon opptil 50% under listeprisSertifisert ekte av AIGROW 11. november 202662,6 %95 %-intervall 57,1 % til 68,1 %Intervallet overlapper 2 modeller over den59,0 %high, kjørt 13. okt. 202664,0 %high, kjørt 13. okt. 202664,8 %high, kjørt 13. okt. 2026Listepris 2,00 USD / 10,00 USD1,00 USD / 5,00 USDmed AIGROW API-kreditt
7GPT-5.6 SolOpenAI56,9 %95 %-intervall 51,7 % til 62,1 %Intervallet overlapper 2 modeller over den68,0 %promax, kjørt 14. okt. 202658,0 %max, kjørt 28. juli 202644,8 %max, kjørt 4. sep. 20264,00 USD / 20,00 USD
8GPT-6 SolOpenAI55,1 %95 %-intervall 49,6 % til 60,6 %Intervallet overlapper 2 modeller over den56,0 %max, kjørt 13. okt. 202656,0 %max, kjørt 22. sep. 202653,3 %max, kjørt 22. sep. 20262,00 USD / 10,00 USD
9Claude Fable 5.1AnthropicKjør Claude Fable 5.1 opptil 60% under listeprisSertifisert ekte av AIGROW 11. november 202654,4 %95 %-intervall 48,3 % til 60,4 %Intervallet overlapper 3 modeller over den48,0 %max, kjørt 13. okt. 202658,0 %max, kjørt 1. sep. 202657,1 %max, kjørt 8. sep. 2026Listepris 10,00 USD / 50,00 USD4,00 USD / 20,00 USDmed AIGROW API-kreditt
10GPT-5.5OpenAI51,1 %95 %-intervall 46,4 % til 55,8 %Intervallet overlapper 3 modeller over den63,0 %xhigh, kjørt 13. okt. 202656,0 %xhigh, kjørt 24. juli 202634,3 %xhigh, kjørt 27. juli 20265,00 USD / 30,00 USD
11Claude Opus 5Anthropic49,2 %95 %-intervall 44,1 % til 54,4 %Intervallet overlapper 4 modeller over den43,0 %max, kjørt 13. okt. 202659,0 %max, kjørt 25. juli 202645,7 %max, kjørt 5. sep. 20265,00 USD / 25,00 USD
12Claude Fable 5Anthropic46,2 %95 %-intervall 41,4 % til 51,0 %Intervallet overlapper 4 modeller over den47,0 %max, kjørt 13. okt. 202652,0 %max, kjørt 31. juli 202639,5 %max, kjørt 17. juli 2026Ingen listepris
13Claude Haiku 5.5Anthropic42,9 %95 %-intervall 38,3 % til 47,5 %Intervallet overlapper 3 modeller over den55,0 %max, kjørt 13. okt. 202630,0 %max, kjørt 7. okt. 202643,8 %max, kjørt 9. okt. 20260,10 USD / 0,50 USD
14Claude Opus 4.8Anthropic38,9 %95 %-intervall 34,2 % til 43,5 %Intervallet overlapper 2 modeller over den52,0 %max, kjørt 13. okt. 202636,0 %max, kjørt 25. juli 202628,6 %max, kjørt 7. aug. 2026Ingen listepris
15GPT-5.4OpenAI36,8 %Ingen publisert margin48,0 %xhigh, kjørt 13. okt. 202637,0 %xhigh, kjørt 24. juli 202625,4 %xhigh, kjørt 25. juni 2026Ikke oppdatert på over 120 dagerIngen listepris
16Gemini 3.1 Pro (preview)Google DeepMind33,1 %Ingen publisert margin51,0 %high, kjørt 13. okt. 202634,0 %high, kjørt 27. juli 202614,3 %Kjørt 25. juni 2026Ikke oppdatert på over 120 dager2,00 USD / 12,00 USD
17Grok 4.6xAI32,5 %95 %-intervall 28,0 % til 37,0 %Intervallet overlapper 1 modell over den33,0 %xhigh, kjørt 13. okt. 202634,0 %xhigh, kjørt 14. aug. 202630,5 %xhigh, kjørt 18. aug. 2026Ingen listepris
18GPT-5.2OpenAI31,3 %Ingen publisert margin48,0 %xhigh, kjørt 14. okt. 202623,0 %high, kjørt 6. aug. 202623,0 %xhigh, kjørt 26. juni 2026Ikke oppdatert på over 120 dagerIngen listepris
19Claude Opus 4.7Anthropic29,3 %Ingen publisert margin41,0 %max, kjørt 13. okt. 202628,0 %max, kjørt 25. juli 202619,1 %max, kjørt 30. juni 2026Ikke oppdatert på over 120 dagerIngen listepris
20Gemini 3.5 FlashGoogle DeepMind27,3 %Ingen publisert margin45,0 %high, kjørt 13. okt. 202632,0 %high, kjørt 27. juli 20264,8 %high, kjørt 25. juni 2026Ikke oppdatert på over 120 dagerIngen listepris
21GPT-5OpenAI23,9 %Ingen publisert margin36,0 %high, kjørt 13. okt. 202623,0 %high, kjørt 5. aug. 202612,7 %high, kjørt 29. juni 2026Ikke oppdatert på over 120 dagerIngen listepris
22Qwen3.7-MaxAlibaba22,8 %Ingen publisert margin27,0 %Kjørt 13. okt. 202632,0 %Kjørt 28. juli 20269,5 %Kjørt 25. juni 2026Ikke oppdatert på over 120 dagerIngen listepris
23Mistral Large 4Mistral AI22,4 %95 %-intervall 17,9 % til 26,8 %29,0 %high, kjørt 2. nov. 202620,0 %high, kjørt 2. nov. 202618,1 %high, kjørt 2. nov. 20260,70 USD / 2,10 USD
24Claude Opus 4.6Anthropic19,6 %Ingen publisert margin21,0 %max, kjørt 13. okt. 202625,0 %max, kjørt 25. juli 202612,7 %max, kjørt 29. juni 2026Ikke oppdatert på over 120 dagerIngen listepris
25GLM-5.2Z.ai (Zhipu AI)16,8 %Ingen publisert margin22,0 %max, kjørt 14. okt. 202619,0 %low, kjørt 27. aug. 20269,5 %max, kjørt 29. juni 2026Ikke oppdatert på over 120 dagerIngen listepris

Ikke rangert: modeller som mangler en test

Disse modellene har resultater på noen av testene, men ikke alle, så et gjennomsnitt ville ikke latt seg sammenligne med de ovenfor. Resultatene deres står her, med best gjennomsnitt først, uten tall.

82 modeller med resultater på noen av testene
ModellChess PuzzlesMystery Game PuzzlesEBR-bench
GPT-6.1 TerraOpenAIKjør GPT-6.1 Terra opptil 75% under listeprisSertifisert ekte av AIGROW 11. november 2026Ikke kjørt74,0 %max, kjørt 26. okt. 202678,1 %max, kjørt 26. okt. 2026
Claude Sonnet 5.5AnthropicKjør Claude Sonnet 5.5 opptil 60% under listeprisSertifisert ekte av AIGROW 11. november 202659,0 %max, kjørt 13. okt. 202665,0 %max, kjørt 29. sep. 2026Ikke kjørt
GPT-5.5 ProOpenAI62,0 %xhigh, kjørt 14. okt. 2026Ikke kjørtIkke kjørt
GPT-5.2 ProOpenAI60,0 %xhigh, kjørt 14. okt. 2026Ikke kjørtIkke kjørt
GPT-5.4 ProOpenAI59,0 %xhigh, kjørt 14. okt. 2026Ikke kjørtIkke kjørt
Gemini 3.8 FlashGoogle DeepMind58,0 %high, kjørt 13. okt. 202647,0 %high, kjørt 2. sep. 2026Ikke kjørt
Gemini 3.7 FlashGoogle DeepMind66,0 %high, kjørt 13. okt. 202637,0 %high, kjørt 14. aug. 2026Ikke kjørt
GPT-5 ProOpenAI48,0 %high, kjørt 14. okt. 2026Ikke kjørtIkke kjørt
DeepSeek V4.1 Flash 1017DeepSeek46,0 %max, kjørt 19. okt. 202649,0 %max, kjørt 19. okt. 2026Ikke kjørt
DeepSeek V4.1 FlashDeepSeek48,0 %max, kjørt 13. okt. 202643,0 %max, kjørt 8. okt. 2026Ikke kjørt

Slik leser du denne rangeringen

Hva poengsummene måler, hva de utelater, og hvor hvert tall kommer fra.

Hva den måler
Tre tester som Epoch AI kjører selv: det beste trekket i nye sjakkstillinger, det beste trekket i et spill der navnet holdes hemmelig, slik at modellene har mindre sjanse til å ha forberedt seg, og hvor mange mål en modell oppnår i et lite kjent brettspill etter å ha øvd på det.
Hva den utelater
Epoch bruker oppgaver og spill som stedfortreder for planlegging og læring underveis; de tester ikke skriving, koding eller kunnskap.
Slik leser du marginen
Hvert resultat har et 95 %-intervall, 1,96 standardfeil til hver side slik Epoch AI publiserer dem. Et gjennomsnitt kombinerer feilene fra testene det bygger på. Når to intervaller overlapper, kan ikke testene si hvilken modell som er best. Radene er likevel nummerert etter poengsum, og hver rad oppgir hvor mange modeller over den som overlapper.
Innstillinger
Under hvert resultat står innstillingen for resonnering som Epoch AI kjørte modellen med, skrevet slik den er oppgitt, og dagen for kjøringen. Der en modell er kjørt med flere innstillinger, teller det beste resultatet.
Bare komplette resultater
En modell får bare nummer når den har resultater på alle tre testene, og plasseringen er det enkle gjennomsnittet av de tre, uten vekting. Modeller med færre resultater står uten nummer under rangeringen.
Ikke oppdatert på over 120 dager
Et resultat som er kjørt mer enn 120 dager før de nyeste dataene på disse sidene, får dette merket, slik at et eldre resultat kan vurderes deretter.
Priser
Listeprisen per million tokens fra utviklerens egen prisside, lest 12. november 2026. Det er en pris per token, ikke per svar: en høyere resonneringsinnstilling bruker flere tokens på det samme spørsmålet. Der AIGROW API credit selger en modell, er listeprisen overstreket, og prisen gjennom kreditten står under.

Kilde: Epoch AI, Chess Puzzles, Mystery Game Puzzles, EBR-bench (data fra 12. november 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.

Se priseneSe benchmarken

Data fra 12. november 2026