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

o3

Nr. 91 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 ↗

74,7målt · skala 0–100Percentil 43,8

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 ↗

60,8målt · skala 0–100Percentil 25,0

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 ↗

6,5målt · skala 0–100Percentil 23,2

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 2026-09-22

Se det oprindelige resultat ↗

49,7målt · skala 0–100Percentil 13,2

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 ↗

26,0målt · skala 0–100Percentil 30,8

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 ↗

1,1målt · skala 0–100Percentil 31,1

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 ↗

36,2målt · skala 0–100Percentil 6,5

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 ↗

33,3målt · skala 0–100Percentil 30,8

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 2026-09-22

Se det oprindelige resultat ↗

2,1målt · skala 0–100Percentil 9,8

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 ↗

82,7målt · skala 0–100Percentil 41,3

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 ↗

20,1målt · skala 0–100Percentil 32,4

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 ↗

71,4målt · skala 0–100Percentil 58,5

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 ↗

83,9målt · skala 0–100Percentil 63,3

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 ↗

15,1målt · skala 0–100Percentil 19,6

MMLU-Pro

Indgår i scoren · 140 sammenligningsmodeller

Kilde og testnoter ↗

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

Via AI IQ · TIGER-Lab MMLU-Pro leaderboard (missing rows only) · kildens dato 2026-09-22

Se det oprindelige resultat ↗

85,3målt · skala 0–100Percentil 86,3

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 ↗

70,1målt · skala 0–100Percentil 26,8

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 model leaderboard · kildens dato 2026-09-10

Se det oprindelige resultat ↗

41,0målt · skala 0–100Percentil 34,3

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 ↗

49,4målt · skala 0–100Percentil 62,9

Model og testopsætning

Reasoning-niveauer tæller ikke som forskellige modeller.

Vores nyheder

Fra AiNews.dk’s arkiv om o3.

Der er endnu ingen artikler om denne model i vores arkiv.

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.