NinA Benchmarks
AI-modellen vergeleken op het werk dat bedrijven doen.
we voegen ze doorlopend toe
De meeste benchmarks zijn geschreven voor onderzoekers: lastige namen, scores zonder context. Wij testen modellen op taken uit de praktijk en laten de uitkomst zien zoals je hem kunt gebruiken. Welk model past bij welk werk, en wat kost het?
01Benchmark · bijgewerkt 9 november 2026
Welk AI-model heeft de beste prijs-kwaliteit verhouding?
Hoe slim een model is, afgezet tegen wat één taak gemiddeld kost.
Zo lees je het
- Hoe hoger de stip, hoe beter het model presteert.
- Hoe verder naar links, hoe lager de gemiddelde kosten per taak.
- Het model met de beste prijs-kwaliteitverhouding is uitgelicht.
- Sleep een kader over de grafiek om in te zoomen. Dubbelklik of "Herstel" zet hem terug.
Wat betekent dit voor jou
Het duurste model is niet altijd het beste. Voor taken die je duizenden keren per maand draait, scheelt een model dat bijna even goed is maar een fractie kost meer dan het kwaliteitsverschil waard is.
02Benchmark · bijgewerkt 9 november 2026
Welk AI-model is het beste voor automatisering van je bedrijfsworkflow?
Hoe goed een model een bedrijfsworkflow automatiseert.
Zo lees je het
- Elke staaf is de gemiddelde score van één model.
- De score is het aandeel taakdoelen dat is behaald, zonder dat een guardrail is overtreden.
- De test bestaat uit 657 taken in zes bedrijfsonderdelen (Finance, HR, Marketing, Operations, Sales en Support), uitgevoerd in gesimuleerde omgevingen van onder meer Gmail, Google Sheets, Slack, Salesforce, Zendesk, Jira en HubSpot.
- Hoger is beter.
- Wijs een staaf aan voor de details.
Wat betekent dit voor jou
Een model dat bovenaan staat in een algemene ranglijst, staat hier niet automatisch bovenaan. Welk model het beste werkt, hangt af van het werk dat je het geeft. Daarom kiezen we per toepassing.
03Benchmark · bijgewerkt 9 november 2026
Welk AI-model is het beste voor zakelijke opdrachten?
Modellen tegen elkaar op zakelijke opdrachten, uitgedrukt in een ELO-score.
Zo lees je het
- Elke staaf is één model. De test bestaat uit 91 taken uit vier projecten van meerdere weken, zoals data science, productmanagement, bankoperaties en strategie voor de zware industrie.
- Bij elke taak krijgt het model veel bronbestanden en moet het een eindproduct opleveren, zoals een spreadsheet, een presentatie of een memo. Dat is echt kenniswerk, geen quizvraag.
- Het resultaat wordt op drie manieren beoordeeld: met een checklist (is de juiste informatie gebruikt en kloppen de conclusies) en met twee vergelijkingen met het werk van een ander model: wie werkt grondiger en scherper, en wie levert het professionelere resultaat.
- De ELO-score combineert die drie. ELO werkt als een schaakrating: wie vaker wint, stijgt. Hoger is beter.
- Wijs een staaf aan voor de boven- en ondergrens. Overlappen die van twee modellen, dan zijn ze in de praktijk vrijwel even goed.
Wat betekent dit voor jou
Kleine verschillen in score zeggen weinig. Kijk naar de marges: liggen twee modellen dicht bij elkaar, dan geven prijs, snelheid en waar je data staat de doorslag.
04Benchmark · bijgewerkt 9 november 2026
Welk AI-model haalt cijfers het beste uit je spreadsheets/excel documenten?
Hoe betrouwbaar een model cijfers uit spreadsheets en documenten verwerkt, afgezet tegen wat één taak gemiddeld kost.
Zo lees je het
- Elke stip is één model. De test bestaat uit 80 vragen zoals een data-analist ze dagelijks krijgt: getallen uit Excel-bestanden halen en een exact antwoord geven.
- Hoe hoger de stip, hoe betrouwbaarder het model. Elke vraag is vijf keer gesteld en telt alleen mee als alle vijf de antwoorden goed zijn.
- Hoe verder naar links, hoe lager de gemiddelde kosten per taak. Dat is wat het model in totaal kost om één vraag te beantwoorden, inclusief alle stappen onderweg.
- Het model met de beste prijs-kwaliteitverhouding is uitgelicht.
- Sleep een kader over de grafiek om in te zoomen. Dubbelklik of "Herstel" zet hem terug.
Wat betekent dit voor jou
Bij werk met cijfers, zoals rapportages, controlling en facturen, telt vooral dat een model het elke keer goed doet, niet af en toe. Het blijft een test: probeer het altijd eerst met je eigen bestanden.
05Benchmark · bijgewerkt 9 november 2026
Welk AI-model is het betrouwbaarst en verzint het minst?
Hoeveel een model echt weet, en hoe vaak het gokt als het iets niet weet.
Zo lees je het
- Elke staaf is de score van één model. De test bestaat uit 3.000 vragen over onder meer business, recht, gezondheid en software, die het model uit zijn hoofd moet beantwoorden, zonder bestanden of opzoeken.
- Hoger is beter. De score is het aandeel goede antwoorden min het aandeel foute antwoorden. Zeggen dat je het niet weet telt niet als fout, dus gokken wordt bestraft.
- Wijs een staaf aan voor de details: hoeveel antwoorden goed zijn (hoger is beter) en hoe vaak het model iets verzint als het het niet weet (lager is beter).
Wat betekent dit voor jou
Een model dat veel weet, is nog geen betrouwbare assistent. Gaat het bij twijfel gokken, dan krijg je zelfverzekerde maar foute antwoorden, en die doen pijn bij klantvragen en juridische of financiële teksten. Kijk daarom niet alleen naar wie de meeste antwoorden goed heeft, maar ook naar wie het vaakst durft te zeggen dat hij het niet weet. Welk model past, hangt af van wat een fout antwoord jou kost.
06Benchmark · bijgewerkt 9 november 2026
Welk AI-model rondt een werktaak het beste af?
Hoe goed een AI-agent een hele werktaak afrondt, in echte software.
Zo lees je het
- Elke staaf is één model. Onder de naam staat de software die het model aanstuurt (bijvoorbeeld Codex of Claude Code). Dat heet een harness: de werkomgeving van de agent.
- De test bestaat uit 122 taken uit het werk van vakexperts: meerdere stappen, in echte software, met een resultaat dat een computer nakijkt.
- Er zijn twee cijfers. Het slagingspercentage telt een taak alleen als alles klopt. De score telt ook mee hoeveel er goed is. Een rapportage met tien onderdelen waarvan er negen kloppen, telt bij het slagingspercentage als mislukt en bij de score als 90%. Hoger is beter.
- Wissel rechtsboven tussen de twee, of kies "Beide": de gearceerde staaf is de score, de effen staaf het slagingspercentage.
- Wijs een staaf aan voor de details, ook de kosten per taak.
Wat betekent dit voor jou
Zelfs de beste agents slagen niet bij elke taak volledig. Een proces dat voor 90% goed is, moet toch nagekeken worden. Kijk daarom vooral naar het slagingspercentage en bouw controlestappen in. Het gekozen model maakt meer verschil dan de software eromheen, dus vergelijk modellen voor jouw eigen proces.
07Benchmark · bijgewerkt 9 november 2026
Wat is het beste AI-model voor het uitlezen van (lange) pdf-documenten?
Hoe vaak een model bij lange documenten alles goed doet, afgezet tegen wat één taak gemiddeld kost.
Zo lees je het
- Elke stip is één model. De test bestaat uit 100 taken in tien vakgebieden. Het model krijgt een lang PDF-document, zoals een contract of een schadeclaim, en een opdracht. Vervolgens wordt het beoordeeld op een lijst concrete punten.
- Hoe hoger de stip, hoe vaker het model alle punten goed heeft. Mist het er één, dan telt de poging als mislukt. Elke taak is vijf keer gedaan.
- Hoe verder naar links, hoe lager de gemiddelde kosten per taak.
- Het model met de beste prijs-kwaliteitverhouding is uitgelicht.
- Sleep een kader over de grafiek om in te zoomen. Dubbelklik of "Herstel" zet hem terug.
Wat betekent dit voor jou
Veel klantwerk bestaat uit het lezen van documenten: contracten, polissen, handleidingen en claims. Zelfs het beste model heeft hier maar bij ongeveer een derde van de pogingen alles goed, dus reken erop dat de uitkomst nagekeken moet worden, ook als hij er goed uitziet. Kijk ook naar de prijs: modellen die bijna even goed scoren, kosten soms veel minder per taak.
Verder
Een benchmark kiest geen model voor je. Wij wel.
Welk model het beste is, hangt af van jullie werk, jullie data en wat het per maand mag kosten. In een AI Partnership kiezen we per toepassing, en wisselen we als er een beter model uitkomt.
Meer over hoe we dat aanpakken: het AI Partnership.
Vrij te gebruiken: alle benchmarks staan onder CC BY 4.0. Neem ze over of citeer ze, met als bron: NinA AI Benchmarks, nina-ai.nl/benchmarks.
Welk model past bij jullie?
Laat ons het vergelijken op jullie werk.
Een kennismaking van 15 minuten. Daarna weet je welke modellen en welke aanpak bij jullie processen passen.
- 160+ organisaties
- Sessies met een 9,3
- Amsterdam







