Modellen som kom först kostar 178 gånger den billigaste

När Google DeepMind och Artificial Analysis lanserade riktmärket Multimodal Knowledge Agent den 10 november satte Googles egen text Gemini 4 Carbon på andra plats och namngav inte modellen ovanför. Den öppna listan gör det nu. Artificial Analysis MKA-tabell leds av Anthropics Claude Fable 5.2 i Max-konfiguration, med en viktad Climb-uppfyllnadsgrad på 57 procent.

Gemini 4 Carbon på sin höga nivå är tvåa med 54 procent, och Claude Opus 5.5 i Max-konfiguration är trea med 53 procent. Tjugotvå av de tjugotre utvärderade modellerna finns i diagrammet.

Ritverktyg utlagda på en ritbräda
Riktmärket omfattar 200 uppgifter över tio branscher. Arkivbild. Alex Shuper · pexels · Pexels License

Tre poäng, och en räkning fem gånger större

Rangordningen är tät. Kostnadskolumnen är det inte.

Artificial Analysis sätter Claude Fable 5.2 på i genomsnitt 31,97 dollar per uppgift. Gemini 4 Carbon, tre poäng efter, går på 6,29 dollar per uppgift — ungefär en femtedel av priset för ett resultat inom den marginal de flesta listor skulle kalla brus. GPT-6.1 Sol kostar 1,11 dollar per uppgift, vilket enligt Artificial Analysis gör toppmodellen omkring 29 gånger dyrare.

I andra änden av tabellen klarar GPT-6 Luna i Max-konfiguration en uppgift för 0,18 dollar, med Claude Haiku 5.5 och MiMo-V2.6-Pro båda på 0,32. Ledaren kostar ungefär 178 gånger det billigaste bidraget.

Den spridningen är fyndet. På ett riktmärke byggt för att efterlikna betalt kunskapsarbete går den bästa tillgängliga poängen att köpa, men påslaget mot ett resultat tre poäng lägre är ingen avrundning i en inköpsbudget.

Ett vattenpass som vilar på en arbetsbänk i trä
Kostnaden per uppgift på listan sträcker sig från 0,18 till 31,97 dollar. Arkivbild. Bimbim Sindu · pexels · Pexels License

Vad riktmärket faktiskt begär

MKA är en sluten uppsättning av 200 uppgifter över 10 branscher. Den ger en agent visuellt täta yrkesfiler — arkitektritningar, tekniska scheman, kliniska bilder — och ber om en leverans: en rapport, ett kalkylblad, en presentation, en påskriven ritning.

Inlämningar bedöms mot expertrubriker av en agentisk autorättare, som enligt Artificial Analysis är GPT-6 Luna på medelnivå. Uppgifterna körs i en miljö Artificial Analysis kallar Stirrup. Den viktade Climb-uppfyllnadsgraden är den viktade andel av rubrikens svårare kriterier som en uppgift uppfyller, i genomsnitt över uppgifterna.

Två förbehåll följer med siffrorna. Riktmärket formgavs tillsammans med Google DeepMind, en av de leverantörer vars modeller det rangordnar, och rättaren är en modell från OpenAI, en annan. Inget av detta ogiltigförklarar tabellen, men båda hör hemma bredvid den.

Var Googles nyaste modell hamnar

Googles tillkännagivande av Gemini 4 Hydrogen den 12 november anger den nya modellen till 53,4 procent på MKA, vilket skulle placera den under både Carbon och Anthropics bidrag i toppen. Google publicerade ingen kostnadssiffra för Hydrogen på det här riktmärket.

Det som ska följas är om kostnadskolumnen börjar röra sig snabbare än poängkolumnen. Ett glapp på tre poäng som kostar fem gånger mer är en fråga om pris, inte förmåga, och priset är det lättaste av de två att ändra.