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

GPT-6-sol

Nr. 8 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 · High / Max

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 ↗

83,7målt · skala 0–100Percentil 94,2

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 ↗

32,2målt · skala 0–100Percentil 89,3

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 ↗

95,5målt · skala 0–100Percentil 81,3

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 ↗

89,6målt · skala 0–100Percentil 89,3

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 ↗

4,6målt · skala 0–100Percentil 70,6

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 ↗

54,0målt · skala 0–100Percentil 64,7

CritPt

Indgår i scoren · 136 sammenligningsmodeller · Max

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 ↗

30,9målt · skala 0–100Percentil 96,3

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 ↗

89,8målt · skala 0–100Percentil 95,9

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 ↗

90,0målt · skala 0–100Percentil 95,1

Humanity's Last Exam

Indgår i scoren · 146 sammenligningsmodeller · Max

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 ↗

47,9målt · skala 0–100Percentil 91,7

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 ↗

82,6målt · skala 0–100Percentil 76,5

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 ↗

84,9målt · skala 0–100Percentil 96,4

MMMU-Pro

Indgår i scoren · 83 sammenligningsmodeller · Max

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 ↗

83,3målt · skala 0–100Percentil 86,6

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 ↗

32,5målt · skala 0–100Percentil 90,0

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 ↗

83,0målt · skala 0–100Percentil 77,6

SciCode

Indgår i scoren · 144 sammenligningsmodeller · Max

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 ↗

57,6målt · skala 0–100Percentil 90,9

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 ↗

60,7målt · skala 0–100Percentil 80,0

Terminal-Bench 4.0

Indgår i scoren · 84 sammenligningsmodeller · Max

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 ↗

43,9målt · skala 0–100Percentil 92,8

Model og testopsætning

Reasoning-niveauer tæller ikke som forskellige modeller.

Vores nyheder

Fra AiNews.dk’s arkiv om GPT-6-sol.

  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.