Søgning
1 research-rapport(er) for »artificial-analysis«
Jeg har brugt Claude Opus længe. Kan du ikke undersøge om det stadig er det som anbefales til programmering eller om det for tiden er Feks openai med 5.6 Sol?
… create sophisticated agents and streamline enterprise workflows through spreadsheet and financial analysis." Artiklen nævner specifikt, at Opus 4.5's "agents autonomously refine their …
13 briefing-resultat(er) for »artificial-analysis«
Drex Max v1.1 slår SOTA for beslutningsmodeller – open weights
Nace's Drex Max v1.1 er #1 på Artificial Analysis for multimodale beslutningsmodeller. Modellen har 256K kontekst, kører på Mac og er 8x …
Opfølgning: Artificial Analysis v5 straffer open-weight-modeller
Intelligence Index v5 bygger på hemmelige testdata, og åbne modeller taber op til 16 point, mens Claude og GPT-6 topper. Metoden er omstridt …
Opfølgning: Artificial Analysis v5 åbner stort hul mellem open og lukkede modeller
Opdateringen øger afstanden fra 3 til 12 point; Kimi K3.1 Pro topper open-weight med 46. 60 % af indexet bygger på private testsæt …
Opfølgning: Kimi K3.1 Pro matcher Claude Opus 5.5 – open weights inden 4. november
Moonshots 2.8T MoE-model scorede 55 på Artificial Analysis, kun slået af Opus 5.5. Pris $2/$10 per M tokens – snart open …
K2 Horizon benchmark: Imponerende intelligens, men grimt KV-cache-design
K2 Horizon-modellerne scorer højt på Artificial Analysis, men kræver uforholdsmæssigt meget RAM til kontekst. Sammenlignet med Qwen3.6 og MiniCPM5 er de mindre …
DeepSeek V4.1 Flash slår Astra på ny benchmark – overraskende sejr
DeepSeeks V4.1 Flash-model har indtaget førstepladsen på Artificial Analysis' nye Intelligence Index v4.3-benchmark og slår dermed både Astra og Fable …
Artificial Analysis forsvarer sig: "Vi er ikke købt"
Benchmark-portalen dokumenterer, at de har brugt 13.129 USD alene på at teste Fable 5.1, og afviser kritikken af deres metode som …
Qwen 3.8 Low og Medium knuser benchmarks – over-tænkning var ikke nødvendig
Artificial Analysis viser, at de lavere reasoning-presets leverer konkurrencedygtige scores, hvilket bekræfter, at modellens styrke ikke kun skyldes over-tænkning. [Se tidligere dækning …
Opfølgning: GLM-5.3 benchmarkresultater offentliggjort – konkurrencedygtig med topmodeller
Artificial Analysis viser, at GLM-5.3 præsterer stærkt på tværs af standardtest. [briefingen 18. august](/archive/2026-08-18)
Qwen 3.8 27B matcher GPT-5.6 Luna – på en brøkdel af parametrene
Qwen 3.8 27B scorer 52 på Artificial Analysis Intelligence Index, samme score som GPT-5.6 Luna (max) og kun ét point efter …
Ling 3.0 Flash: Den hidtil bedste åbne model i sin størrelse
Ling 3.0 Flash er nu tilgængelig som open-weight på Hugging Face og slår alle konkurrenter i sin klasse. Det styrker argumentet for …
Opfølgning: Qwen 3.8 Max topper agentic benchmark
Alibaba-modellen er nu nummer ét på Artificial Analysis' agentic index foran Opus 5 – et tegn på, at agentiske evner ikke længere er forbeholdt …
Opfølgning: Brugere anklager Artificial Analysis for at rykke Qwen ned
Efter Qwen 3.8 Max toppede agentic-indekset, ændrede AA vægtningen i v4.1.1, så Anthropic igen fører. [Se briefingen 5. august](/archive …