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.
Meer benchmarks
Bekijk ook de andere benchmarks
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
