Topplistor

Hur bra en AI klarar att på egen hand lista ut och lösa helt nya, spelliknande pussel som människor löser lätt, i den senaste versionen ARC-AGI-3.

Ett samlat betyg på hur kunnig och kapabel en språkmodell är, räknat som ett viktat snitt av tio svåra tester som Artificial Analysis själva kör.

Hur stor andel av 2 500 extremt svåra expertfrågor, från matematik till humaniora, som en modell svarar rätt på.

Vilken AI-modells svar människor föredrar, enligt miljontals blinda jämförelser där besökare röstar på det bästa av två svar.

Hur ofta en AI-agent på egen hand lyckas rätta ett verkligt fel eller bygga en ny funktion i ett stort, verkligt programvaruprojekt, så att alla tester går igenom.

Hur ofta en AI-agent klarar svåra, verklighetstrogna uppgifter helt på egen hand i datorns kommandorad, från programmering till systemadministration.

Vilken modell folk föredrar när två anonyma modeller bygger samma webbsida eller webbapp sida vid sida.

Hur bra AI-agenter är på riktiga arbetsuppgifter från 44 yrken, som rapporter, kalkylark och presentationer, bedömt genom blinda jämförelser mellan modellernas leveranser.

Hur ofta en AI-agent helt på egen hand klarar långa, verklighetstrogna arbetsuppgifter på en dator genom att klicka, skriva och använda vanliga program och webbplatser.

Vilken bildmodell röstarna föredrar när modellerna gör en bild från samma text, enligt Artificial Analysis.

Vilken modell folk tycker redigerar en befintlig bild bäst efter en skriven instruktion.

Vilken bildmodell folk föredrar när två anonyma modeller gör en bild från samma beskrivning.

Vilken videomodell röstarna föredrar när modellerna sätter samma startbild i rörelse, enligt Artificial Analysis.

Vilken videomodell röstarna föredrar när modellerna gör ett klipp med ljud från samma text, enligt Artificial Analysis.

Vilken videomodell folk föredrar när två anonyma modeller gör ett klipp från samma startbild.

Vilken videomodell folk föredrar när två anonyma modeller gör ett klipp från samma beskrivning.

Vilken modell gör bäst låtar med sång, enligt utvalda lyssnare som jämför två låtar utan att veta vilken modell som gjort vilken.

Vilken röstmodell låter bäst när vanliga lyssnare får jämföra två uppläsningar av samma text utan att veta vilken modell som är vilken.

Hur få ord olika tjänster för tal till text gör fel på, uppmätt av Artificial Analysis på egna och rensade testinspelningar.

Hur få ord en modell för tal till text (transkribering) gör fel på när den skriver ut inspelat engelskt tal.

Hur väl en AI-agent på egen hand kan utreda en juridisk fråga, söka fram rättsfall och lagar och skriva ett korrekt svar, inom amerikansk rätt.

Hur väl en modell klarar korta juridiska resonemangsuppgifter, mest på amerikansk rätt och på engelska.

Hur bra en modell skriver en strukturerad journalanteckning utifrån ett samtal mellan läkare och patient.

Hur väl en AI-agent gör en nyanställd finansanalytikers jobb: att besvara svåra frågor om börsbolag utifrån deras officiella rapporter.

Hur bra språkmodeller är på svenska, mätt på åtta svenska test: allt från att förstå recensioner och läsa en text till fakta, sammanfattning och vardagslogik.

Vilka embeddingmodeller som bäst förstår och hittar text på svenska, danska och norska.

Den mest använda topplistan för embeddingmodeller, alltså modellerna bakom sökning och "hitta rätt dokument", testad på över 1 000 språk.

Vilken AI-modell med inbyggd webbsökning som vanliga användare föredrar när de jämför två svar sida vid sida.