KVARTALSVIS OPDATERET

AI Benchmarks

Vores egne tests af de store LLM\'er. Vi måler det der reelt betyder noget for danske virksomheder: pris, hastighed, dansk sprogkvalitet, og JSON-pålidelighed. Resultater opdateres kvartalsvis så I kan stole på at tallene er aktuelle.

● MÅLT DATAOpdateret 2026-04-15

Pris pr. 1.000 typiske kald — Claude, GPT, Gemini

Hvad koster det at køre 1.000 typiske produktions-kald af forskellige slags hos de tre store LLM-udbydere? Konkrete tal baseret på officielle priser pr. november 2026.

Testet:6 modeller

Se resultater →

● MÅLT DATAOpdateret 2026-04-20

Latency: hvor hurtigt svarer modellerne reelt?

Tid fra request sent til første token modtaget (TTFT) og total response-tid for moderne LLM-modeller. Målt på vores egen infrastruktur.

Testet:6 modeller

Se resultater →

◐ PRELIMINÆRT ESTIMATOpdateret 2026-04-25

Dansk sprogkvalitet: hvor naturligt skriver modellerne på dansk?

Hvor flydende, naturlig og kulturelt korrekt skriver LLM'erne dansk? Preliminære estimater baseret på offentlige scandinavian-benchmarks + vores egen praktiske erfaring. Fulde målte tal Q3 2026.

Testet:6 modeller

Se metode →

◐ PRELIMINÆRT ESTIMATOpdateret 2026-04-25

JSON-output pålidelighed: hvilken model returnerer korrekt JSON oftest?

Når LLM'er bruges i produktion er JSON-format-fejl en hovedårsag til crashes. Preliminære estimater baseret på BFCL leaderboard + vores produktionserfaring. Måle-data klar Q2 2026.

Testet:6 modeller

Se metode →