Gemini 4 Argon ajouté
Le modèle le plus récent de l'AIM LLM Index est Gemini 4 Argon.
AIM LLM Index
v1.10Un 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
MEILLEUR MODÈLE
Claude Opus 5.5
Indice 78
Meilleur rapport qualité-prix
GPT-6.1 Sol
$4.00 / 1M
Modèle le plus rapide
DeepSeek V4 Flash 0731
0.34s TTFT
Coût vs performance
Coût combiné par rapport à l'indice LLM
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 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 |
Page 1 sur 3
Coût$8.00
Latence1.84s
Contexte1M
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
Coût$20.00
Latence6.73s
Contexte524k
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
Coût$4.00
Latence3.29s
Contexte1M
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
Coût$4.00
Latence1.25s
Contexte1M
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
Coût$20.00
Latence2.12s
Contexte1M
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
Coût$4.00
Latence4.28s
Contexte1M
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
Coût$4.00
Latence3.30s
Contexte1M
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
Coût$10.00
Latence1.93s
Contexte1M
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
Coût$8.00
Latence50.93s
Contexte1M
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
Coût$2.00
Latence68.37s
Contexte1M
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
Page 1 sur 3
Évolution dans le temps
Indice LLM par date de sortie du modèle
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. 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 5 bases de données (BIRD-SQL, 500 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.Journal des modifications
57 mises à jour- v1.10
125 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 120 de plus.
- 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.
- v1.10
MMMU-Pro a été ajouté au calcul de l'indice. Version mise à jour en v1.10.
- v1.9
Claude Haiku 5.5 est entré dans l'AIM LLM Index.
- v1.9
Claude Haiku 5.5 a été ajouté au jeu de données.
- v1.9
AIM LLM Index: Pour être classé, un modèle doit aussi avoir un nombre de résultats externes proche de la moyenne. Version mise à jour en v1.9.
- v1.8
14 modèles ont été ajoutés au jeu de données : Claude Sonnet 4.6 (max), DeepSeek V4 Flash (Max), DeepSeek V4 Pro (Max), Gemma 4 31B, GPT-5.4 mini (xhigh) et 9 de plus.
Chronologie des sorties de LLMLe rythme de l'innovation en IA
Laboratoires d'IA
DeepSeek V4 Flash Vision Exp
21 aoûtDeepSeek V4.1 Flash
10 sepDeepSeek V4.1 Flash 1017
17 octMuse Spark 1.2 Contributor
21 aoûtMuse Spark 1.3 +1 de plusMuse Spark 1.3Muse Spark 1.3 Contributor
02 sepMuse Wonder
12 octMuse Spark Open
15 octGemini 3.8 Flash
02 sepNano Banana 2.1
06 octGemini 4 Argon
13 octClaude Fable 5.1
01 sepClaude Opus 5.5
22 sepClaude Sonnet 5.5
28 sepClaude Haiku 5.5
07 octGPT-6 Astra
04 sepGPT-6 Luna +1 de plusGPT-6 LunaGPT-6 Sol
22 sepGPT-6.1 Sol
29 sep
Solar Mini 4
23 sepSolar Decide
28 sep
Qwen3.8 Flash
26 aoûtQwen3.8 Max (0902)
03 sepQwen3.8 Omni Flash
21 sepQwen3.8 Max Prime
23 sep
GLM 5.3 Flash
26 aoûtGLM 5.3 FlashX
18 sepGLM 5.3 Prime
23 sep
Grok 4.7
21 sep
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
- 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…
- LLMAnalyse27 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…
- LLMAnalyse19 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…
- LLMBenchmark16 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…
- LLMBenchmark15 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…
Filtres