Claude Fable 5 dominerer AI-tester, men Grok 4.3 overrasker – her er den komplette modellguiden for juni 2026

Nivå 2: Spesialistene og hurtigtogene

Claude Opus 4.8 (Anthropic)

Før Fable 5s ankomst var Opus 4.8 den ubestridte kongen. Lansert i slutten av mai 2026, og er nå en mektig nestkommanderende .

• Generell og agentisk: Var den første modellen til å lede Artificial Analysis sin indeks (61,4) og GDPval-AA (1890 Elo) .
• Koding: Oppnår 69,2 % på SWE-bench Pro og 88,6 % på SWE-bench Verified .
• Matematikk: Gjorde et historisk hopp på 27,4 poeng på den krevende USAMO 2026-matematikkbenchmarken, fra 69,3 % til 96,7 % .
• Ærlighet: Modellen hadde den laveste andelen faktafeil blant sine konkurrenter, hovedsakelig fordi den avstår fra å svare når den er usikker, fremfor å gjette .

GPT-5.5 (OpenAI)

GPT-5.5, lansert i slutten av april 2026, var den første modellen i denne generasjonen som gjenerobret ledertrøya for OpenAI, men med et mer spesialisert ferdighetssett .

• Matematisk resonnering: Dette er den suverene mattemodellen med 51,7 % på FrontierMath Tier 1-3 og 35,4 % på den nærmest umulige Tier 4 – en klar ledelse .
• Autonom kommandolinje (CLI): Leder også på Terminal-Bench 2.0 med 82,7 % for komplekse terminaloppgaver, mot Claude Opus 4.7s 69,4 % .
• Lang kontekst: Gjorde et byks på 37 poeng i langkontekst-gjenfinning (MRCR v2) til 74,0 % ved 1M token. Forgjengerens 36,6 % er etterlatt i støvet .
• Kode-forbehold: Selv om den er en sterk allrounder, ligger SWE-Bench Pro-scoren på 58,6 % nå betydelig bak Anthropics modeller .

Gemini 3.5 Flash (Google)

Avduket på Google I/O 2026, og er en «Flash»-modell, designet for fart og kostnadseffektivitet uten at det går på bekostning av evnen til å slå over sin vektklasse .

• Fart og verdi: Angivelig 4 ganger raskere enn Gemini 3.1 Pro for agent- og kodeoppgaver, med konkurransedyktig pris .
• Agent og verktøybruk: Scorer sterke 83,6 % på MCP Atlas, en test av flerstegs verktøybruk .
• Koding og syn: På SWE-Bench Pro ligger 55,1 % like over forgjengeren Gemini 3.1 Pro, og den scorer 84,2 % på den visuelle resonneringsbenchmarken CharXiv .
• Realitetssjekk for koding: Uavhengige data fra Artificial Analysis antyder at kodeprestasjonene er betydelig svakere enn Googles egne sammenligninger tilsier, så nytten for utviklere må valideres nærmere .

Grok 4.3 (xAI)

En stille lansering i slutten av april 2026. Grok 4.3 er et pris- og fartsbeist som utmerker seg i nisjeområder .

• Generell plassering: Scorer 53 på Artificial Analysis sin indeks. Dette plasserer den over mellomsjiktet, men godt under toppmodellene som GPT-5.5 og Claude Opus 4.7 .
• Instruksjonsmester: Rangerer som nummer 1 på IFBench med 81 %, og slår alle de store konkurrentene, inkludert GPT-5.5 og Gemini 3.1 Pro .
• Agentisk byks: Viste et voldsomt hopp på +321 Elo-poeng på GDPval-AA for agentiske oppgaver .
• Kostnad og grenser: Aggressivt priset til anslagsvis 9,50 kr / 19 kr per million tokens (input/output) – et knallgodt «value play» for spesifikke domener .

Åpen kildekode-utfordreren: DeepSeek V4 Pro (DeepSeek AI)

Lansert i april 2026, og er den sterkeste utfordreren med åpen kildekode. Den tilbyr enorm kodekraft, men med et kritisk uavhengig forbehold.

• Kode-verdi leder: Oppnår imponerende 80,6 % på SWE-bench Verified, hårfint bak Claude Opus 4.6, til en brøkdel av prisen (estimert ~26 kr per million output-tokens) .
• CAISI-dommen: En uavhengig evaluering fra den amerikanske statens CAISI konkluderte med at DeepSeek V4s evner ligger omtrent 8 måneder bak frontlinjen. Mens DeepSeeks egne data sammenlignet den med nyere modeller, sidestiller CAISI den med GPT-5 fra august 2025 .
• Generell rangering: Halter etter på generell kunnskap og kompleks resonnering sammenlignet med de proprietære gigantene .

Sikkerhet og uavhengige vurderinger

Uavhengig, standardisert sikkerhetstesting er fortsatt sjelden og ofte upublisert. Her er de viktigste signalene:

• DeepSeek V4 Pro (CAISI/NIST): Den amerikanske statens evaluering, som fastslo at modellen lå åtte måneder bak, er det mest bemerkelsesverdige sikkerhetssignalet .
• GPT-5.5 (AI Security Institute): Storbritannias AI Security Institute rapporterte at GPT-5.5 hadde en beståttprosent på 71,4 % på sine ekspertnivå-tester for digitale ferdigheter, og bemerket at modellen «kan være den sterkeste vi har testet» på dette området .

Slik tolker du resultatene

Det er fristende å kåre en enkelt vinner, men dataene tegner et mer praktisk bilde:

• For ren koding og agentiske oppgaver er Claude Fable 5 i en klasse for seg.
• For tung matematisk resonnering og selvstendig terminalarbeid er GPT-5.5 det riktige verktøyet.
• For en balansert, kostnadseffektiv modell som er rask og pålitelig, er Gemini 3.5 Flash et fristende valg, men du bør validere kodepåstandene for ditt spesifikke bruksområde.
• Trenger du en spesialist for juss, finans eller instruksjonsfølging til en lav pris, er Grok 4.3 et overraskende potent valg.
• Bygger du på et budsjett og trenger toppnivå-koding med en åpen lisens, er DeepSeek V4 Pro uslåelig på verdi, men dens generelle sofistikering matcher ikke de aller beste.

Husk alltid at testbetingelser varierer (prompting, verktøybruk, resonneringsinnsats), og at de ikke gir en perfekt prediksjon for din spesifikke hverdag.