Analytikertestet

Vilken modell är den bästa analytikern?

Adam Fish

Adam FishCo-Founder & CEO

26 sep. 2026

Point11 hjälper varumärken att vinna sin marknad genom att förstå sina kunder, och det första steget är att förstå själva varumärket. I det här inlägget berättar vi vad vi kom fram till när vi gav ett dussin modeller en senior analytikers arbete: att profilera 25 företag, från deras storlek och omfattning till deras marknader och konkurrens. Vi poängsatte varje modell efter kvalitet, hastighet och kostnad.

Paretofronten

Den prickade linjen är Paretofronten: de modeller som inte går att slå på intelligens och kostnad samtidigt. Claude Opus 5.5 fick högst poäng, men Point11 Alpha hamnade inom felmarginalen för mindre än halva priset. Det beror på att Alpha inte förlitar sig på en enda modell; den lämnar varje steg i arbetet till den modell som gör det bäst. Efter Alpha planar linjen ut, så att spendera mer ger nästan ingenting.

Intelligens mot kostnad

Mest attraktiva kvadrantenParetolinje

7 alternativ ligger på Paretolinjen (Muse Glimmer, Gemini 3.5 Flash-Lite, GPT-6 Luna, Gemini 3.8 Flash, Muse Spark 1.3, Point11 Alpha, Claude Opus 5.5). Point11 Alpha ligger på den.

Modellernas intelligens

Poängen varierade kraftigt. De svagaste modellerna gjorde ungefär fem gånger så många faktafel som de starkaste, till exempel fel produkt eller en missad marknad, och Point11 Alpha gjorde minst av alla. Varje poäng kombinerar två saker: kvalitet, bedömd blint av toppmodellen från Anthropic, OpenAI, Google och xAI, och träffsäkerhet mot börsnoterade bolags årsredovisningar.

Intelligens

Poäng av 100, med 95%-konfidensintervall

  1. Claude Opus 5.5: 75.8
  2. Point11 Alpha: 75.1
  3. Claude Fable 5.1: 70.4
  4. GPT-6 Astra: 70.1
  5. Muse Spark 1.3: 66.3
  6. Grok 4.7: 64.8
  7. Grok 4.6: 62.9
  8. Gemini 3.8 Flash: 62.4
  9. Claude Sonnet 5: 58.4
  10. GPT-6 Luna: 57.6
  11. Gemini 3.5 Flash-Lite: 49.0
  12. Claude Haiku 4.5: 43.2
  13. Muse Glimmer: 41.8

Rangordnat efter index. Point11 Alpha får 75.1 (95% KI 72.7–77.5); den bästa enskilda modellen, Claude Opus 5.5, får 75.8. Felstaplarna visar 95%-intervall.

Arbetsflödets hastighet

De starkaste enskilda modellerna var också bland de långsammaste. Point11 Alpha blev klar långt före dem, och de enda modeller som var ännu snabbare var lättare modeller som fick märkbart lägre poäng. Vi mätte hastigheten från början till slut, inklusive Point11s egen bearbetning.

Hastighet

Minuter per profil, från start till mål

  1. Gemini 3.5 Flash-Lite: 12
  2. Gemini 3.8 Flash: 15
  3. Muse Glimmer: 16
  4. Claude Sonnet 5: 20
  5. GPT-6 Luna: 21
  6. Claude Haiku 4.5: 22
  7. Point11 Alpha: 23
  8. Muse Spark 1.3: 24
  9. Claude Opus 5.5: 38
  10. Grok 4.6: 40
  11. Grok 4.7: 44
  12. Claude Fable 5.1: 52
  13. GPT-6 Astra: 57

Snabbast först. Point11 Alpha blir klar med en profil på 23 min; den snabbaste enskilda modellen, Gemini 3.5 Flash-Lite, tar 12 min. Långsammast: GPT-6 Astra. Felstaplarna sträcker sig till den 90:e percentilen.

Arbetsflödets kostnad

Kostnaden varierade ännu mer än kvaliteten: den dyraste modellen kostade ungefär 36 gånger så mycket per profil som den billigaste. Att spendera mer gav bara mer intelligens upp till en viss punkt, samma avplaning som syns längs Paretofronten. Det här är de faktiska kostnaderna för att ta fram varje profil, inte listpriser, fördelade över pipelinens fem steg.

Kostnad per uppgift

USD per profil, staplat per pipelinesteg

  1. Muse Glimmer: $0.27
  2. Gemini 3.5 Flash-Lite: $0.40
  3. Claude Haiku 4.5: $0.55
  4. GPT-6 Luna: $0.66
  5. Gemini 3.8 Flash: $1.05
  6. Muse Spark 1.3: $1.60
  7. Claude Sonnet 5: $2.40
  8. Point11 Alpha: $3.40
  9. Grok 4.6: $3.90
  10. GPT-6 Astra: $5.10
  11. Claude Opus 5.5: $7.40
  12. Grok 4.7: $7.90
  13. Claude Fable 5.1: $9.60

Billigast per profil först. Muse Glimmer kostar $0.27; Point11 Alpha kostar $3.40.

Metodik

Varje modell körde Point11s pipeline oförändrad, med samma promptar och sitt labbs standardinställningar. Point11 Alpha körde samma pipeline, med varje steg tilldelat den modell som passar bäst för det, och mötte samma bedömare och facit. Bedömarna visste aldrig vilken modell som skrivit vilken profil, och ingen modell från ett enskilt labb bedömde ensam. Tänk på att resultaten mäter hur modellerna presterar i just det här arbetsflödet, inte hur kapabla de är generellt. Vi kör om testet när nya modeller lanseras.

Om du har frågor om vår metodik, eller om du vill att vi testar ditt företags egna arbetsflöden, kontakta vårt säljteam.