Hoppa till innehållet
A I Benchmark
AI-riskbedömning

Hur lättlurad är er AI-modell?

Bullshit Benchmark mäter hur väl AI-modeller genomskådar övertygande men felaktiga påståenden – t.ex. påhittade ramverk, falska auktoriteter och skenbart exakta siffror. Ett konkret underlag när ni väljer AI-verktyg och gör riskbedömningar enligt AI Act.

Testlista V2

Den nyare, svårare testlistan med 100 frågor och 13 olika nonsenstekniker inom mjukvara, ekonomi, juridik, medicin och fysik.

100 frågor · 250 modellvarianter

Så bedöms svaren

Varje svar bedöms av en panel med tre AI-domare. Snittet avgör om modellen tydligt avvisade premissen, delvis ifrågasatte den eller accepterade nonsenset.

Vad testet inte mäter

Testet mäter hur modellen hanterar felaktiga premisser. Det mäter inte om modellen felaktigt avvisar korrekta frågor, och inte heller kodning eller allmän kunskap.

Bäst i test

Claude Opus 4.8

Snittpoäng 1.93 av 2

Testade modeller

250

AI-modeller & konfigurationer

Organisationer

22

OpenAI, Anthropic, Google m.fl.

Senast uppdaterad

2026-11-14

Hämtas automatiskt varje dag

#ModellPoängGenomskådat nonsens
1Claude Opus 4.81.93
95%
2Claude Opus 4.81.92
94%
3Qwen3.8 Max1.92
95%
4Claude Sonnet 4.61.87
91%
5Claude Sonnet 4.61.86
89%
6Claude Opus 4.51.84
90%
7Claude Opus 4.61.84
87%
8Claude Fable 5.11.82
77%
9Claude Opus 4.61.79
83%
10Claude Opus 4.71.78
83%
11Claude Fable 51.76
56%
12Mistral Large 4.01.73
80%
13Claude Opus 51.72
70%
14Claude Sonnet 51.72
80%
15Claude Sonnet 51.72
78%
16Claude Opus 51.71
73%
17Qwen3.5 397b A17b1.70
78%
18Claude Sonnet 4.51.68
79%
19Claude Opus 4.51.67
79%
20Kimi K31.67
74%
21Claude Fable 5.11.66
64%
22Kimi K31.64
72%
23Claude Fable 51.64
45%
24Claude Haiku 4.51.64
77%
25Claude Opus 5.51.64
63%
26Qwen3.8 27b1.63
79%
27Claude Opus 5.51.63
62%
28Claude Haiku 4.51.63
71%
29Claude Opus 4.71.62
74%
30Grok 4.71.61
72%
31Glm 5.31.61
72%
32Gpt 6 Astra1.61
69%
33Grok 4.71.60
75%
34Mistral Large 4.01.60
68%
35Claude Sonnet 4.51.59
74%
36Qwen3.7 Max1.57
72%
37Gpt 6.1 Sol1.57
59%
38Claude Fable 5.21.57
66%
39Claude Fable 5.21.56
62%
40Qwen3.6 Plus1.56
72%
41Glm 5.31.54
66%
42Gpt 6 Astra1.54
64%
43Gpt 6.1 Sol1.53
65%
44Qwen3.5 397b A17b1.53
69%
45Claude Sonnet 5.51.53
60%
46Gemini 3.5 Flash Lite1.52
66%
47Qwen3 Max Thinking1.50
63%
48Gemini 4 Argon1.50
66%
49Gemini 4 Carbon1.49
72%
50Kimi K2.61.49
65%
51Kimi K3.1 Pro1.49
60%
52Gemini 4 Argon1.49
65%
53Minimax M31.48
64%
54Grok 4.61.48
66%
55Gemini 4 Carbon1.48
61%
56Ox Alpha1.47
65%
57Claude Haiku 5.51.47
57%
58Gpt 6 Luna Pro1.46
59%
59Gpt 6 Sol1.46
54%
60Claude Haiku 5.51.46
53%
61Claude Sonnet 5.51.45
58%
62Minimax M31.44
63%
63Muse Ember1.44
62%
64Gpt 6 Sol Pro1.44
57%
65Grok 4.20 Multi Agent Beta1.43
64%
66Gpt 6 Luna1.43
58%
67Grok 4.20 Multi Agent Beta1.43
67%
68Gpt 6.1 Terra1.43
53%
69Mimo V2.5 Pro1.42
62%
70Ox Alpha1.42
54%
71Qwen3.6 Plus1.42
59%
72Deepseek V4.1 Flash1.42
57%
73Gemini 3.5 Flash Lite1.41
60%
74Gpt 6 Sol1.41
59%
75Deepseek V4.1 Flash1.41
57%
76Gpt 6.1 Terra1.41
54%
77Gpt 6 Sol Pro1.38
55%
78Muse Ember1.38
57%
79Gpt 5.6 Terra1.38
54%
80Gpt 6 Luna1.37
59%
81Gpt 6 Luna Pro1.37
57%
82Hy41.35
57%
83Grok 4.61.35
56%
84Qwen3.7 Max1.34
57%
85Muse Wonder1.34
57%
86Muse Wonder1.33
52%
87Grok 4.51.32
54%
88Grok 4.51.30
55%
89Grok 4.31.30
50%
90Gpt 5.6 Sol1.30
48%
91Gpt 5.6 Sol1.29
47%
92Grok 4.20 Beta1.27
54%
93Kimi K2.61.27
50%
94Gpt 5.51.27
47%
95Grok 4.20 Beta1.26
56%
96Kimi K3.1 Pro1.26
50%
97Gpt 5.41.25
48%
98Hy41.25
54%
99Nemotron 3 Super 120b A12b:Free1.23
54%
100Kimi K2.51.23
52%
101Gpt 5.51.22
45%
102Muse Spark 1.21.21
50%
103Gpt 5.6 Terra1.20
47%
104Gpt 5.51.20
45%
105Gpt 5.6 Luna1.20
41%
106Gpt 5.41.17
42%
107Muse Spark 1.21.15
49%
108Claude 3.7 Sonnet:Thinking1.14
49%
109Qwen3 Max Thinking1.14
46%
110Gpt 5.2 Codex1.14
45%
111Gemini 3 Pro Preview1.13
48%
112Claude Opus 4.11.12
43%
113Nemotron 3 Super 120b A12b1.12
47%
114Grok 4.31.12
46%
115Claude Opus 4.11.12
42%
116Claude 3.5 Haiku1.11
50%
117Gpt 5.21.10
38%
118Gpt 5.5 Pro1.09
34%
119Deepseek V4 Flash 07311.08
39%
120Nemotron 3 Ultra 550b A55b1.07
49%
121Claude 3.5 Sonnet1.07
46%
122Gpt 5.5 Pro1.07
36%
123Gpt 5.6 Luna1.06
37%
124Gpt 5.3 Chat1.06
40%
125Gpt 5.1 Chat1.05
45%
126Gemini 3.1 Pro Preview1.05
37%
127Gpt 5.4 Mini1.05
31%
128Claude 3.7 Sonnet1.03
44%
129Nemotron 3 Super 120b A12b:Free1.02
43%
130Hunter Alpha1.02
43%
131Gpt 5.21.02
28%
132Gpt 5.5 Chat1.01
34%
133Gpt 5 Codex1.01
39%
134Gpt 5.2 Codex1.01
39%
135Claude Opus 40.99
34%
136Deepseek V4 Pro 08130.98
35%
137Gpt 5.4 Mini0.98
32%
138Gpt 5.2 Codex0.97
37%
139Kimi K2.50.95
31%
140Qwen3.8 Max0.95
27%
141Gemini 3 Pro Preview0.94
36%
142Gpt 5.4 Mini0.94
32%
143Nemotron 3 Ultra 550b A55b0.94
40%
144Mimo V2.5 Pro0.94
38%
145Qwen3.8 27b0.94
29%
146Gemini 3.7 Flash0.93
35%
147Deepseek V4 Pro 08130.92
32%
148Gemini 3.6 Flash0.92
39%
149Healer Alpha0.92
37%
150Gpt 5.10.88
25%
151Claude Sonnet 40.87
29%
152Mimo V2.50.87
35%
153Gemini 3.1 Pro Preview0.87
31%
154Hunter Alpha0.86
35%
155Claude Sonnet 40.85
30%
156Gpt 5.1 Codex0.84
32%
157Llama 4 Maverick0.84
29%
158Gpt 5.2 Chat0.83
27%
159Gpt 5.3 Codex0.83
24%
160Gemini 3.7 Flash0.82
31%
161Gpt 50.82
21%
162Gemini 3.6 Flash0.78
28%
163Glm 5 Turbo0.78
31%
164Nemotron 3 Super 120b A12b0.77
31%
165Glm 5.20.75
31%
166Gemma 4.31b It0.74
25%
167Glm 50.73
28%
168Nemotron 3 Nano 30b A3b:Free0.70
28%
169Gpt 5.3 Codex0.69
20%
170Gpt 5.3 Codex0.68
19%
171O30.67
26%
172Healer Alpha0.66
26%
173Deepseek V4 Flash 07310.66
20%
174Gemma 4.26b A4b It0.65
21%
175Gpt 5 Chat0.64
18%
176Mimo V2.50.63
24%
177Qwen3 Coder0.63
20%
178Glm 5 Turbo0.62
23%
179Glm 5.10.61
22%
180Step 3.5 Flash0.60
22%
181Laguna S 2.10.60
21%
182Gemini 2.5 Pro0.60
20%
183Glm 50.59
20%
184Deepseek V4 Flash0.58
18%
185Grok 4.1 Fast0.58
19%
186Deepseek V4 Pro0.57
14%
187Llama 4 Scout0.57
20%
188Llama 3.1 8b Instruct0.57
14%
189Glm 5.20.56
17%
190Gemma 4.31b It0.56
20%
191Gemini 3.5 Flash0.56
20%
192Mimo V2 Flash0.55
16%
193Hy3 Preview:Free0.55
16%
194Gemini 2.5 Flash0.54
19%
195Laguna S 2.10.53
22%
196Gpt 5.4 Nano0.52
14%
197Trinity Large Thinking0.51
17%
198Glm 5.10.50
18%
199Gpt 5.4 Nano0.50
14%
200Gpt 4o 2024.08.060.49
12%
201Gemini 3.5 Flash0.49
19%
202Deepseek V4 Pro0.49
14%
203Gemini 2.0 Flash 0010.48
15%
204Deepseek V3.20.46
13%
205Hy3 Preview:Free0.46
8%
206Minimax M2.50.44
9%
207Gpt 4.10.43
14%
208Step 3.5 Flash0.43
13%
209Trinity Large Thinking0.42
13%
210Gpt 5.4 Nano0.42
10%
211Gemma 4.26b A4b It0.41
11%
212Gemini 3 Flash Preview0.41
10%
213Seed 1.60.41
7%
214Gemini 3.1 Flash Lite Preview0.40
11%
215Gpt Oss 120b0.40
12%
216Deepseek V4 Flash0.40
14%
217Mimo V2 Flash0.40
13%
218Seed 1.60.40
11%
219Deepseek V3.20.40
10%
220Minimax M2.70.40
7%
221Minimax M2.50.39
8%
222Ernie 4.5 Vl 424b A47b0.36
11%
223Claude 3 Haiku0.34
10%
224Deepseek R10.34
7%
225Gemini 3 Flash Preview0.34
10%
226Glm 4.50.34
8%
227Nemotron 3 Nano 30b A3b:Free0.33
10%
228Kimi K20.33
10%
229Minimax M2.70.33
8%
230Mistral Small 26030.33
6%
231Deepseek R10.31
8%
232Qwen3.235b A22b0.31
6%
233Grok 4.1 Fast0.30
10%
234Glm 4.50.30
6%
235Gpt Oss 120b0.30
5%
236O4 Mini0.29
4%
237Ernie 4.5 Vl 424b A47b0.29
3%
238O4 Mini0.28
8%
239Qwen3.235b A22b0.27
3%
240Ernie 4.5 300b A47b0.27
4%
241Nemotron Nano 9b V2:Free0.26
5%
242Nemotron Nano 9b V2:Free0.24
3%
243Intellect 30.23
7%
244Deepseek Chat0.22
4%
245Intellect 30.19
5%
246Jamba Large 1.70.19
5%
247Mistral Large 25120.17
2%
248Mistral Small 26030.16
4%
249Gpt 4o Mini 2024.07.180.16
2%
250Gemma 3.27b It0.15
3%

Så läser du tabellen

Poäng (0–2): snittbetyg från en panel av AI-domare. 2 = modellen genomskådade nonsenset helt, 0 = modellen gick på det. Genomskådat nonsens visar andelen frågor där modellen fick full poäng.

Datan hämtas automatiskt varje dag från det öppna projektet Bullshit Benchmark av Peter Gostev. All ära för metodik och testdata tillhör originalprojektet.

Pris / 1M tokens: aktuellt listpris för input och output enligt OpenRouter. Kostnad per 1000 svar visar vad testet faktiskt kostade att köra.

Behöver ni hjälp med AI Act och riskbedömning av AI-verktyg?

Vi hjälper er att klassificera AI-system, upprätta styrdokument och välja rätt verktyg för verksamheten.

Boka säkerhetsanalys

Vi använder cookies

Vi använder nödvändiga cookies för att webbplatsen ska fungera korrekt. Med ditt samtycke använder vi även analytiska cookies för att förstå hur besökare använder webbplatsen, samt marknadsföringscookies för att visa relevanta annonser. Läs mer i vår cookiepolicy.

JH Support AB · GDPR-efterlevnad · Dina val sparas lokalt