Spring til indhold
AiNews.dkDanske nyheder om Kunstig Intelligens
← Til ranglisten
ModelradarenHentet 1. oktober 2026 kl. 18.30
GoogleLukket model

gemini-3.1-pro

Nr. 31 på modelradaren.

Model og dokumentation ↗

Hvad bygger scoren på?

Råtal, relativ placering og dokumentation.

AA Long Context Reasoning v1.1

Indgår i scoren · 131 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

82,0målt · skala 0–100Percentil 82,7

Agents' Last Exam

Indgår i scoren · 29 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Agents' Last Exam · kildens dato 2026-09-30

Se det oprindelige resultat ↗

16,4målt · skala 0–100Percentil 35,7

ARC-AGI-1

Indgår i scoren · 57 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · ARC Prize verified leaderboard · kildens dato 2026-09-30

Se det oprindelige resultat ↗

98,0målt · skala 0–100Percentil 91,1

ARC-AGI-2

Indgår i scoren · 57 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · ARC Prize verified leaderboard · kildens dato 2026-09-30

Se det oprindelige resultat ↗

77,1målt · skala 0–100Percentil 78,6

ARC-AGI-3

Indgår i scoren · 18 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · ARC Prize verified leaderboard · kildens dato 2026-09-30

Se det oprindelige resultat ↗

0,4målt · skala 0–100Percentil 35,3

BrowseComp

Indgår i scoren · 39 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · LLM Stats BrowseComp · kildens dato 2026-09-30

Se det oprindelige resultat ↗

85,9målt · skala 0–100Percentil 84,2

BullshitBench v2

Indgår i scoren · 79 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · BullshitBench v2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

31,0målt · skala 0–100Percentil 41,0

CritPt

Indgår i scoren · 136 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

17,7målt · skala 0–100Percentil 81,1

FACTS Grounding

Indgår i scoren · 32 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Kaggle FACTS Grounding v2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

65,7målt · skala 0–100Percentil 38,7

FrontierMath Tier 1-3

Indgår i scoren · 74 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Epoch AI FrontierMath Tiers 1-3 v2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

59,6målt · skala 0–100Percentil 61,6

FrontierMath Tier 4

Indgår i scoren · 62 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Epoch AI FrontierMath Tier 4 v2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

26,8målt · skala 0–100Percentil 56,6

GPQA Diamond

Indgår i scoren · 156 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

94,1målt · skala 0–100Percentil 94,5

Humanity's Last Exam

Indgår i scoren · 146 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

47,0målt · skala 0–100Percentil 89,7

IFBench

Indgår i scoren · 95 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

77,1målt · skala 0–100Percentil 87,2

IOI V2

Indgår i scoren · 35 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Vals.ai IOI V2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

51,8målt · skala 0–100Percentil 44,1

LiveCodeBench

Indgår i scoren · 61 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Vals.ai LiveCodeBench · kildens dato 2026-08-04

Se det oprindelige resultat ↗

88,5målt · skala 0–100Percentil 93,3

MathArena

Indgår i scoren · 57 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · MathArena Models · kildens dato 2026-09-30

Se det oprindelige resultat ↗

32,6målt · skala 0–100Percentil 60,7

MCP Atlas

Indgår i scoren · 32 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Scale Labs MCP Atlas · kildens dato 2026-09-30

Se det oprindelige resultat ↗

78,2målt · skala 0–100Percentil 58,1

MMMU-Pro

Indgår i scoren · 83 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

82,4målt · skala 0–100Percentil 82,9

ProgramBench

Indgår i scoren · 51 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Vals.ai ProgramBench · kildens dato 2026-09-30

Se det oprindelige resultat ↗

1,0målt · skala 0–100Percentil 29,0

ProofBench 1.1

Indgår i scoren · 39 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · ProofBench 1.1 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

26,0målt · skala 0–100Percentil 25,0

SciCode

Indgår i scoren · 144 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

58,7målt · skala 0–100Percentil 91,6

SimpleQA Verified

Indgår i scoren · 71 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Epoch AI SimpleQA Verified · kildens dato 2026-09-30

Se det oprindelige resultat ↗

73,5målt · skala 0–100Percentil 98,6

SWE-rebench

Indgår i scoren · 25 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · SWE-rebench · kildens dato 2026-09-22

Se det oprindelige resultat ↗

51,1målt · skala 0–100Percentil 54,2

Terminal-Bench 4.0

Indgår i scoren · 84 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

4,0målt · skala 0–100Percentil 55,4

Model og testopsætning

Reasoning-niveauer tæller ikke som forskellige modeller.

Vores nyheder

Fra AiNews.dk’s arkiv om gemini-3.1-pro.

  1. 01
Hvad betyder scoren?

Scoren er gennemsnittet af modellens percentilplaceringer i dokumenterede benchmarks: 100 er øverst, 50 er midten. Resultater sammenlignes inden for samme benchmark, før gennemsnittet beregnes. Mindst seks benchmarks med mindst fem sammenligningsmodeller kræves for rangering. Selvindberettede modelkort indgår som dokumentation, men ikke i rangeringen. Manglende tal estimeres ikke. Forskellig dækning og testopsætning giver fortsat usikkerhed.

Scoren er en relativ placering, ikke procent rigtige svar. 90 betyder en høj gennemsnitlig placering blandt de målte modeller. Benchmarkdækning, reasoning-niveau og brug af værktøjer kan variere. De faktiske resultater og opsætninger står på profilen.

Vi fylder aldrig manglende målinger ud for at nå 100 modeller.