Premium
Services
Premium
IALLMLLM

AIM LLM Index

Un indice unique et transparent combinant des benchmarks publics avec les propres évaluations agentiques, RAG et de raisonnement d'entreprise d'AIMultiple. Comment l'indice est construit

Anthropic
Claude Haiku 5.5 ajouté

Le modèle le plus récent de l'AIM LLM Index est Claude Haiku 5.5.

Voir le journal des modifications
MEILLEUR MODÈLE
Claude Opus 5.5
Indice 78
Meilleur rapport qualité-prix
GPT-6.1 Sol
$4.00 / 1M
Le plus rapide
Qwen3.8 27B
0.31s TTFT
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
Claude Opus 5.5
Anthropic
78
909492883295886760
2
GPT-6 Astra
GPT-6 Astra
OpenAI
74
849887663298875660
3
GPT-6.1 Sol
GPT-6.1 Sol
OpenAI
74
8198906532100865656
4
Claude Sonnet 5.5
Claude Sonnet 5.5
Anthropic
74
859389743180866164
5
Claude Fable 5.1
Claude Fable 5.1
Anthropic
74
849890673188866355
6
GPT-6 Sol
GPT-6 Sol
OpenAI
70
829789543190835844
7
Claude Opus 5
Claude Opus 5
Anthropic
68
858190642973845649
8
Muse Spark 1.3
Muse Spark 1.3
Meta
62
779589492646826033
9
Gemini 3.7 Flash
Gemini 3.7 Flash
Google
61
859887721437856014
10
Grok 4.6
Grok 4.6
X
60
809590642032815621
Page 1 sur 4

Coût$8.00
Latence2.65s
Contexte1M
TTFT2.65s
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
Latence6.03s
Contexte1M
TTFT6.03s
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
Latence4.83s
Contexte1M
TTFT4.83s
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
Latence1.43s
Contexte1M
TTFT1.43s
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
Latence3.34s
Contexte1M
TTFT3.34s
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
Latence2.59s
Contexte1M
TTFT2.59s
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

Coût$10.00
Latence3.34s
Contexte1M
TTFT3.34s
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

Coût$2.00
Latence70.51s
Contexte1M
TTFT70.51s
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

Coût$0.75
Latence6.62s
Contexte1M
TTFT6.62s
AIM-Agentic-RAG
85
AIM-AI-Bias
98
AIM-FinanceReasoning
87
AIM-Text-to-SQL
72
CritPt
14
FrontierMath
37
MMMU-Pro
85
SciCode
60
Terminal-Bench 4.0
14

Coût$3.00
Latence33.88s
Contexte500k
TTFT33.88s
AIM-Agentic-RAG
80
AIM-AI-Bias
95
AIM-FinanceReasoning
90
AIM-Text-to-SQL
64
CritPt
20
FrontierMath
32
MMMU-Pro
81
SciCode
56
Terminal-Bench 4.0
21
Page 1 sur 4
Évolution dans le temps
Indice LLM par date de sortie du modèle
Coût vs performance
Coût combiné par rapport à l'indice LLM
Modèle × Benchmark
Meilleurs modèles sur les benchmarks sélectionnés

Comment l'indice est construit

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.

Benchmarks utilisés

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

Mises à jour récentes

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

Anthropic

Claude Haiku 5.5

Nouveau modèle ajouté à l'AIM LLM Index.

OpenAI

GPT-6.1 Sol

Nouveau modèle ajouté à l'AIM LLM Index.

Anthropic

Claude Sonnet 5.5

Nouveau modèle ajouté à l'AIM LLM Index.

Anthropic

Claude Opus 5.5

Nouveau modèle ajouté à l'AIM LLM Index.

Chronologie des sorties de LLMLe rythme de l'innovation en IA
Laboratoires d'IA
Anthropic
Anthropic
Claude Fable 5.1
01 sep
Claude Opus 5.5
22 sep
Claude Sonnet 5.5
28 sep
Claude Haiku 5.5
07 oct
Google
Google
Gemini 3.7 Flash
13 août
Gemini 3.8 Flash
02 sep
Gemini 4 Argon
30 sep
Nano Banana 2.1
06 oct
OpenAI
OpenAI
GPT-6 Astra
04 sep
GPT-6 Luna +1 de plusGPT-6 LunaGPT-6 Sol
22 sep
GPT-6.1 Sol
29 sep
Upstage
Upstage
Solar Mini 4
23 sep
Solar Decide
28 sep
Alibaba Cloud
Alibaba Cloud
Qwen3.8 27B
14 août
Qwen3.8 Flash
26 août
Qwen3.8 Max (0902)
03 sep
Qwen3.8 Omni Flash
21 sep
Qwen3.8 Max Prime
23 sep
Z AI
Z AI
GLM 5.3
18 août
GLM 5.3 Flash
26 août
GLM 5.3 FlashX
18 sep
GLM 5.3 Prime
23 sep
X
X
Grok 4.7
21 sep
Xiaomi
Xiaomi
MiMo-V2.6-Flash +2 de plusMiMo-V2.6-FlashMiMo-V2.6-ProMiMo-V2.6-Pro-UltraSpeed
21 sep
DeepSeek
DeepSeek
DeepSeek V4 Flash Vision Exp
21 août
DeepSeek V4.1 Flash
10 sep
Meta
Meta
Muse Spark 1.2 Contributor
21 août
Muse Spark 1.3 +1 de plusMuse Spark 1.3Muse Spark 1.3 Contributor
02 sep
Date
il y a 60 jours
il y a 52 jours
il y a 40 jours
il y a 32 jours
il y a 20 jours
il y a 13 jours
il y a 5 jours
Aujourd'hui

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

LLM Outils d'observabilité: Weights & Biases, Langsmith

LLM
Analyse
2 sep

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…

En savoir plus
LLM
Analyse
1 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…

LLM
Analyse
27 août

LLM Automatisation: Top 7 outils & 8 études de cas 

LLM automation désigne le passage vers des outils d'automatisation intelligente qui exploitent des LLMs, notamment des agents IA, des LLMs fine-tunés et des modèles RAG pour automatiser et coordonner des tâches. Découvrez ce qu'est l'automatisation LLM, ses principales applications concrètes et ses principaux outils : Les grands modèles de langage dans l'automatisation constituent une approche…

LLM
Comparaison des Fonctionnalités
21 août

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…

LLM
Analyse
19 août

ChatGPT pour le service client: les 10 meilleurs cas d'utilisation

ChatGPT est passé du statut de nouveauté à celui d'infrastructure du service client. Les entreprises l'utilisent pour réduire les temps de réponse, absorber des volumes que leurs équipes ne peuvent pas gérer et diminuer le coût des interactions courantes. Mais les résultats varient fortement selon sa mise en œuvre. OpenAI a lancé GPT-5.6, un modèle…

LLM
Benchmark
16 août

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 avons collecté 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, coût de calcul d'entraînement et prix d'inférence). Pour calculer la densité d'intelligence, nous avons exécuté les…

LLM
Benchmark
15 avr

LLM Quantification: BF16 vs FP8 vs INT4

Nous avons effectué des benchmarks de Qwen3-32B à 4 niveaux de précision (BF16, FP8, GPTQ-Int8, GPTQ-Int4) sur un seul NVIDIA H100 80GB GPU. Chaque configuration a été évaluée sur 2 benchmarks (~12,2K questions) couvrant les connaissances et la génération de code, ainsi que sur plus de 2 000 exécutions d'inférence pour mesurer le débit. Int4…

123