Resultaten van modeltests

AI-modellen vergelijken

Dagelijks gecontroleerd

Vergelijk resultaten, ontdek verschillende sterke punten en verken modellen buiten de bekende namen.

LiveBench test modellen met taken waarvan de antwoorden controleerbaar zijn. Hoger is beter, op een schaal van 0 tot 100.

Laatst gecontroleerd: 22 okt 2026Versie van de testsuite: 2026-10-1449 modellen

1Claude Fable 5.1Anthropic87,986

claude-fable-5.1

Lange agenttaken: 80,800 / 100
Redeneren: 91,700 / 100
Programmeren: 97,700 / 100
Browsergebruik: 100,000 / 100
Data-analyse: 80,300 / 100
Onderzoek: 82,000 / 100
Ontwerp: 83,400 / 100

Afzonderlijke taken

long_agentic: 80,800
reasoning: 91,700
coding: 97,700
browser: 100,000
data_analysis: 80,300
research: 82,000
design: 83,400

Bron: LiveBench ↗

2Claude Opus 5.5Anthropic86,529

claude-opus-5.5

Lange agenttaken: 85,000 / 100
Redeneren: 92,200 / 100
Programmeren: 96,300 / 100
Browsergebruik: 80,000 / 100
Data-analyse: 80,300 / 100
Onderzoek: 85,000 / 100
Ontwerp: 86,900 / 100

Afzonderlijke taken

long_agentic: 85,000
reasoning: 92,200
coding: 96,300
browser: 80,000
data_analysis: 80,300
research: 85,000
design: 86,900

Bron: LiveBench ↗

3GPT-6 AstraOpenAI86,143

gpt-6-astra

Lange agenttaken: 82,400 / 100
Redeneren: 92,700 / 100
Programmeren: 93,700 / 100
Browsergebruik: 84,000 / 100
Data-analyse: 83,000 / 100
Onderzoek: 85,200 / 100
Ontwerp: 82,000 / 100

Afzonderlijke taken

long_agentic: 82,400
reasoning: 92,700
coding: 93,700
browser: 84,000
data_analysis: 83,000
research: 85,200
design: 82,000

Bron: LiveBench ↗

4GPT-6.1 SolOpenAI85,414

gpt-6.1-sol

Lange agenttaken: 73,000 / 100
Redeneren: 92,600 / 100
Programmeren: 96,000 / 100
Browsergebruik: 88,000 / 100
Data-analyse: 82,700 / 100
Onderzoek: 83,500 / 100
Ontwerp: 82,100 / 100

Afzonderlijke taken

long_agentic: 73,000
reasoning: 92,600
coding: 96,000
browser: 88,000
data_analysis: 82,700
research: 83,500
design: 82,100

Bron: LiveBench ↗

5Gemini 4 ArgonGoogle84,100

gemini-4-argon

Lange agenttaken: 69,900 / 100
Redeneren: 95,100 / 100
Programmeren: 89,700 / 100
Browsergebruik: 92,000 / 100
Data-analyse: 85,200 / 100
Onderzoek: 83,100 / 100
Ontwerp: 73,700 / 100

Afzonderlijke taken

long_agentic: 69,900
reasoning: 95,100
coding: 89,700
browser: 92,000
data_analysis: 85,200
research: 83,100
design: 73,700

Bron: LiveBench ↗

6Claude Fable 5Anthropic83,614

claude-fable-5

Lange agenttaken: 53,200 / 100
Redeneren: 89,700 / 100
Programmeren: 98,300 / 100
Browsergebruik: 92,000 / 100
Data-analyse: 80,500 / 100
Onderzoek: 86,900 / 100
Ontwerp: 84,700 / 100

Afzonderlijke taken

long_agentic: 53,200
reasoning: 89,700
coding: 98,300
browser: 92,000
data_analysis: 80,500
research: 86,900
design: 84,700

Bron: LiveBench ↗

7Claude Sonnet 5.5Anthropic82,457

claude-sonnet-5.5

Lange agenttaken: 78,800 / 100
Redeneren: 91,600 / 100
Programmeren: 94,700 / 100
Browsergebruik: 84,000 / 100
Data-analyse: 59,500 / 100
Onderzoek: 83,600 / 100
Ontwerp: 85,000 / 100

Afzonderlijke taken

long_agentic: 78,800
reasoning: 91,600
coding: 94,700
browser: 84,000
data_analysis: 59,500
research: 83,600
design: 85,000

Bron: LiveBench ↗

8Claude Opus 5Anthropic82,086

claude-opus-5

Lange agenttaken: 62,100 / 100
Redeneren: 91,200 / 100
Programmeren: 90,800 / 100
Browsergebruik: 84,000 / 100
Data-analyse: 74,600 / 100
Onderzoek: 88,900 / 100
Ontwerp: 83,000 / 100

Afzonderlijke taken

long_agentic: 62,100
reasoning: 91,200
coding: 90,800
browser: 84,000
data_analysis: 74,600
research: 88,900
design: 83,000

Bron: LiveBench ↗

9GPT-6 SolOpenAI81,914

gpt-6-sol

Lange agenttaken: 66,900 / 100
Redeneren: 88,700 / 100
Programmeren: 93,100 / 100
Browsergebruik: 92,000 / 100
Data-analyse: 81,200 / 100
Onderzoek: 69,300 / 100
Ontwerp: 82,200 / 100

Afzonderlijke taken

long_agentic: 66,900
reasoning: 88,700
coding: 93,100
browser: 92,000
data_analysis: 81,200
research: 69,300
design: 82,200

Bron: LiveBench ↗

10DeepSeek V4.1 Flash 1017DeepSeek79,200

deepseek-v4.1-flash-1017

Lange agenttaken: 50,900 / 100
Redeneren: 89,100 / 100
Programmeren: 96,000 / 100
Browsergebruik: 76,000 / 100
Data-analyse: 79,500 / 100
Onderzoek: 79,500 / 100
Ontwerp: 83,400 / 100

Afzonderlijke taken

long_agentic: 50,900
reasoning: 89,100
coding: 96,000
browser: 76,000
data_analysis: 79,500
research: 79,500
design: 83,400

Bron: LiveBench ↗

11Muse Wonder 1.0Meta78,100

muse-wonder-1.0

Lange agenttaken: 53,200 / 100
Redeneren: 90,600 / 100
Programmeren: 86,200 / 100
Browsergebruik: 72,000 / 100
Data-analyse: 81,600 / 100
Onderzoek: 88,000 / 100
Ontwerp: 75,100 / 100

Afzonderlijke taken

long_agentic: 53,200
reasoning: 90,600
coding: 86,200
browser: 72,000
data_analysis: 81,600
research: 88,000
design: 75,100

Bron: LiveBench ↗

12DeepSeek V4.1 FlashDeepSeek78,043

deepseek-v4.1-flash

Lange agenttaken: 40,100 / 100
Redeneren: 86,700 / 100
Programmeren: 90,200 / 100
Browsergebruik: 84,000 / 100
Data-analyse: 79,300 / 100
Onderzoek: 86,800 / 100
Ontwerp: 79,200 / 100

Afzonderlijke taken

long_agentic: 40,100
reasoning: 86,700
coding: 90,200
browser: 84,000
data_analysis: 79,300
research: 86,800
design: 79,200

Bron: LiveBench ↗

13Claude Opus 4.8Anthropic76,771

claude-opus-4.8

Lange agenttaken: 48,300 / 100
Redeneren: 89,200 / 100
Programmeren: 77,300 / 100
Browsergebruik: 96,000 / 100
Data-analyse: 66,000 / 100
Onderzoek: 81,800 / 100
Ontwerp: 78,800 / 100

Afzonderlijke taken

long_agentic: 48,300
reasoning: 89,200
coding: 77,300
browser: 96,000
data_analysis: 66,000
research: 81,800
design: 78,800

Bron: LiveBench ↗

14GPT-5.6 SolOpenAI76,257

gpt-5.6-sol

Lange agenttaken: 48,500 / 100
Redeneren: 91,700 / 100
Programmeren: 89,700 / 100
Browsergebruik: 88,000 / 100
Data-analyse: 79,800 / 100
Onderzoek: 54,500 / 100
Ontwerp: 81,600 / 100

Afzonderlijke taken

long_agentic: 48,500
reasoning: 91,700
coding: 89,700
browser: 88,000
data_analysis: 79,800
research: 54,500
design: 81,600

Bron: LiveBench ↗

15Claude Haiku 5.5Anthropic75,643

claude-haiku-5.5

Lange agenttaken: 57,600 / 100
Redeneren: 82,400 / 100
Programmeren: 91,400 / 100
Browsergebruik: 80,000 / 100
Data-analyse: 53,100 / 100
Onderzoek: 81,900 / 100
Ontwerp: 83,100 / 100

Afzonderlijke taken

long_agentic: 57,600
reasoning: 82,400
coding: 91,400
browser: 80,000
data_analysis: 53,100
research: 81,900
design: 83,100

Bron: LiveBench ↗

16GPT-5.6 TerraOpenAI74,986

gpt-5.6-terra

Lange agenttaken: 48,400 / 100
Redeneren: 90,600 / 100
Programmeren: 86,200 / 100
Browsergebruik: 84,000 / 100
Data-analyse: 79,300 / 100
Onderzoek: 60,400 / 100
Ontwerp: 76,000 / 100

Afzonderlijke taken

long_agentic: 48,400
reasoning: 90,600
coding: 86,200
browser: 84,000
data_analysis: 79,300
research: 60,400
design: 76,000

Bron: LiveBench ↗

17Grok 4.6 xHighxAI74,943

grok-4.6

Lange agenttaken: 40,700 / 100
Redeneren: 91,200 / 100
Programmeren: 89,100 / 100
Browsergebruik: 64,000 / 100
Data-analyse: 75,300 / 100
Onderzoek: 84,500 / 100
Ontwerp: 79,800 / 100

Afzonderlijke taken

long_agentic: 40,700
reasoning: 91,200
coding: 89,100
browser: 64,000
data_analysis: 75,300
research: 84,500
design: 79,800

Bron: LiveBench ↗

18MiMo V2.6 ProXiaomi74,871

mimo-v2.6-pro

Lange agenttaken: 47,500 / 100
Redeneren: 79,600 / 100
Programmeren: 81,500 / 100
Browsergebruik: 88,000 / 100
Data-analyse: 72,300 / 100
Onderzoek: 76,700 / 100
Ontwerp: 78,500 / 100

Afzonderlijke taken

long_agentic: 47,500
reasoning: 79,600
coding: 81,500
browser: 88,000
data_analysis: 72,300
research: 76,700
design: 78,500

Bron: LiveBench ↗

19Muse Spark 1.3Meta74,757

muse-spark-1.3

Lange agenttaken: 40,400 / 100
Redeneren: 89,700 / 100
Programmeren: 90,200 / 100
Browsergebruik: 80,000 / 100
Data-analyse: 79,600 / 100
Onderzoek: 68,600 / 100
Ontwerp: 74,800 / 100

Afzonderlijke taken

long_agentic: 40,400
reasoning: 89,700
coding: 90,200
browser: 80,000
data_analysis: 79,600
research: 68,600
design: 74,800

Bron: LiveBench ↗

20Grok 4.7xAI74,086

grok-4.7

Lange agenttaken: 50,100 / 100
Redeneren: 82,700 / 100
Programmeren: 84,500 / 100
Browsergebruik: 60,000 / 100
Data-analyse: 76,900 / 100
Onderzoek: 86,400 / 100
Ontwerp: 78,000 / 100

Afzonderlijke taken

long_agentic: 50,100
reasoning: 82,700
coding: 84,500
browser: 60,000
data_analysis: 76,900
research: 86,400
design: 78,000

Bron: LiveBench ↗

Gerangschikt op basis van niet-afgeronde resultaten. Vergelijkbare scores wijzen niet op een betekenisvol verschil.

Elke exacte modelinstelling blijft afzonderlijk staan. Voor een categoriegemiddelde zijn alle taken in die categorie nodig; voor het totaalgemiddelde zijn alle categorieën nodig. Taken wegen even zwaar binnen een categorie en categorieën wegen even zwaar in het totaal. Ontbrekende resultaten tellen nooit als nul. De rangschikking is gebaseerd op niet-afgeronde waarden in de gekozen kolom; gelijke scores delen een plaats. Zoeken behoudt de plaats in de volledige test. Oude scores bepalen geen rangschikking. De weergegeven decimalen tonen niet aan dat er een betekenisvol verschil is. Dit overzicht omvat één testreeks, niet alle huidige modellen of alle soorten vaardigheden.

Zo werkt de vergelijking

De totaalscore hier is het gemiddelde van alle LiveBench-categorieën, waarbij elke categorie even zwaar meetelt binnen dezelfde benchmarkrelease. Een totaalscore wordt alleen berekend als er voor elke taak een resultaat is. Arena-beoordelingen blijven apart, omdat ze voorkeur meten. We koppelen geen modellen met vergelijkbare namen uit verschillende bronnen: versies en redeneerinstellingen kunnen verschillen. Deze tests omvatten niet elk model of elke taak uit de praktijk.

Brongegevens: LiveBench; Arena / LMArena (CC BY 4.0). Oossa berekent de getoonde taakgemiddelden en presenteert de resultaten in een eenvoudiger formaat. Arena ↗ · Bron ↗ · CC BY 4.0 ↗