Gemini 4 Argon hinzugefügt
Das neueste Modell im AIM LLM Index ist Gemini 4 Argon.
AIM LLM Index
Ein transparenter Index, der öffentliche Benchmarks mit AIMultiples eigenen agentischen, RAG- und Enterprise-Reasoning-Bewertungen kombiniert. Wie der Index aufgebaut ist
TOP-MODELL
Claude Opus 5.5
Index 78
Bestes Preis-Leistungs-Verhältnis
GPT-6.1 Sol
$4.00 / 1M
Am schnellsten
DeepSeek V4 Flash 0731
0.37s TTFT
AIM LLM Index
Bestenliste
Die am höchsten bewerteten Modelle über alle Benchmarks hinweg.
Filter & Sort
# | Modell | Index | AIM-Agentic-RAG | AIM-AI-Bias | AIM-FinanceReasoning | AIM-Text-to-SQL | CritPt | FrontierMath | MMMU-Pro | SciCode | Terminal-Bench 4.0 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 Anthropic | 78 | 90 | 94 | 92 | 88 | 32 | 95 | 88 | 67 | 60 |
| 2 |  GPT-6 Astra OpenAI | 74 | 84 | 98 | 87 | 66 | 32 | 98 | 87 | 56 | 60 |
| 3 | GPT-6.1 Sol OpenAI | 74 | 81 | 98 | 90 | 65 | 32 | 100 | 86 | 56 | 56 |
| 4 | Claude Sonnet 5.5 Anthropic | 74 | 85 | 93 | 89 | 74 | 31 | 80 | 86 | 61 | 64 |
| 5 | Claude Fable 5.1 Anthropic | 74 | 84 | 98 | 90 | 67 | 31 | 88 | 86 | 63 | 55 |
| 6 |  Gemini 4 Argon Google | 70 | 94 | - | 91 | 79 | 27 | 78 | - | 62 | 57 |
| 7 | GPT-6 Sol OpenAI | 70 | 82 | 97 | 89 | 54 | 31 | 90 | 83 | 58 | 44 |
| 8 | Claude Opus 5 Anthropic | 68 | 85 | 81 | 90 | 64 | 29 | 73 | 84 | 56 | 49 |
| 9 |  Muse Wonder Meta | 64 | 86 | - | 92 | 56 | 28 | 71 | - | 60 | 52 |
| 10 | Muse Spark 1.3 Meta | 62 | 77 | 95 | 89 | 49 | 26 | 46 | 82 | 60 | 33 |
Seite 1 von 4
Kosten$8.00
Latenz3.05s
Kontext1M
TTFT3.05s
AIM-Agentic-RAG
90
AIM-AI-Bias
94
AIM-FinanceReasoning
92
AIM-Text-to-SQL
88
CritPt
32
FrontierMath
95
MMMU-Pro
88
SciCode
67
Terminal-Bench 4.0
60
Kosten$20.00
Latenz6.48s
Kontext1M
TTFT6.48s
AIM-Agentic-RAG
84
AIM-AI-Bias
98
AIM-FinanceReasoning
87
AIM-Text-to-SQL
66
CritPt
32
FrontierMath
98
MMMU-Pro
87
SciCode
56
Terminal-Bench 4.0
60
Kosten$4.00
Latenz3.15s
Kontext1M
TTFT3.15s
AIM-Agentic-RAG
81
AIM-AI-Bias
98
AIM-FinanceReasoning
90
AIM-Text-to-SQL
65
CritPt
32
FrontierMath
100
MMMU-Pro
86
SciCode
56
Terminal-Bench 4.0
56
Kosten$4.00
Latenz1.34s
Kontext1M
TTFT1.34s
AIM-Agentic-RAG
85
AIM-AI-Bias
93
AIM-FinanceReasoning
89
AIM-Text-to-SQL
74
CritPt
31
FrontierMath
80
MMMU-Pro
86
SciCode
61
Terminal-Bench 4.0
64
Kosten$20.00
Latenz2.95s
Kontext1M
TTFT2.95s
AIM-Agentic-RAG
84
AIM-AI-Bias
98
AIM-FinanceReasoning
90
AIM-Text-to-SQL
67
CritPt
31
FrontierMath
88
MMMU-Pro
86
SciCode
63
Terminal-Bench 4.0
55
Kosten$4.00
Latenz4.70s
Kontext1M
TTFT4.70s
AIM-Agentic-RAG
94
AIM-FinanceReasoning
91
AIM-Text-to-SQL
79
CritPt
27
FrontierMath
78
SciCode
62
Terminal-Bench 4.0
57
Kosten$4.00
Latenz2.76s
Kontext1M
TTFT2.76s
AIM-Agentic-RAG
82
AIM-AI-Bias
97
AIM-FinanceReasoning
89
AIM-Text-to-SQL
54
CritPt
31
FrontierMath
90
MMMU-Pro
83
SciCode
58
Terminal-Bench 4.0
44
Kosten$10.00
Latenz3.16s
Kontext1M
TTFT3.16s
AIM-Agentic-RAG
85
AIM-AI-Bias
81
AIM-FinanceReasoning
90
AIM-Text-to-SQL
64
CritPt
29
FrontierMath
73
MMMU-Pro
84
SciCode
56
Terminal-Bench 4.0
49
Kosten$8.00
Latenz51.49s
Kontext1M
TTFT51.49s
AIM-Agentic-RAG
86
AIM-FinanceReasoning
92
AIM-Text-to-SQL
56
CritPt
28
FrontierMath
71
SciCode
60
Terminal-Bench 4.0
52
Kosten$2.00
Latenz70.63s
Kontext1M
TTFT70.63s
AIM-Agentic-RAG
77
AIM-AI-Bias
95
AIM-FinanceReasoning
89
AIM-Text-to-SQL
49
CritPt
26
FrontierMath
46
MMMU-Pro
82
SciCode
60
Terminal-Bench 4.0
33
Seite 1 von 4
Entwicklung im Zeitverlauf
LLM-Index nach Modell-Veröffentlichungsdatum
Kosten vs. Leistung
Gemischte Kosten im Verhältnis zum LLM-Index
Modell × Benchmark
Top-Modelle bei ausgewählten Benchmarks
Wie der Index aufgebaut ist
Der Index-Wert eines Modells ist der Durchschnitt seiner Ergebnisse in den unten aufgeführten Benchmarks. Werte, die bereits auf einer Skala von 0-100 liegen, werden unverändert übernommen; alle anderen werden auf 0-100 umgerechnet. Fehlt einem Modell ein Benchmark, wird dieser ausgelassen statt mit null bewertet, und jeder Benchmark hat das gleiche Gewicht. Ein Modell muss in mindestens 2 AIMultiple-Benchmarks bewertet sein, um in die Rangliste aufgenommen zu werden.
Verwendete Benchmarks
AIMultiple
AIM-Agentic-RAGMulti-Datenbank-Routing und SQL-Abfragegenerierung über 5 Datenbanken hinweg (BIRD-SQL, 500 Fragen).AIMultiple
AIM-AI-BiasPer model per question per repetition bias evaluation results across 64 questions in both multiple choice and open ended formats, 27 models in the multiple choice condition and 26 in the open ended conditionAIMultiple
AIM-FinanceReasoningKomplexes mehrstufiges Finanzdenken anhand von 238 schwierigen FinanceReasoning-Fragen.AIMultiple
AIM-Text-to-SQLGenauigkeit der SQL-Abfragegenerierung aus natürlicher Sprache über mehr als 35 LLMs hinweg.Öffentlich
CritPtPhysikprobleme auf Forschungsniveau, die mehrstufige Herleitungen erfordern.Öffentlich
FrontierMathUnveröffentlichte, von Experten verfasste mathematische Forschungsprobleme (Stufen 1–4).Öffentlich
MMMU-ProMultimodales Verstandnis auf Hochschulniveau uber Facher hinweg, gehartet gegen reine Textabkurzungen.Öffentlich
SciCodeWissenschaftliches Programmieren auf Forschungsniveau in Physik, Mathematik, Biologie und Chemie (338 Teilprobleme)Öffentlich
Terminal-Bench 4.0Die aktuelle Terminal-Bench-Generation: agentische Terminalaufgaben, bewertet nach Losungsquote.Aktuelle Updates
Neueste Änderungen am AIM LLM Index, an der Modellabdeckung und an der AIMultiple-Benchmark-Methodik.
Google
Gemini 4 Argon
Neues Modell zum AIM LLM Index hinzugefügt.
Meta
Muse Wonder
Neues Modell zum AIM LLM Index hinzugefügt.
Anthropic
Claude Haiku 5.5
Neues Modell zum AIM LLM Index hinzugefügt.
OpenAI
GPT-6.1 Sol
Neues Modell zum AIM LLM Index hinzugefügt.
LLM-VeröffentlichungszeitleisteDas Tempo der KI-Innovation
KI-Labore
DeepSeek V4 Flash Vision Exp
21 AugDeepSeek V4.1 Flash
10 SepDeepSeek V4.1 Flash 1017
17 OktMuse Spark 1.2 Contributor
21 AugMuse Spark 1.3 +1 weitereMuse Spark 1.3Muse Spark 1.3 Contributor
02 SepMuse Wonder
12 OktMuse Spark Open
15 OktGemini 3.8 Flash
02 SepNano Banana 2.1
06 OktGemini 4 Argon
13 OktClaude Fable 5.1
01 SepClaude Opus 5.5
22 SepClaude Sonnet 5.5
28 SepClaude Haiku 5.5
07 OktGPT-6 Astra
04 SepGPT-6 Luna +1 weitereGPT-6 LunaGPT-6 Sol
22 SepGPT-6.1 Sol
29 Sep
Solar Mini 4
23 SepSolar Decide
28 Sep
Qwen3.8 Flash
26 AugQwen3.8 Max (0902)
03 SepQwen3.8 Omni Flash
21 SepQwen3.8 Max Prime
23 Sep
GLM 5.3 Flash
26 AugGLM 5.3 FlashX
18 SepGLM 5.3 Prime
23 Sep
Grok 4.7
21 Sep
MiMo-V2.6-Flash +2 weitereMiMo-V2.6-FlashMiMo-V2.6-ProMiMo-V2.6-Pro-UltraSpeed
21 SepLLM Anwendungsfälle, Analysen & Benchmarks erkunden
LLM
Einblick
2. SepLLM Observability-Tools: Weights & Biases, Langsmith
LLM-Anwendungen haben sich von Single-Turn-Chats zu mehrstufigen Agenten entwickelt, die Tools verwenden, Datenbanken abfragen und mit anderen Modellen koordinieren, wodurch ihr Verhalten schwieriger zu interpretieren ist. LLM-Observability bietet kontinuierliche Transparenz über diese komplexen Workflows und hilft Unternehmen, die Qualität zu überwachen, Fehler zu erkennen, Probleme zu beheben sowie Leistung und Kosten zu verwalten. W&B Weave…
LLM
Einblick
1. SepLLM-Feintuning-Leitfaden für Unternehmen
Folgen Sie den Links für die spezifischen Lösungen zu Ihren LLM-Ausgabeherausforderungen. Wenn Ihr LLM: Die weite Verbreitung von Large Language Models (LLMs) hat unsere Fähigkeit verbessert, menschliche Sprache zu verarbeiten. Ihr generisches Training führt jedoch oft zu suboptimaler Leistung bei spezifischen Aufgaben. Um diese Einschränkung zu überwinden, werden Feintuning-Methoden eingesetzt, um LLMs an die einzigartigen…
LLM
Einblick
27. AugLLM-Automatisierung: Top 7 Tools & 8 Fallstudien
LLM-Automatisierung bezeichnet den Wandel hin zu intelligenten Automatisierungstools, die LLMs nutzen, darunter KI-Agenten, feinabgestimmte LLMs und RAG-Modelle, um Aufgaben zu automatisieren und zu koordinieren. Erfahren Sie, was LLM-Automatisierung ist, ihre wichtigsten Anwendungen aus der Praxis und die wichtigsten Tools: LLM in der Automatisierung ist ein systematischer Ansatz, der Natural Language Processing (NLP) mit bestehenden Methoden…
LLM
Einblick
19. AugChatGPT für Kundenservice: Top 10 Anwendungsfälle
ChatGPT hat sich im Kundenservice von einer Neuheit zu einer Infrastruktur entwickelt. Unternehmen nutzen ihn, um Antwortzeiten zu verkürzen, ein Volumen zu bewältigen, das ihre Teams nicht auffangen können, und die Kosten für Routineinteraktionen zu senken. Aber die Ergebnisse variieren stark, je nachdem, wie er implementiert ist. OpenAI hat GPT-5.6 auf den Markt gebracht, ein…
LLM
Benchmark
16. AugIntelligenzdichte von 71 LLMs für intelligentere & dichtere Modelle
Wir haben 71 LLMs verfolgt, die zwischen Februar 2023 und Mai 2026 veröffentlicht wurden, und 10 öffentliche Benchmarks gesammelt, um die Intelligenzdichte zu messen. Wir haben den Fähigkeitswert durch die vom Modell verbrauchte Ressource geteilt (aktive Parameter, Trainingsrechenleistung und Inferenzpreis). Um die Intelligenzdichte zu berechnen, haben wir die folgenden Schritte ausgeführt: Siehe Methodik für den…
LLM
Benchmark
15. AprLLM Quantisierung: BF16 vs FP8 vs INT4
Wir haben Qwen3-32B auf 4 Genauigkeitsstufen (BF16, FP8, GPTQ-Int8, GPTQ-Int4) auf einer einzelnen NVIDIA H100 80GB GPU getestet. Jede Konfiguration wurde auf 2 Benchmarks (~12,2K Fragen) bewertet, die Wissen und Code-Generierung abdecken, sowie auf 2.000+ Inferenzläufen zur Messung des Durchsatzes. Int4 ist 2,7-mal schneller als BF16, verliert jedoch weniger als 2 Punkte auf MMLU-Pro, während…