AIM LLM Index

AIM-Agentic-RAGRoutage multi-bases de données et génération de requêtes SQL sur 5 bases de données (BIRD-SQL, 500 questions).

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 condition

AIM-FinanceReasoningRaisonnement financier complexe en plusieurs étapes sur 238 questions difficiles de FinanceReasoning.

AIM-Text-to-SQLPrécision de la génération de requêtes SQL à partir du langage naturel sur plus de 35 LLM.

CritPtProblemes de physique de niveau recherche exigeant des derivations multi-etapes.

FrontierMathProblèmes de mathématiques de recherche inédits, rédigés par des experts (niveaux 1 à 4).

MMMU-ProComprehension multimodale de niveau universitaire entre disciplines, durcie contre les raccourcis textuels.

SciCodeCodage scientifique de niveau recherche en physique, mathématiques, biologie et chimie (338 sous-problèmes)

Terminal-Bench 4.0La generation actuelle de Terminal-Bench : taches agentiques en terminal notees par taux de resolution.

Mises à jour récentes

Derniers changements de l'AIM LLM Index, de la couverture des modèles et de la méthodologie de benchmarks d'AIMultiple.

13 oct. 2026

Google

Gemini 4 Argon

Nouveau modèle ajouté à l'AIM LLM Index.

12 oct. 2026

Muse Wonder

Nouveau modèle ajouté à l'AIM LLM Index.

7 oct. 2026

Anthropic

Claude Haiku 5.5

Nouveau modèle ajouté à l'AIM LLM Index.

29 sept. 2026

OpenAI

GPT-6.1 Sol

Nouveau modèle ajouté à l'AIM LLM Index.

Chronologie des sorties de LLMLe rythme de l'innovation en IA

DeepSeek

DeepSeek V4 Flash Vision Exp

21 août

DeepSeek V4.1 Flash

10 sep

DeepSeek V4.1 Flash 1017

17 oct

Explorez Cas d'utilisation, analyses et points de référence du LLM

Comparer les models d'IA multimodaux sur le raisonnement visuel

Benchmark

15 oct

Nous avons réalisé un benchmark de 40 principaux models d'IA multimodaux sur le raisonnement visuel à l'aide de 200 questions basées sur des visuels. L'évaluation comprenait deux volets : 100 questions de compréhension de graphiques testant l'interprétation de visualisations de données, et 100 questions de logique visuelle évaluant la reconnaissance de motifs et le raisonnement…

Grands models multimodaux (LMM) vs LLMs

Évaluez les LLMs et les LMM en comparant leurs scores de benchmark et leur latence en conditions réelles en cliquant sur le nom du model dans le tableau ci-dessous. Vous pouvez également peser leur tarification d’entrée et de sortie pour juger de l’efficacité et de la valeur globales. *L’audio est natif sur les models E2B,…

10+ Exemples de Large Language Models

Nous avons rassemblé des benchmarks open-source pour comparer les principaux large language models propriétaires et open-source. Choisissez votre cas d'usage pour trouver le bon model. Vous pouvez évaluer les large language models en examinant leurs performances de benchmark et leur latence réelle (disponible en cliquant sur le nom de chaque model dans le tableau), et…

Comparaison des Fonctionnalités

Meilleurs outils LLMOps et comparaison avec les MLOPs

Les plateformes LLMOps gèrent le côté opérationnel de l’exécution des modèles de langage de grande taille : déploiement, surveillance, évaluation et gestion des coûts. Nous avons examiné les meilleurs outils LLMOps, leurs fonctionnalités principales, leurs modèles de tarification et leurs différences afin d’identifier la solution la mieux adaptée à différents cas d’usage. Une description de…

Benchmark

AIM-Text-to-SQL Benchmark: précision SQL sur plus de 70 LLMs

La précision SQL est le pourcentage de requêtes évaluées qui renvoient le résultat de référence. Les routages incorrects et les références signalées comme défectueuses sont exclus. Une requête de référence est le SQL fourni comme réponse attendue. Chaque modèle atteint un ensemble différent de questions SQL, car la notation dépend de ses choix de base…

Benchmark

Benchmark de plus de 90 LLM en finance: Claude Opus 5.5 & Gemini 4 Argon

L'ensemble de test est le sous-ensemble difficile du benchmark FinanceReasoning (Tang et al.), avec 238 questions. La précision est le pourcentage de questions auxquelles il a été répondu correctement. Les réponses numériques reçoivent une tolérance relative de 0,2 %. Les tokens de sortie sont les tokens générés pour les 238 réponses. Les tokens d'entrée sont comptés…

Évaluation en Monde Ouvert

LLM Orchestration: 22 frameworks et passerelles

L'optimisation de l'orchestration LLM est essentielle pour améliorer les performances tout en gardant l'utilisation des ressources sous contrôle. Pour évaluer la manière dont différentes approches d'orchestration se comportent en pratique, nous avons effectué des benchmarks : Découvrez une sélection d'outils d'orchestration LLM, notamment les frameworks pour développeurs et les passerelles d'entreprise : LLM Orchestration consiste…

Comparez GPT-5 Models: Raisonnement, Vitesse & Coût

Nous explorons les différences entre la famille GPT-5 d’OpenAI (par ex., GPT-5, GPT-5-mini et GPT-5-nano) en rassemblant les performances de benchmark et les coûts pour exécuter les benchmarks. Nous avons utilisé la famille GPT-5 dans notre analyse. Nous avons utilisé six benchmarks dans divers domaines, notamment le raisonnement, le codage, le suivi d’instructions et les…

13 oct

LLM Part de marché: comparer l'utilisation et l'adoption

Nous avons analysé la part de marché des LLM en combinant des données basées sur l'utilisation et des estimations de visites web pour montrer comment la demande de grands modèles de langage est répartie entre les laboratoires d'IA et les applications d'IA. Lisez la méthodologie pour voir comment nous avons mesuré et calculé ces résultats.…

13 oct

L'avenir des grands modèles de langage

Découvrez l'avenir des grands modèles de langage en comparant des approches, telles que l'auto-entraînement, la vérification des faits et l'expertise parcimonieuse, qui pourraient remédier aux limites des LLM. LLMs accèdent à des sources externes pendant les conversations au lieu de s'appuyer sur les données d'entraînement. Le modèle interroge des bases de données externes, récupère les…