Gemini 4 Argon hinzugefügt
Das neueste Modell im AIM LLM Index ist Gemini 4 Argon.
AIM LLM Index
v1.10Ein 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
Schnellstes Modell
DeepSeek V4 Flash 0731
0.34s TTFT
Kosten vs. Leistung
Gemischte Kosten im Verhältnis zum LLM-Index
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 | 73 | 94 | 98 | 91 | 79 | 27 | 78 | - | 62 | 57 |
| 7 | GPT-6 Sol OpenAI | 70 | 82 | 96 | 89 | 54 | 31 | 90 | 83 | 58 | 44 |
| 8 | Claude Opus 5 Anthropic | 68 | 85 | 82 | 90 | 64 | 29 | 73 | 84 | 56 | 49 |
| 9 |  Muse Wonder Meta | 68 | 86 | 95 | 92 | 56 | 28 | 71 | - | 60 | 52 |
| 10 | Muse Spark 1.3 Meta | 62 | 77 | 96 | 89 | 49 | 26 | 46 | 82 | 60 | 33 |
Seite 1 von 3
Kosten$8.00
Latenz1.84s
Kontext1M
TTFT1.84s
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
Latenz6.73s
Kontext524k
TTFT6.73s
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
Latenz3.29s
Kontext1M
TTFT3.29s
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
Latenz1.25s
Kontext1M
TTFT1.25s
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
Latenz2.12s
Kontext1M
TTFT2.12s
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
Latenz4.28s
Kontext1M
TTFT4.28s
AIM-Agentic-RAG
94
AIM-AI-Bias
98
AIM-FinanceReasoning
91
AIM-Text-to-SQL
79
CritPt
27
FrontierMath
78
SciCode
62
Terminal-Bench 4.0
57
Kosten$4.00
Latenz3.30s
Kontext1M
TTFT3.30s
AIM-Agentic-RAG
82
AIM-AI-Bias
96
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
Latenz1.93s
Kontext1M
TTFT1.93s
AIM-Agentic-RAG
85
AIM-AI-Bias
82
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
Latenz50.93s
Kontext1M
TTFT50.93s
AIM-Agentic-RAG
86
AIM-AI-Bias
95
AIM-FinanceReasoning
92
AIM-Text-to-SQL
56
CritPt
28
FrontierMath
71
SciCode
60
Terminal-Bench 4.0
52
Kosten$2.00
Latenz68.37s
Kontext1M
TTFT68.37s
AIM-Agentic-RAG
77
AIM-AI-Bias
96
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 3
Entwicklung im Zeitverlauf
LLM-Index nach Modell-Veröffentlichungsdatum
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. Die MMMU-Pro-Ergebnisse stammen aus 2 separaten Quellen.
Verwendete Benchmarks
AIMultiple
AIM-Agentic-RAGMulti-Datenbank-Routing und SQL-Abfragegenerierung über 5 Datenbanken hinweg (BIRD-SQL, 500 Fragen).AIMultiple
AIM-AI-BiasBias-Bewertung im Multiple-Choice-Format: 64 Fragen in 12 Bias-Kategorien, jede 5-mal in zwei Durchläufen (v1 und v2) gestellt, über 109 Modelle. Der Score ist der Anteil der Antworten, die die unvoreingenommene Option wählen, gemittelt über beide Durchläufe.AIMultiple
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.Änderungsprotokoll
57 Aktualisierungen- v1.10
125 Modelle wurden dem Datensatz hinzugefügt: Claude 3 Haiku, Claude Opus 4.7 (max), Command A, DeepSeek R1 (Jan), DeepSeek R1 0528 Qwen3 8B und 120 weitere.
- v1.10
Muse Wonder ist in den AIM LLM Index aufgenommen worden.
- v1.10
Muse Wonder wurde dem Datensatz hinzugefügt.
- v1.10
Gemini 4 Argon ist in den AIM LLM Index aufgenommen worden.
- v1.10
Gemini 4 Argon wurde dem Datensatz hinzugefügt.
- v1.10
MMMU-Pro wurde in die Indexberechnung aufgenommen. Version auf v1.10 aktualisiert.
- v1.9
Claude Haiku 5.5 ist in den AIM LLM Index aufgenommen worden.
- v1.9
Claude Haiku 5.5 wurde dem Datensatz hinzugefügt.
- v1.9
AIM LLM Index: Für ein Ranking braucht ein Modell nun auch annähernd die durchschnittliche Zahl externer Benchmark-Ergebnisse. Version auf v1.9 aktualisiert.
- v1.8
14 Modelle wurden dem Datensatz hinzugefügt: Claude Sonnet 4.6 (max), DeepSeek V4 Flash (Max), DeepSeek V4 Pro (Max), Gemma 4 31B, GPT-5.4 mini (xhigh) und 9 weitere.
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
- LLMEinblick1. Sep
LLM-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…
- LLMEinblick27. Aug
LLM-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…
- LLMEinblick19. Aug
ChatGPT 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…
- LLMBenchmark16. Aug
Intelligenzdichte 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…
- LLMBenchmark15. Apr
LLM 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…
Filter