Bästa AI för svåra frågor: 417 modeller rankade efter blindröster
Frågor som arenans klassificerare bedömer som svåra: specifika, tekniska och kräver flera steg att lösa. Rankad efter LMArenas blindröster, varje poäng med felmarginal och, bredvid, listpriset för varje modell i vår prislista.
Poäng från LMArena, publicerade 20 oktober 2026, under CC BY 4.0. Priser från varje leverantörs prissida, kontrollerade 15 oktober 2026.
- Rankade modeller
- 417
- På nivå med ledaren
- 2
- I vår prislista
- 1
- Publicerad
- 20 oktober 2026
På nivå: rösterna kan inte skilja den från ledaren.
På LMArenas lista (Svåra frågor) leder Gemini 4 Argon (High) från Google med 1549 poäng från 3 131 blindröster, publicerade 20 oktober 2026. En annan modell är statistiskt jämbördig med den. Ingen av modellerna som den rankar har något API-pris i vår lista än.
Bästa AI för svåra frågor
Frågor som arenans klassificerare bedömer som svåra: specifika, tekniska och kräver flera steg att lösa.
| # | Modell | Poäng | Röster | Per 1M tokens, in/ut |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | 95 % intervall 1538 till 1560 | 3 131 | · |
| 1 | Claude Opus 5.5 (High)Anthropic | 95 % intervall 1525 till 1543 | 5 917 | · |
| 2 | Claude Opus 4.6 (High)Anthropic | 95 % intervall 1526 till 1535 | 52 600 | · |
| 2 | Claude Fable 5 (High)Anthropic | 95 % intervall 1524 till 1534 | 28 193 | · |
| 2 | Claude Opus 4.6Anthropic | 95 % intervall 1523 till 1531 | 56 652 | · |
| 2 | Claude Opus 4.7 (High)Anthropic | 95 % intervall 1521 till 1530 | 43 676 | · |
| 2 | Claude Fable 5.1 (Max)Anthropic | 95 % intervall 1516 till 1530 | 9 089 | · |
| 2 | Muse Wonder (Max)Meta | 95 % intervall 1512 till 1534 | 3 187 | · |
| 5 | Claude Opus 4.7Anthropic | 95 % intervall 1515 till 1523 | 44 373 | · |
| 5 | Gemini 3.8 Flash (High)Google | 95 % intervall 1512 till 1523 | 26 670 | · |
| 5 | Muse Spark 1.3 (Max)Meta | 95 % intervall 1510 till 1523 | 12 510 | · |
| 6 | Kimi K3 (Max)Moonshot AI · öppna modellvikter | 95 % intervall 1511 till 1522 | 21 953 | · |
| 6 | Claude Opus 5 (Max)Anthropic | 95 % intervall 1510 till 1521 | 21 745 | · |
| 7 | Claude Opus 5 (High)Anthropic | 95 % intervall 1510 till 1519 | 45 136 | · |
| 7 | Claude Opus 4.8 (High)Anthropic | 95 % intervall 1508 till 1517 | 42 516 | · |
| 7 | GPT-5.6 Sol (xHigh)OpenAI | 95 % intervall 1506 till 1516 | 27 137 | · |
| 7 | Muse Spark 1.2 (xHigh)Meta | 95 % intervall 1503 till 1519 | 6 116 | · |
| 8 | Muse Spark 1.1Meta | 95 % intervall 1505 till 1515 | 29 563 | · |
| 8 | Claude Sonnet 5.5 (xHigh)Anthropic | 95 % intervall 1497 till 1515 | 5 015 | · |
| 8 | MiMo-V2.6-ProXiaomi · öppna modellvikter | 95 % intervall 1492 till 1516 | 2 619 | · |
| 9 | Gemini 3.7 Flash (High)Google | 95 % intervall 1502 till 1513 | 19 036 | · |
| 9 | Muse SparkMeta | 95 % intervall 1499 till 1513 | 9 159 | · |
| 11 | Gemini 3.1 Pro PreviewGoogle | 95 % intervall 1504 till 1511 | 84 197 | · |
| 11 | GPT-6.1 Sol (Max)OpenAI | 95 % intervall 1493 till 1512 | 4 318 | · |
| 12 | GLM-5.3 (Max)Z.ai · öppna modellvikter | 95 % intervall 1498 till 1510 | 15 149 | · |
| 15 | Claude Opus 4.8Anthropic | 95 % intervall 1500 till 1510 | 43 360 | · |
| 15 | Qwen3.8-MaxAlibaba | 95 % intervall 1498 till 1509 | 19 425 | · |
| 16 | Claude Sonnet 4.6Anthropic | 95 % intervall 1499 till 1508 | 46 227 | · |
| 16 | Gemini 3 ProGoogle | 95 % intervall 1498 till 1507 | 23 177 | · |
| 16 | Gemini 3.6 Flash (High)Google | 95 % intervall 1496 till 1506 | 24 133 | · |
| 16 | GPT-6 Astra (Max)OpenAI | 95 % intervall 1494 till 1508 | 8 080 | · |
| 16 | Qwen3.7-Max-PreviewAlibaba | 95 % intervall 1483 till 1507 | 2 683 | · |
| 17 | GPT-5.5 (High)OpenAI | 95 % intervall 1497 till 1506 | 45 527 | · |
| 17 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | 95 % intervall 1496 till 1506 | 20 308 | · |
| 17 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek · öppna modellvikter | 95 % intervall 1492 till 1506 | 8 655 | · |
| 18 | GLM-5.3-FlashZ.ai · öppna modellvikter | 95 % intervall 1494 till 1505 | 22 985 | · |
| 19 | GPT-5.5OpenAI | 95 % intervall 1495 till 1503 | 47 276 | · |
| 20 | Claude Opus 4.5 (20251101)Anthropic | 95 % intervall 1494 till 1502 | 43 232 | · |
| 21 | GPT-5.4 (High)OpenAI | 95 % intervall 1492 till 1501 | 42 124 | · |
| 21 | GPT-5.2 Chat (20260210)OpenAI | 95 % intervall 1492 till 1501 | 22 862 | · |
| 21 | GLM-5.2 (Max)Z.ai · öppna modellvikter | 95 % intervall 1492 till 1501 | 33 290 | · |
| 22 | Gemini 3.5 Flash (Medium)Google | 95 % intervall 1490 till 1500 | 31 491 | · |
| 22 | Gemini 3.5 Flash (High)Google | 95 % intervall 1490 till 1500 | 32 389 | · |
| 25 | MiMo-V2.5-ProXiaomi · öppna modellvikter | 95 % intervall 1490 till 1498 | 50 452 | · |
| 25 | Gemini 3 FlashGoogle | 95 % intervall 1487 till 1498 | 17 156 | · |
| 27 | Qwen3.5-Max-PreviewAlibaba | 95 % intervall 1486 till 1497 | 14 540 | · |
| 27 | GPT-5.5 InstantOpenAI | 95 % intervall 1485 till 1497 | 18 434 | · |
| 31 | GPT-5.6 Terra (xHigh)OpenAI | 95 % intervall 1485 till 1495 | 29 450 | · |
| 34 | Claude Sonnet 5 (High)Anthropic | 95 % intervall 1485 till 1494 | 33 444 | · |
| 35 | GLM-5.1Z.ai · öppna modellvikter | 95 % intervall 1485 till 1493 | 42 115 | · |
| Längre ner på listan: de andra modellerna i vår prislista | ||||
| 209 | gpt-oss-120bOpenAI · öppna modellvikter | 95 % intervall 1356 till 1368 | 14 687 | · |
Varifrån rankingen kommer
Poängen, intervallen och placeringarna kommer från LMArena. Priserna är våra.
- Blindröster
- LMArena ställer samma fråga till två anonyma modeller och ber den som skrev den att välja det bättre svaret. Rösterna placerar varje modell på en gemensam skala, där ett avstånd på 100 poäng betyder att den högre modellen vinner ungefär 64 gånger av 100.
- Stilkontroll
- Poängen räknar bort effekten av svarslängd och formatering, så en modell klättrar inte genom att skriva mer eller lägga till rubriker och listor.
- Delade placeringar
- En modells placering är ett plus antalet modeller vars hela 95 % intervall ligger över dess eget. Modeller som rösterna inte kan skilja åt delar placering, och därför kan flera vara etta.
- Inställningar
- En modell kan förekomma flera gånger, med olika resonemangsinställningar: raden under namnet visar posten så som LMArena listar den. Poster med webbsökning påslagen är en annan produkt och har inget pris.
- Priser
- Listpriset per miljon tokens från leverantörens egen prissida, kontrollerat 15 oktober 2026. Det är ett pris per token, inte per svar: en högre resonemangsinställning använder fler tokens för samma fråga.
Källa: LMArena, datamängd för topplistan (version 9041150e, publicerad 20 oktober 2026), licensierad under CC BY 4.0. Vi ändrar inga poäng: vi lägger till priserna och länkarna till våra modellsidor.
Vad varje modell kostar att använda
Prislistan gäller tre vardagliga uppgifter för varje modell, och vårt eget benchmark kör dem på verkliga affärsuppgifter för att se vilka som klarar sig.
Poäng publicerade 20 oktober 2026