Cookies på AIGROW

Vi använder nödvändiga cookies för att webbplatsen ska fungera. Med ditt tillstånd använder vi även cookies för analys, sessionsinspelningar och marknadsföringsattribution.

Cookiepolicy

AI-topplista · Resonemang

Benchmark för AI-resonemang: 28 modeller rankade efter uppmätta resultat

Tre tester som Epoch AI kör själva: bästa draget i nya schackställningar, bästa draget i ett spel vars namn hålls hemligt så att modellerna sannolikt inte har förberett sig på det, och hur många mål en modell når i ett okänt brädspel efter att ha övat på det.

Kör Claude Fable 5.2 upp till 60% under listpris. 25 US$ i månaden ger 110 US$ i API-kredit och kan sägas upp när som helst. 25 US$ som engångsköp ger 100 US$. Resultat från tester som Epoch AI kör, data från 12 november 2026, under CC BY 4.0. Priser från respektive tillverkares prissida, avlästa 12 november 2026.

Högsta poäng
86,5 %Claude Fable 5.2 från Anthropic
Rankade modeller
28
På nivå med ledaren
2
Säljs med AIGROW API-kredit
9
Data från
12 november 2026

Jämbördig: dess intervall överlappar ledarens.

På de tre resonemangstesterna som Epoch AI kör själv leder Claude Fable 5.2 från Anthropic bland de 28 modeller som har resultat på alla tre, med ett medelvärde på 86,5 % (data från 12 november 2026). 2 andra modeller är statistiskt jämbördiga med den. AIGROW API-kredit säljer den för 3,20 US$ / 16,00 US$ i stället för 8,00 US$ / 40,00 US$ per miljon tokens in / ut.

Kör modeller från den här rankingen till under listpris

AIGROW API-kredit kör de här modellerna via en enda nyckel, debiterat per token enligt priserna nedan. 25 US$ i månaden ger 110 US$ i API-kredit och kan sägas upp när som helst. 25 US$ som engångsköp ger 100 US$.

  1. Nr 1Claude Fable 5.2AnthropicListpris 8,00 US$ / 40,00 US$3,20 US$ / 16,00 US$med AIGROW API-kreditKör Claude Fable 5.2 upp till 60% under listprisCertifierat äkta av AIGROW den 11 november 2026
  2. Nr 3GPT-6 AstraOpenAIListpris 10,00 US$ / 50,00 US$2,50 US$ / 12,50 US$med AIGROW API-kreditKör GPT-6 Astra upp till 75% under listprisCertifierat äkta av AIGROW den 11 november 2026
  3. Nr 4Claude Opus 5.5AnthropicListpris 4,00 US$ / 20,00 US$1,60 US$ / 8,00 US$med AIGROW API-kreditKör Claude Opus 5.5 upp till 60% 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.

Benchmark för AI-resonemang

Epoch använder pussel och spel som ersättning för planering och inlärning i arbetet. De testar inte skrivande, kodning eller kunskap.

Resultat för 28 AI-modeller på Chess Puzzles, Mystery Game Puzzles, EBR-bench, med 95 %-intervall och listpriser
#ModellGenomsnittChess PuzzlesMystery Game PuzzlesEBR-benchPer 1M tokens, in/ut
1Claude Fable 5.2AnthropicKör Claude Fable 5.2 upp till 60% under listprisCertifierat äkta av AIGROW den 11 november 202686,5 %95 % intervall 83,0 % till 90,0 %79,0 %max, kört 6 nov. 202690,0 %max, kört 6 nov. 202690,5 %max, kört 6 nov. 2026Listpris 8,00 US$ / 40,00 US$3,20 US$ / 16,00 US$med AIGROW API-kredit
2Gemini 4 CarbonGoogle DeepMind79,5 %95 % intervall 73,6 % till 85,5 %Dess intervall överlappar 1 modell ovanför78,0 %high, kört 2 nov. 202673,0 %high, kört 2 nov. 202687,6 %high, kört 5 nov. 20262,00 US$ / 10,00 US$
3GPT-6 AstraOpenAIKör GPT-6 Astra upp till 75% under listprisCertifierat äkta av AIGROW den 11 november 202678,7 %95 % intervall 72,1 % till 85,3 %Dess intervall överlappar 2 modeller ovanför76,0 %promax, kört 15 okt. 202684,0 %max, kört 30 aug. 202676,2 %max, kört 30 aug. 2026Listpris 10,00 US$ / 50,00 US$2,50 US$ / 12,50 US$med AIGROW API-kredit
4Claude Opus 5.5AnthropicKör Claude Opus 5.5 upp till 60% under listprisCertifierat äkta av AIGROW den 11 november 202669,8 %95 % intervall 63,5 % till 76,1 %Dess intervall överlappar 2 modeller ovanför67,0 %max, kört 13 okt. 202671,0 %max, kört 29 sep. 202671,4 %max, kört 22 sep. 2026Listpris 4,00 US$ / 20,00 US$1,60 US$ / 8,00 US$med AIGROW API-kredit
5GPT-6.1 SolOpenAIKör GPT-6.1 Sol upp till 75% under listprisCertifierat äkta av AIGROW den 11 november 202667,4 %95 % intervall 61,9 % till 72,9 %Dess intervall överlappar 2 modeller ovanför68,0 %max, kört 13 okt. 202680,0 %max, kört 29 sep. 202654,3 %max, kört 29 sep. 2026Listpris 2,00 US$ / 10,00 US$0,50 US$ / 2,50 US$med AIGROW API-kredit
6Gemini 4 ArgonGoogle DeepMindKör Gemini 4 Argon upp till 50% under listprisCertifierat äkta av AIGROW den 11 november 202662,6 %95 % intervall 57,1 % till 68,1 %Dess intervall överlappar 2 modeller ovanför59,0 %high, kört 13 okt. 202664,0 %high, kört 13 okt. 202664,8 %high, kört 13 okt. 2026Listpris 2,00 US$ / 10,00 US$1,00 US$ / 5,00 US$med AIGROW API-kredit
7GPT-5.6 SolOpenAI56,9 %95 % intervall 51,7 % till 62,1 %Dess intervall överlappar 2 modeller ovanför68,0 %promax, kört 14 okt. 202658,0 %max, kört 28 juli 202644,8 %max, kört 4 sep. 20264,00 US$ / 20,00 US$
8GPT-6 SolOpenAI55,1 %95 % intervall 49,6 % till 60,6 %Dess intervall överlappar 2 modeller ovanför56,0 %max, kört 13 okt. 202656,0 %max, kört 22 sep. 202653,3 %max, kört 22 sep. 20262,00 US$ / 10,00 US$
9Claude Fable 5.1AnthropicKör Claude Fable 5.1 upp till 60% under listprisCertifierat äkta av AIGROW den 11 november 202654,4 %95 % intervall 48,3 % till 60,4 %Dess intervall överlappar 3 modeller ovanför48,0 %max, kört 13 okt. 202658,0 %max, kört 1 sep. 202657,1 %max, kört 8 sep. 2026Listpris 10,00 US$ / 50,00 US$4,00 US$ / 20,00 US$med AIGROW API-kredit
10GPT-5.5OpenAI51,1 %95 % intervall 46,4 % till 55,8 %Dess intervall överlappar 3 modeller ovanför63,0 %xhigh, kört 13 okt. 202656,0 %xhigh, kört 24 juli 202634,3 %xhigh, kört 27 juli 20265,00 US$ / 30,00 US$
11Claude Opus 5Anthropic49,2 %95 % intervall 44,1 % till 54,4 %Dess intervall överlappar 4 modeller ovanför43,0 %max, kört 13 okt. 202659,0 %max, kört 25 juli 202645,7 %max, kört 5 sep. 20265,00 US$ / 25,00 US$
12Claude Fable 5Anthropic46,2 %95 % intervall 41,4 % till 51,0 %Dess intervall överlappar 4 modeller ovanför47,0 %max, kört 13 okt. 202652,0 %max, kört 31 juli 202639,5 %max, kört 17 juli 2026Inget listpris
13Claude Haiku 5.5Anthropic42,9 %95 % intervall 38,3 % till 47,5 %Dess intervall överlappar 3 modeller ovanför55,0 %max, kört 13 okt. 202630,0 %max, kört 7 okt. 202643,8 %max, kört 9 okt. 20260,10 US$ / 0,50 US$
14Claude Opus 4.8Anthropic38,9 %95 % intervall 34,2 % till 43,5 %Dess intervall överlappar 2 modeller ovanför52,0 %max, kört 13 okt. 202636,0 %max, kört 25 juli 202628,6 %max, kört 7 aug. 2026Inget listpris
15GPT-5.4OpenAI36,8 %Ingen publicerad marginal48,0 %xhigh, kört 13 okt. 202637,0 %xhigh, kört 24 juli 202625,4 %xhigh, kört 25 juni 2026Inte uppdaterad på över 120 dagarInget listpris
16Gemini 3.1 Pro (preview)Google DeepMind33,1 %Ingen publicerad marginal51,0 %high, kört 13 okt. 202634,0 %high, kört 27 juli 202614,3 %Kört 25 juni 2026Inte uppdaterad på över 120 dagar2,00 US$ / 12,00 US$
17Grok 4.6xAI32,5 %95 % intervall 28,0 % till 37,0 %Dess intervall överlappar 1 modell ovanför33,0 %xhigh, kört 13 okt. 202634,0 %xhigh, kört 14 aug. 202630,5 %xhigh, kört 18 aug. 2026Inget listpris
18GPT-5.2OpenAI31,3 %Ingen publicerad marginal48,0 %xhigh, kört 14 okt. 202623,0 %high, kört 6 aug. 202623,0 %xhigh, kört 26 juni 2026Inte uppdaterad på över 120 dagarInget listpris
19Claude Opus 4.7Anthropic29,3 %Ingen publicerad marginal41,0 %max, kört 13 okt. 202628,0 %max, kört 25 juli 202619,1 %max, kört 30 juni 2026Inte uppdaterad på över 120 dagarInget listpris
20Gemini 3.5 FlashGoogle DeepMind27,3 %Ingen publicerad marginal45,0 %high, kört 13 okt. 202632,0 %high, kört 27 juli 20264,8 %high, kört 25 juni 2026Inte uppdaterad på över 120 dagarInget listpris
21GPT-5OpenAI23,9 %Ingen publicerad marginal36,0 %high, kört 13 okt. 202623,0 %high, kört 5 aug. 202612,7 %high, kört 29 juni 2026Inte uppdaterad på över 120 dagarInget listpris
22Qwen3.7-MaxAlibaba22,8 %Ingen publicerad marginal27,0 %Kört 13 okt. 202632,0 %Kört 28 juli 20269,5 %Kört 25 juni 2026Inte uppdaterad på över 120 dagarInget listpris
23Mistral Large 4Mistral AI22,4 %95 % intervall 17,9 % till 26,8 %29,0 %high, kört 2 nov. 202620,0 %high, kört 2 nov. 202618,1 %high, kört 2 nov. 20260,70 US$ / 2,10 US$
24Claude Opus 4.6Anthropic19,6 %Ingen publicerad marginal21,0 %max, kört 13 okt. 202625,0 %max, kört 25 juli 202612,7 %max, kört 29 juni 2026Inte uppdaterad på över 120 dagarInget listpris
25GLM-5.2Z.ai (Zhipu AI)16,8 %Ingen publicerad marginal22,0 %max, kört 14 okt. 202619,0 %low, kört 27 aug. 20269,5 %max, kört 29 juni 2026Inte uppdaterad på över 120 dagarInget listpris

Ej rankade: modeller som saknar ett test

Dessa modeller har resultat på några av testerna men inte alla, så ett genomsnitt skulle inte gå att jämföra med de ovan. Deras resultat visas här, med bästa genomsnittet först, utan siffra.

82 modeller med resultat på några av testerna
ModellChess PuzzlesMystery Game PuzzlesEBR-bench
GPT-6.1 TerraOpenAIKör GPT-6.1 Terra upp till 75% under listprisCertifierat äkta av AIGROW den 11 november 2026Ej körd74,0 %max, kört 26 okt. 202678,1 %max, kört 26 okt. 2026
Claude Sonnet 5.5AnthropicKör Claude Sonnet 5.5 upp till 60% under listprisCertifierat äkta av AIGROW den 11 november 202659,0 %max, kört 13 okt. 202665,0 %max, kört 29 sep. 2026Ej körd
GPT-5.5 ProOpenAI62,0 %xhigh, kört 14 okt. 2026Ej kördEj körd
GPT-5.2 ProOpenAI60,0 %xhigh, kört 14 okt. 2026Ej kördEj körd
GPT-5.4 ProOpenAI59,0 %xhigh, kört 14 okt. 2026Ej kördEj körd
Gemini 3.8 FlashGoogle DeepMind58,0 %high, kört 13 okt. 202647,0 %high, kört 2 sep. 2026Ej körd
Gemini 3.7 FlashGoogle DeepMind66,0 %high, kört 13 okt. 202637,0 %high, kört 14 aug. 2026Ej körd
GPT-5 ProOpenAI48,0 %high, kört 14 okt. 2026Ej kördEj körd
DeepSeek V4.1 Flash 1017DeepSeek46,0 %max, kört 19 okt. 202649,0 %max, kört 19 okt. 2026Ej körd
DeepSeek V4.1 FlashDeepSeek48,0 %max, kört 13 okt. 202643,0 %max, kört 8 okt. 2026Ej körd

Så läser du den här rankningen

Vad resultaten mäter, vad de utelämnar och var varje siffra kommer ifrån.

Vad det mäter
Tre tester som Epoch AI kör själva: bästa draget i nya schackställningar, bästa draget i ett spel vars namn hålls hemligt så att modellerna sannolikt inte har förberett sig på det, och hur många mål en modell når i ett okänt brädspel efter att ha övat på det.
Vad det utelämnar
Epoch använder pussel och spel som ersättning för planering och inlärning i arbetet. De testar inte skrivande, kodning eller kunskap.
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.
Endast fullständiga resultat
En modell får ett nummer först när den har resultat på alla tre tester, och dess plats bestäms av det enkla medelvärdet av de tre, utan vikter. Modeller med färre resultat listas utan nummer under rankingen.
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, Chess Puzzles, Mystery Game Puzzles, EBR-bench (data från 12 november 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.

Se prisernaSe benchmarken

Data från 12 november 2026