GPT-6.1 Terra ajouté
Le modèle le plus récent de l'AIM LLM Index est GPT-6.1 Terra.
AIM LLM Index
v1.10Un indice unique et transparent combinant 5 benchmarks publics avec les 4 évaluations agentiques, RAG et de raisonnement d'entreprise d'AIMultiple. Consultez AIM LLM Index Methodology pour plus de détails.
MEILLEUR MODÈLE
Claude Opus 5.5
Indice 78
MEILLEUR RAPPORT QUALITÉ-PRIX
GPT-6.1 Terra
$2.00 / 1M
MODÈLE LE PLUS RAPIDE
Muse Spark Open
0.31s TTFT
Coût par tâche vs score
Coût moyen d'une tâche sur plusieurs benchmarks face à l'Indice LLM
*Coût par tâche de chaque modèle, moyenné à poids égal sur 7 benchmarks (tous sauf MMMU-Pro, qui couvre trop peu de modèles). Seuls les modèles ayant un coût sur chacun d'eux sont affichés. ~ signale une moyenne qui inclut un coût estimé.
AIM LLM Index
Classement
Les modèles les mieux notés sur tous les benchmarks.
Filter & Sort
# | Modèle | 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-6.1 Terra OpenAI | 71 | 84 | 95 | 87 | 57 | 28 | 93 | 85 | 55 | 56 |
| 8 |  Muse Wonder Meta | 70 | 86 | 95 | 92 | 56 | 28 | 71 | 85 | 60 | 52 |
| 9 | GPT-6 Sol OpenAI | 70 | 82 | 96 | 89 | 54 | 31 | 90 | 83 | 58 | 44 |
| 10 |  Kimi K3.1 Pro Moonshot AI | 69 | 85 | 91 | 90 | 52 | 25 | - | 84 | 61 | 67 |
Page 1 sur 3
Coût$8.00
Latence3.15s
Contexte1M
TTFT3.15s
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
Coût$20.00
Latence3.90s
Contexte1M
TTFT3.90s
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
Coût$4.00
Latence3.50s
Contexte1M
TTFT3.50s
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
Coût$4.00
Latence1.27s
Contexte1M
TTFT1.27s
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
Coût$20.00
Latence3.33s
Contexte1M
TTFT3.33s
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
Coût$4.00
Latence4.98s
Contexte1M
TTFT4.98s
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
Coût$2.00
Latence2.02s
Contexte1M
TTFT2.02s
AIM-Agentic-RAG
84
AIM-AI-Bias
95
AIM-FinanceReasoning
87
AIM-Text-to-SQL
57
CritPt
28
FrontierMath
93
MMMU-Pro
85
SciCode
55
Terminal-Bench 4.0
56
Coût$8.00
Latence35.22s
Contexte1M
TTFT35.22s
AIM-Agentic-RAG
86
AIM-AI-Bias
95
AIM-FinanceReasoning
92
AIM-Text-to-SQL
56
CritPt
28
FrontierMath
71
MMMU-Pro
85
SciCode
60
Terminal-Bench 4.0
52
Coût$4.00
Latence2.46s
Contexte1M
TTFT2.46s
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
Coût$4.00
Latence49.60s
Contexte1M
TTFT49.60s
AIM-Agentic-RAG
85
AIM-AI-Bias
91
AIM-FinanceReasoning
90
AIM-Text-to-SQL
52
CritPt
25
MMMU-Pro
84
SciCode
61
Terminal-Bench 4.0
67
Page 1 sur 3
Évolution dans le temps
Indice LLM par date de sortie du modèle
Modèle × Benchmark
Meilleurs modèles sur les benchmarks sélectionnés
Coût vs performance
Coût combiné par rapport à l'indice LLM
AIM LLM Index Methodology
Le score d'indice d'un modèle est la moyenne de ses résultats sur les benchmarks ci-dessous. Les scores déjà sur une échelle 0-100 sont utilisés tels quels ; les autres sont ramenés sur 0-100. Un benchmark manquant pour un modèle est exclu au lieu d'être compté comme zéro, et chaque benchmark a le même poids. Un modèle doit être noté sur au moins 2 benchmarks AIMultiple pour être classé. Les résultats MMMU-Pro proviennent de 2 sources distinctes.
Benchmarks utilisés
AIMultiple
AIM-Agentic-RAGRoutage multi-bases de données et génération de requêtes SQL sur 11 bases de données (BIRD-SQL, 759 questions).AIMultiple
AIM-AI-BiasÉvaluation des biais à choix multiples : 64 questions réparties en 12 catégories de biais, chacune posée 5 fois lors de deux exécutions (v1 et v2), sur 109 modèles. Le score correspond à la part des réponses qui choisissent l'option non biaisée, en moyenne sur les deux exécutions.AIMultiple
AIM-FinanceReasoningRaisonnement financier complexe en plusieurs étapes sur 238 questions difficiles de FinanceReasoning.AIMultiple
AIM-Text-to-SQLPrécision de la génération de requêtes SQL à partir du langage naturel sur plus de 35 LLM.Public
CritPtProblemes de physique de niveau recherche exigeant des derivations multi-etapes.Public
FrontierMathProblèmes de mathématiques de recherche inédits, rédigés par des experts (niveaux 1 à 4).Public
MMMU-ProComprehension multimodale de niveau universitaire entre disciplines, durcie contre les raccourcis textuels.Public
SciCodeCodage scientifique de niveau recherche en physique, mathématiques, biologie et chimie (338 sous-problèmes)Public
Terminal-Bench 4.0La generation actuelle de Terminal-Bench : taches agentiques en terminal notees par taux de resolution.Télécharger toutes les données
Résultats bruts de 73.9 mille points de données issus des benchmarks AIMultiple sur lesquels repose cet indice. Téléchargez-les sous forme de fichier ZIP contenant 4 fichiers CSV et un README.
Dernière mise à jour : 30 octobre 2026
TéléchargerVous voulez les données détaillées derrière ? Rejoindre Premium
Journal des modifications
62 mises à jour- v1.10
2 modèles sont entrés dans l'AIM LLM Index : DeepSeek V4.1 Flash 1017, Muse Spark Open.
- v1.10
113 modèles ont été ajoutés au jeu de données : Claude 3 Haiku, Claude Opus 4.7 (max), Command A, DeepSeek R1 (Jan), DeepSeek R1 0528 Qwen3 8B et 108 de plus.
- v1.10
Qwen3.6 35B A3B a été ajouté au jeu de données.
- v1.10
3 modèles sont entrés dans l'AIM LLM Index : GPT-6.1 Terra, Kimi K3.1 Pro, MiniMax M3.1 Flash.
- v1.10
3 modèles ont été ajoutés au jeu de données : GPT-6.1 Terra, Kimi K3.1 Pro, MiniMax M3.1 Flash.
- v1.10
2 modèles ont été ajoutés au jeu de données : DeepSeek V4.1 Flash 1017, Muse Spark Open.
- v1.10
Muse Wonder est entré dans l'AIM LLM Index.
- v1.10
Muse Wonder a été ajouté au jeu de données.
- v1.10
Gemini 4 Argon est entré dans l'AIM LLM Index.
- v1.10
Gemini 4 Argon a été ajouté au jeu de données.
Chronologie des sorties de LLMLe rythme de l'innovation en IA
Laboratoires d'IA
Gemini 3.8 Flash Lite TTS +1 de plusGemini 3.8 Flash Lite TTSGemini 3.8 Flash TTS
23 sepGemini 3.5 Transcribe
25 sepNano Banana 2.1
06 octGemini 4 Argon
13 octGemini Omni 1.1 Flash
04 novGemini Omni 1.2 Flash
05 novGPT Image 2.5 Flare +1 de plusGPT Image 2.5 FlareGPT Image 2.5 Sunburst
09 sepGPT-6 Luna +1 de plusGPT-6 LunaGPT-6 Sol
22 sepGPT-6.1 Sol
29 sepGPT-6 Luna Decisions
06 octGPT-6.1 Terra
26 octGPT Image 2.6 Flare +1 de plusGPT Image 2.6 FlareGPT Image 2.6 Sunburst
04 nov
GLM 5.3 FlashX
18 sepGLM 5.3 Prime
23 sepGLM 5.3 FlashX Legal
02 novKimi K3.1 Pro
23 oct
MiniMax M3.1 Flash
19 oct
DeepSeek V4.1 Flash
10 sepDeepSeek V4.1 Flash 1017
17 oct
Qwen3.8 Omni Flash
21 sepQwen3.8 Max Prime
23 sepQwen Image 2.1 Pro +1 de plusQwen Image 2.1 ProQwen Image 2.1 Turbo
16 octMuse Voice Transcribe 1.0
11 sepMuse Wonder
12 octMuse Spark Open
15 oct
Solar Mini 4
23 sepSolar Decide
28 sepSolar Decide Flash
08 octClaude Opus 5.5
22 sepClaude Sonnet 5.5
28 sepClaude Haiku 5.5
07 oct
Grok 4.7
21 sepGrok Imagine Video 1.5 Lite
06 oct
MiMo-V2.6-Flash +2 de plusMiMo-V2.6-FlashMiMo-V2.6-ProMiMo-V2.6-Pro-UltraSpeed
21 sepExplorez Cas d'utilisation, analyses et points de référence du LLM
- LLMAnalyse28 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…
- LLMAnalyse26 oct
50+ Cas d'utilisation de ChatGPT avec des exemples concrets
ChatGPT a atteint environ 1 milliard d’utilisateurs actifs hebdomadaires début 2026, soit environ 10 % de la population mondiale. OpenAI a dépassé 20 milliards de dollars de revenus annuels pour 2025, confirmé par la directrice financière Sarah Friar. L’Anthropic Economic Index distingue deux modes d’utilisation : l’augmentation, où un humain interagit avec l’IA, et l’automatisation, où…
- LLMBenchmark26 oct
HALC-Bench: LLM Hallucination sur le benchmark de récupération en contexte long
HALC-Bench (LLM Hallucination sur le benchmark de récupération en contexte long) mesure la résistance d’un modèle de langage de grande taille à fabriquer des preuves pour une mesure qui n’existe pas dans le document cible, en utilisant 3 meules de foin placées au début, au milieu et à la fin de la fenêtre de contexte…
- LLMBenchmark23 oct
Densité d'intelligence des 71 LLMs pour des modèles plus intelligents et plus denses
Nous avons suivi 71 LLMs publiés entre février 2023 et mai 2026 et recueilli 10 benchmarks publics pour mesurer la densité d'intelligence. Nous avons divisé le score de capacité par la ressource que le modèle consomme (paramètres actifs, calcul d'entraînement et prix d'inférence). Pour calculer la densité d'intelligence, nous avons exécuté les étapes suivantes :…
- LLMÉvaluation en Monde Ouvert21 oct
LLM Orchestration: 21 frameworks et passerelles
L'optimisation de l'orchestration LLM est essentielle pour améliorer les performances tout en maîtrisant l'utilisation des ressources. Pour évaluer les performances de différentes approches d'orchestration en pratique, nous avons réalisé des benchmarks : Découvrez une sélection d'outils d'orchestration LLM, notamment les frameworks développeur et les passerelles d'entreprise : L'orchestration LLM consiste à gérer et à intégrer…
- LLMAnalyse14 oct
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…
- LLMComparaison des Fonctionnalités14 oct
Meilleurs outils LLMOps et comparaison avec le MLOps
Les plateformes LLMOps gèrent l'aspect opérationnel de l'exécution des grands modèles de langage : déploiement, surveillance, évaluation et gestion des coûts. Nous avons examiné les principaux outils LLMOps, leurs fonctionnalités clés, leurs modèles de tarification et leurs différences afin d'aider à identifier la solution la mieux adaptée à différents cas d'utilisation. Une description de chaque…
- LLMComparaison des Fonctionnalités13 oct
Cloud LLM vs LLM locaux: exemples et avantages
Les LLM cloud, propulsés par des modèles avancés comme GPT-5.5 et Claude Opus 4.7, offrent évolutivité et accessibilité. À l’inverse, les LLM locaux, animés par des modèles open source tels que Llama 4, DeepSeek V4 et Qwen3.6-Plus, garantissent une confidentialité et une personnalisation plus fortes. Découvrez ce que sont les LLM cloud, leurs forces et…
Filtres