Gemini (Google) – Gemini 3.1 Pro Preview leder LM Councils «uten verktøy»-liste med 46,4 %, foran GPT-5.4 Pro med 44,3 % . Modellen satte også rekord på 13 av 16 benchmarks da den ble lansert , inkludert toppresultater på resonnering (GPQA Diamond 94,3 %) og matte (AIME 2025 95,0 %) .
DeepSeek V4 – Konkurransedyktig med GPT-5.4 på resonnering (GPQA Diamond 89 % mot 92,8 %) og matte (AIME 91 % mot 94,6 %), og et ledende åpen-vekt-alternativ .
| Oppgave | Beste modell | Sammenlignet med GPT |
|---|---|---|
| Kunnskapsarbeid / skrivebordsagenter | GPT-5.4 | Leder her – 83 % på GDPval, første AI som slår mennesker på OSWorld (75 %) |
| Koding (SWE-bench Pro) | GPT-5.4 xHigh | 59,10 % – topp på offentlig resultatliste |
| Koding (head-to-head i arena) | GPT-5.5 | Sterkest i kodearena-spill |
| Resonnering (GPQA Diamond) | Gemini 3.1 Pro | 94,3 % – slår GPT-5.4 sine 92,8 % |
| Matte (AIME 2025) | Gemini 3.1 Pro | 95,0 % – så vidt foran GPT-5.4 sine 94,6 % |
| Samlet sammensatt | Claude Mythos 5 | Score 99 mot topp GPT-modeller i 80–90-området |
Ingen enkeltmodell er strengt tatt «bedre enn GPT» for alt – fronten har blitt mer mangfoldig, så det beste valget avhenger av din spesifikke bruk.
Gemini (Google) – Gemini 3.1 Pro Preview leder LM Councils «uten verktøy»-liste med 46,4 %, foran GPT-5.4 Pro med 44,3 % . Modellen satte også rekord på 13 av 16 benchmarks da den ble lansert , inkludert toppresultater på resonnering (GPQA Diamond 94,3 %) og matte (AIME 2025 95,0 %) .
DeepSeek V4 – Konkurransedyktig med GPT-5.4 på resonnering (GPQA Diamond 89 % mot 92,8 %) og matte (AIME 91 % mot 94,6 %), og et ledende åpen-vekt-alternativ .
| Oppgave | Beste modell | Sammenlignet med GPT |
|---|---|---|
| Kunnskapsarbeid / skrivebordsagenter | GPT-5.4 | Leder her – 83 % på GDPval, første AI som slår mennesker på OSWorld (75 %) |
| Koding (SWE-bench Pro) | GPT-5.4 xHigh | 59,10 % – topp på offentlig resultatliste |
| Koding (head-to-head i arena) | GPT-5.5 | Sterkest i kodearena-spill |
| Resonnering (GPQA Diamond) | Gemini 3.1 Pro | 94,3 % – slår GPT-5.4 sine 92,8 % |
| Matte (AIME 2025) | Gemini 3.1 Pro | 95,0 % – så vidt foran GPT-5.4 sine 94,6 % |
| Samlet sammensatt | Claude Mythos 5 | Score 99 mot topp GPT-modeller i 80–90-området |
Ingen enkeltmodell er strengt tatt «bedre enn GPT» for alt – fronten har blitt mer mangfoldig, så det beste valget avhenger av din spesifikke bruk.