APREX · EST. 2026AI-modellbarometer
En løpende og objektiv sammenligning av de kraftigste kunstig intelligens-språkmodellene på markedet, basert på standardiserte akademiske tester og sanntids API-priser.
Hvilken AI-modell er best akkurat nå?
Basert på våre aggregerte benchmark-analyser og tester fra Epoch AI, er for øyeblikket Gemini 3.1 Pro (Google) den sterkeste modellen på markedet med en solid gjennomsnittsscore på tvers av GPQA, SWE-Bench og SimpleQA. Modellen tilbys til en pris på ca. $2.00 per 1 million input-tokens.
Benchmark-data (GPQA, SWE-Bench, MATH, SimpleQA) fra Epoch AI. Prisinformasjon fra OpenRouter.
| Modell | Utvikler | GPQA (Eksperttest) | SWE-Bench (Koding) | MATH Level 5 (Matte) | SimpleQA (Faktasjekk) | Pris / 1M Input Tokens | Sist sjekket |
|---|---|---|---|---|---|---|---|
👑Gemini 3.1 Pro | 94.1% | 75.6% | — | 77.3% | $2.00 | 9. juli 2026 | |
Gemini 3.5 Flash | 92.8% | 79.3% | — | 68.4% | $1.50 | 9. juli 2026 | |
GPT-5.5 | OpenAI | 94.0% | 80.6% | — | 63.1% | $5.00 | 9. juli 2026 |
Qwen3.7-Max | Alibaba | 91.6% | 77.3% | — | 58.5% | $1.25 | 9. juli 2026 |
DeepSeek-V4-Pro | DeepSeek | 89.6% | 77.6% | — | 57.0% | $0.43 | 9. juli 2026 |
Mistral Medium 3 | Mistral | 59.5% | — | 81.6% | — | $0.40 | 9. juli 2026 |
Llama 4 Maverick | Meta | 67.0% | — | 73.0% | — | $0.15 | 9. juli 2026 |
GLM-5.2 | Zhipu AI | 91.9% | 78.7% | — | 38.1% | $0.90 | 9. juli 2026 |
Claude Opus 4.8 | Anthropic | 91.0% | — | — | 39.5% | $5.00 | 9. juli 2026 |
Kimi K2.7 Code | Moonshot | 89.5% | — | — | 39.2% | $0.74 | 9. juli 2026 |
Claude Sonnet 4.6 | Anthropic | 87.4% | 75.2% | — | 29.0% | $3.00 | 9. juli 2026 |
Grok 4.3 Beta | xAI | 88.8% | — | — | 38.0% | — | 9. juli 2026 |
GPT-5.4 Mini | OpenAI | 83.6% | — | — | 28.6% | $0.75 | 9. juli 2026 |
Codex 5.2 | OpenAI | — | — | — | — | $1.75 | 9. juli 2026 |
Ofte stilte spørsmål om barometeret.
Hva måler testene som vises i tabellen?
GPQA er en svært vanskelig test utviklet av PhD-forskere innen biologi, fysikk og kjemi, og måler avansert akademisk resonnering. SWE-Bench måler modellens evne til å løse reelle programvare-bugs i store GitHub-repositorier. MATH Level 5 måler matematisk problemløsning på høyt akademisk nivå. SimpleQA, utviklet av OpenAI, måler faktapresisjon og tendens til hallusinasjoner — høyere score betyr mer pålitelige svar.
Hvor ofte oppdateres priser og benchmark-tall?
Tallene i barometeret oppdateres automatisk 3 ganger i døgnet via synkroniseringsskript koblet mot databaser fra Epoch AI og sanntids API-priser fra OpenRouter.