Gemini (Google) — Gemini 3.1 Pro Preview fører LM Councils "no tools"-leaderboard med 46,4 %, foran GPT-5.4 Pro med 44,3 % . Den opnåede også førende resultater på 13 ud af 16 benchmarks ved lanceringen , herunder topresultater inden for ræsonnement (GPQA Diamond 94,3 %) og matematik (AIME 2025 95,0 %) .
DeepSeek V4 — Konkurrencedygtig med GPT-5.4 inden for ræsonnement (GPQA Diamond 89 % vs. 92,8 %) og matematik (AIME 91 % vs. 94,6 %) og et førende open-weight-alternativ .
| Opgave | Bedste model | Sammenligning med GPT |
|---|---|---|
| Vidensarbejde / desktop-agenter | GPT-5.4 | Fører her — 83 % på GDPval, første til at overgå mennesker på OSWorld (75 %) |
| Kodning (SWE-bench Pro) | GPT-5.4 xHigh | 59,10 % — øverst på den offentlige leaderboard |
| Kodning (head-to-head Arena) | GPT-5.5 | Stærkest i kodnings-arena-sammenhænge |
| Ræsonnement (GPQA Diamond) | Gemini 3.1 Pro | 94,3 % — slår GPT-5.4's 92,8 % |
| Matematik (AIME 2025) | Gemini 3.1 Pro | 95,0 % — lige foran GPT-5.4's 94,6 % |
| Samlet composite | Claude Mythos 5 | Score 99 vs. top GPT-modeller i 80'erne–90'erne |
Ingen enkeltmodel er strengt taget "bedre end GPT" til alt — fronten er blevet mere diversificeret, så det bedste valg afhænger af din specifikke brugssituation.
Gemini (Google) — Gemini 3.1 Pro Preview fører LM Councils "no tools"-leaderboard med 46,4 %, foran GPT-5.4 Pro med 44,3 % . Den opnåede også førende resultater på 13 ud af 16 benchmarks ved lanceringen , herunder topresultater inden for ræsonnement (GPQA Diamond 94,3 %) og matematik (AIME 2025 95,0 %) .
DeepSeek V4 — Konkurrencedygtig med GPT-5.4 inden for ræsonnement (GPQA Diamond 89 % vs. 92,8 %) og matematik (AIME 91 % vs. 94,6 %) og et førende open-weight-alternativ .
| Opgave | Bedste model | Sammenligning med GPT |
|---|---|---|
| Vidensarbejde / desktop-agenter | GPT-5.4 | Fører her — 83 % på GDPval, første til at overgå mennesker på OSWorld (75 %) |
| Kodning (SWE-bench Pro) | GPT-5.4 xHigh | 59,10 % — øverst på den offentlige leaderboard |
| Kodning (head-to-head Arena) | GPT-5.5 | Stærkest i kodnings-arena-sammenhænge |
| Ræsonnement (GPQA Diamond) | Gemini 3.1 Pro | 94,3 % — slår GPT-5.4's 92,8 % |
| Matematik (AIME 2025) | Gemini 3.1 Pro | 95,0 % — lige foran GPT-5.4's 94,6 % |
| Samlet composite | Claude Mythos 5 | Score 99 vs. top GPT-modeller i 80'erne–90'erne |
Ingen enkeltmodel er strengt taget "bedre end GPT" til alt — fronten er blevet mere diversificeret, så det bedste valg afhænger af din specifikke brugssituation.