Benchmark för AI:ns faktamässiga träffsäkerhet: 94 modeller rankade efter uppmätta resultat

1. Nr 1Claude Fable 5.2AnthropicListpris 8,00 US$ / 40,00 US$3,20 US$ / 16,00 US$med AIGROW API-kreditKör Claude Fable 5.2 upp till 60% under listprisCertifierat äkta av AIGROW den 11 november 2026
2. Nr 3Gemini 4 ArgonGoogleListpris 2,00 US$ / 10,00 US$1,00 US$ / 5,00 US$med AIGROW API-kreditKör Gemini 4 Argon upp till 50% under listprisCertifierat äkta av AIGROW den 11 november 2026
3. Nr 4GPT-6 AstraOpenAIListpris 10,00 US$ / 50,00 US$2,50 US$ / 12,50 US$med AIGROW API-kreditKör GPT-6 Astra upp till 75% under listprisCertifierat äkta av AIGROW den 11 november 2026

Amerikanska dollar per miljon tokens in / ut. Certifierat äkta av AIGROW betyder att modellen klarade AIGROWs egen kontroll mot samma modell hos tillverkaren den 11 november 2026. Ingen modelltillverkare har granskat eller godkänt den.

Vad det mäter

SimpleQA Verified: 1 000 korta frågor om politik, vetenskap, konst, sport, platser, musik och mycket mer, var och en med ett enda rätt svar. Resultatet är andelen rätta svar. Epoch AI kör testet.

Vad det utelämnar

Det testar hur väl korta fakta återges, inte långa svar eller källor, och modellerna uppmanas att gissa i stället för att säga att de inte vet.

Så läser du marginalen

Varje resultat har ett 95-procentigt intervall, 1,96 standardfel åt vardera hållet, så som Epoch AI publicerar dem; ett medelvärde kombinerar felen från sina tester. Där två intervall överlappar kan testerna inte avgöra vilken modell som är bäst. Raderna numreras ändå efter poäng, och en rad anger hur många modeller ovanför den som överlappar.

Inställningar

Under varje resultat står vilken resonemangsinställning Epoch AI körde modellen med, med inställningens eget namn, samt datumet för körningen. Om en modell kördes med flera inställningar räknas det bästa resultatet.

Den andra kolumnen

Faktalistan hos LMArena blandar blinda röster med kontroller av fakta i varje svar: påståenden plockas ur svaren och kontrolleras av sökagenter, och som standard väger kontrollerna 25 % av poängen. Den visas bredvid testet och används inte för rankningen.

Inte uppdaterad på över 120 dagar

Ett resultat som kördes mer än 120 dagar före de senaste uppgifterna på de här sidorna får den här markeringen, så att ett äldre resultat kan vägas som just det.

Priser

Listpriset per miljon tokens från leverantörens egen prissida, kontrollerat 12 november 2026. Det är ett pris per token, inte per svar: en högre resonemangsinställning använder fler tokens för samma fråga. Där AIGROW API-kredit säljer en modell är listpriset överstruket och priset via krediten står under.

Källa: Epoch AI, SimpleQA Verified (data från 12 november 2026), licensierad under CC BY 4.0; LMArena, datamängd för topplistan (version 4217986c, publicerad 9 november 2026), licensierad under CC BY 4.0. Vi ändrar inga poäng: vi lägger till priserna och länkarna till våra modellsidor.