8 af 8 resultater opfylder rangeringens krav. Flere benchmarks giver bredere dokumentation; forskellig dækning og opsætning gør fortsat scoren usikker.
Hvad bygger scoren på?
Råtal, relativ placering og dokumentation.
AA Long Context Reasoning v1.1
Kildens dato: 2026-10-17
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 17. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-10-17
AutomationBench-AA
Kildens dato: 2026-10-17
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 17. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-10-17
CritPt
Kildens dato: 2026-10-17
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 17. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-10-17
GDP.pdf
Kildens dato: 2026-10-17
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 17. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-10-17
GDPval-AA v2.1 normalized score
Kildens dato: 2026-10-17
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 17. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-10-17
Humanity's Last Exam
Kildens dato: 2026-10-17
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 17. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-10-17
SciCode
Kildens dato: 2026-10-17
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 17. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-10-17
Terminal-Bench 4.0
Kildens dato: 2026-10-17
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 17. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-10-17
Model og testopsætning
Reasoning-niveauer tæller ikke som forskellige modeller.
Kilderne oplyser ikke separate reasoning-indstillinger. Se testnoterne ved hvert resultat.
Vores nyheder
Fra AiNews.dk’s arkiv om Nemotron 3.5 Bolt 74B-A9B 24GB.
- 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.
- AA-AnalystAgent
- AA Long Context Reasoning v1.1
- Agents' Last Exam
- ARC-AGI-1
- ARC-AGI-2
- ARC-AGI-3
- AutomationBench-AA
- BrowseComp
- BullshitBench v2
- Chess Puzzles
- CritPt
- EnterpriseOps-Gym-AA
- FACTS Grounding
- FrontierMath Tier 1-3
- FrontierMath Tier 4
- GDP.pdf
- GDPval-AA v2.1 normalized score
- GPQA Diamond
- Humanity's Last Exam
- IFBench
- IOI V2
- LiveCodeBench
- MathArena
- MCP Atlas
- MirrorCode
- MMLU-Pro
- MMMU-Pro
- Mystery Game Puzzles
- OSWorld-Verified
- ProgramBench
- ProofBench 1.1
- SciCode
- SimpleQA Verified
- SWE-rebench
- Terminal-Bench 4.0
- GSM8K
- GPQA
- Humanity’s Last Exam
- MMLU-Pro
- SWE-bench Verified
- SWE-bench Pro
- AIME 2026
- HMMT februar 2026
- Terminal-Bench 2.0