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
- LLMBenchmark6 oct
Large Language Models en cybersécurité
Nous avons évalué 7 large language models dans 9 domaines de cybersécurité à l’aide de SecBench, un benchmark à grande échelle et multi-format pour les tâches de sécurité. Nous avons testé chaque model sur 44 823 questions à choix multiples (MCQs) et 3 087 questions à réponse courte (SAQs), couvrant la sécurité des données, la gestion des…
- LLMAnalyse21 sep
LLM Calculateur de VRAM pour l'auto-hébergement
Auto-héberger un LLM signifie exécuter l'inférence sur du matériel contrôlé par l'opérateur plutôt que via une API tierce, ce qui modifie le coût, le contrôle des données et le profil de confidentialité. Qu'un modèle puisse s'exécuter dépend de la mémoire. Le calculateur estime la VRAM ou la mémoire unifiée dont un modèle a besoin pour…
- LLMBenchmark18 sep
IT agentique: les agents IA peuvent-ils concevoir un benchmark ?
Nous avons testé 16 modèles sur une conception de benchmark en text-to-SQL et en appel d'outils. Chaque modèle a construit un benchmark par sujet, pour un total de 32 soumissions. Aucune soumission n'a réussi tous les critères de la grille d'évaluation. Les agents ont pu construire et exécuter des tests, mais aucun n'a démontré à…
- LLMBenchmark17 sep
AIM Enterprise: Benchmark d'entreprise agentique
Les entreprises utilisent des LLM tous les jours pour leurs tâches courantes. Pour trouver les LLM les plus rentables, nous avons conçu AIM Enterprise, un benchmark d'entreprise agentique, dans lequel nous avons utilisé 69 tâches d'entreprise réelles couvrant la stratégie, le marketing, les RH, la vente et les opérations. Deux models juges ont noté chaque…
- LLMAnalyse15 sep
LLM Lois d'échelle: analyse de chercheurs en IA
Les grands models de langage prédisent le token suivant en se basant sur des motifs appris à partir de données textuelles. Le terme lois d’échelle des LLM désigne des régularités empiriques qui relient les performances du model à la quantité de calcul, aux données d’entraînement et aux paramètres du model utilisés pendant l’entraînement. Pour comprendre…
- LLMBenchmark15 sep
Simulation d'audience: Les LLM peuvent-elles prédire le comportement humain ?
En marketing, évaluer avec quelle précision les LLMs prédisent le comportement humain est crucial pour estimer leur efficacité à anticiper les besoins du public et pour reconnaître les risques de décalage, de communication inefficace ou d'influence non désirée. La simulation d'audience avec des LLMs permet de modéliser des publics virtuels, aidant les organisations à anticiper…
- LLMAnalyse2 sep
LLM Outils d'observabilité: Weights & Biases, Langsmith
Les applications LLM sont passées de chats à un seul tour à des agents multi-étapes qui utilisent des outils, interrogent des bases de données et se coordonnent avec d’autres modèles, ce qui rend leur comportement plus difficile à interpréter. L’observabilité des LLM offre une visibilité continue sur ces flux de travail complexes, aidant les organisations…
- LLMAnalyse1 sep
LLM Guide de fine-tuning pour les entreprises
Suivez les liens pour les solutions spécifiques aux défis de sortie de votre LLM. Si votre LLM : L’adoption généralisée des grands modèles de langage (LLM) a amélioré notre capacité à traiter le langage humain. Cependant, leur entraînement générique donne souvent des performances sous-optimales pour des tâches spécifiques. Pour surmonter cette limitation, des méthodes de…
Filtres