Densità di intelligenza di 71 LLMs per modelli più intelligenti e più densi

Abbiamo tracciato 71 LLMs rilasciati tra febbraio 2023 e maggio 2026 e raccolto 10 benchmark pubblici per misurare la densità di intelligenza. Abbiamo diviso il punteggio di capacità per la risorsa che il model consuma (parametri attivi, compute di addestramento e prezzo di inference).

LLM panoramica sulla densità di intelligenza

Per calcolare la densità di intelligenza, abbiamo eseguito i seguenti passaggi:

• Efficienza delle risorse: Abbiamo diviso la capacità di ciascun model per due metriche di risorsa:
  • Parametri attivi: Un proxy per il costo di memoria e di serving (per i model open-weight).
  • Prezzo di inference: Efficienza di costo di mercato basata sul prezzo blended delle API per milione di token.
  • Nota sul compute di addestramento (FLOP): Inizialmente abbiamo incluso un terzo asse, il compute di addestramento (FLOP), ma lo abbiamo rimosso perché la sua pendenza negativa sui benchmark Standard saturi ha trascinato il composito 2023-2024 in un calo controintuitivo.
• Raggruppamento dei benchmark: Per evitare che la saturazione dei punteggi mascheri i guadagni di efficienza, abbiamo valutato le capacità in due distinte epoche di benchmark:
  • Benchmark Standard (2023-2024): MMLU (5-shot), GSM8K (8-shot CoT), HellaSwag (10-shot), ARC Challenge (25-shot), HumanEval (0-shot pass@1).
  • Benchmark avanzati (2024-2026): MMLU-Pro, GPQA Diamond, AIME 2025, LiveCodeBench, SWE-bench Verified.
• Indicizzazione concatenata: Abbiamo calcolato la crescita anno su anno all'interno di gruppi di benchmark corrispondenti e li abbiamo concatenati moltiplicativamente da una baseline del 2023 pari a 100 per tracciare il trend cumulativo.

Vedi metodologia per l'approccio di punteggio e le suddivisioni per risorsa.

LLM risultati sulla densità di intelligenza

Entro la metà del 2026, l'ecosistema IA ha fornito quasi 15× più intelligenza per unità di risorsa (parametri e dollari) rispetto alla baseline del 2023. Due cose da notare leggendo il trend:

• Il salto 2024-2025 (+362%) sovrastima il guadagno reale: I benchmark Advanced erano nuovi nel 2024 e solo una manciata di model aveva punteggi su di essi, quindi la baseline del 2024 è artificialmente bassa. Gran parte del “balzo” è dovuto al completamento del panel, non a un salto di efficienza di un anno.
• Il guadagno 2025-2026 (+105%) è dove sta la vera storia: È misurato su molti più model ed è guidato da piccoli rilasci open-weight come Qwen 3.6-35B-A3B e DeepSeek V4 Flash che eguagliano la capacità dei model closed di frontiera a una frazione delle dimensioni e del costo.

LLM capacità

Il grafico della densità mostra l'efficienza. Per contestualizzarlo, abbiamo anche misurato la capacità grezza nello stesso periodo: quanto sono diventati effettivamente più intelligenti questi model prima di qualsiasi aggiustamento per le risorse?

Capacità indicizzata a 100 nel 2023, media tra tutti i model rilasciati ogni anno.

Gli assi e il tooltip funzionano come nel grafico della densità, con l'asse Y che traccia la performance grezza nei benchmark piuttosto che la densità.

Un punteggio di capacità di 100 nel 2023 è cresciuto a 468 entro il 2026, un miglioramento di circa 4.7×. Anno per anno:

• 2024 (+88%): Progressi rapidi nei benchmark standard prima che si saturassero.
• 2025 (+105%): Gli stessi progressi rapidi, misurati sui benchmark avanzati più difficili che hanno sostituito quelli standard.
• 2026 (+22%): Il rallentamento è un segnale precoce che anche i benchmark avanzati stanno iniziando a saturarsi.

Confrontando i due grafici affiancati:

• La capacità è cresciuta di 4.7× mentre la densità di intelligenza è cresciuta di 8.9×.
• I model sono diventati più intelligenti ed efficienti allo stesso tempo. Non richiedono proporzionalmente più parametri, compute di addestramento o denaro per funzionare.

Nota che: La cifra di capacità di 4.7× è una grandezza credibile. La cifra di densità di 8.9× è più fragile (il gruppo avanzato 2024 ha meno punti dati, il che amplifica il tasso di crescita di quell'anno), quindi considerala un segnale direzionale piuttosto che un moltiplicatore preciso.

Quale LLM ha la più alta densità di intelligenza?

La densità di intelligenza dipende da quale risorsa misuriamo e da quale gruppo di benchmark utilizziamo per il punteggio. Il leader cambia per ogni combinazione.

Densità per parametro attivo (open-weight)

Questa vista misura quanto efficientemente un model concentra capacità nei suoi pesi. I parametri attivi contano perché i model Mixture-of-Experts (MoE) instradano ogni token attraverso una frazione dei pesi totali. DeepSeek V3 ha 671B parametri totali ma 37B attivi per token, e il valore di 37B riflette il costo effettivo di serving.

Leader dei benchmark Standard

• LLaMA 3.1 8B (lug 2024): 100.0
• LLaMA 3 8B (apr 2024): 85.0
• LLaMA 4 Maverick (apr 2025): 55.9
• Mixtral 8x7B (dic 2023): 47.4
• Mistral 7B (set 2023): 46.3

Leader dei benchmark avanzati

• Qwen 3.6-35B-A3B (apr 2026): 100.0 (3B parametri attivi; il punteggio si basa su un singolo benchmark, SWE-bench Verified al 73,4%, quindi va letto di conseguenza)
• GPT-OSS 20B (ago 2025): 85.2 (3.6B parametri attivi)
• GPT-OSS 120B (ago 2025): 64.4 (5.1B parametri attivi)
• Qwen 3.5 9B (mar 2026): 35.2 (9B parametri densi)
• DeepSeek V4 Flash (apr 2026): 26.0

La classifica dei benchmark standard ha smesso di muoversi dalla fine del 2024 perché i benchmark si sono saturati, non perché i progressi si siano fermati. GPT-4 ha ottenuto 90.2 nei benchmark standard all'inizio del 2023 ma 17.3 nei benchmark avanzati.

Densità per FLOP di addestramento (open-weight)

Questa vista premia la cura dei dati, le scelte architetturali e le ricette di addestramento piuttosto che la spesa grezza.

Nota: La densità per FLOP nei benchmark standard sembra diminuire nel tempo. Si tratta di un artefatto di saturazione, non di un calo dell'efficienza di addestramento. I benchmark più vecchi non misurano più i guadagni recenti, quindi i punteggi di capacità si comprimono mentre il compute di addestramento continua a crescere.

Leader dei benchmark Standard

• Mistral 7B (set 2023): 100.0 (ancora il punto di riferimento del panel, a più di due anni di distanza)
• LLaMA 3 8B (apr 2024): 40.8
• LLaMA 1 (feb 2023): 37.0
• DeepSeek V2 (mag 2024): 32.6
• Mixtral 8x7B (dic 2023): 27.1

Leader dei benchmark avanzati

• Qwen 3.5 9B (mar 2026): 100.0
• Qwen 3.6-35B-A3B (apr 2026): 28.4
• DeepSeek V4 Flash (apr 2026): 6.4

Il risultato del Qwen 3.5 (9B) è notevole: un model denso 9B addestrato con circa 1.5 × 10²³ FLOP che ottiene 81.2 di capacità nei benchmark avanzati. Il suo compute di addestramento è circa un ordine di grandezza inferiore rispetto a DeepSeek V4 Pro, ma il divario di capacità è minore.

Densità per dollaro di inference

La densità per dollaro è l'asse in cui i model open-weight e quelli closed di frontiera possono essere confrontati direttamente, perché i prezzi delle API sono verificabili pubblicamente. Utilizziamo i prezzi stabili per il valore principale, in modo che i tagli post-lancio siano riflessi.

Leader dei benchmark Standard

• Mistral Small 3 24B (gen 2025): 100.0 a $0,10 / $0,30 per milione di token tramite la Mistral di prima parte API
• Gemini 1.5 Flash (mag 2024): 99.3 (il model closed-weight con il punteggio più alto dopo il taglio di prezzo dell'agosto 2024)
• DeepSeek V2 (mag 2024): 66.0 a $0,27 / $1,10 per milione di token
• DeepSeek V3 (dic 2024): 30.9
• DeepSeek R1 (gen 2025): 17.8

Leader dei benchmark avanzati

• GPT-OSS 120B (ago 2025): 100.0 (il riferimento di prezzo è la mediana cross-provider di OpenRouter, poiché OpenAI non ospitava il model su un'API di prima parte)
• GPT-OSS 20B (ago 2025): 80.0
• DeepSeek V4 Flash (apr 2026): 44.0 a $0,06 / $0,42 per milione di token tramite la DeepSeek di prima parte API
• DeepSeek V3.2 (dic 2025): 22.5
• Mistral Small 3 24B (gen 2025): 20.9
• DeepSeek V4 Pro (apr 2026): 16.0 a $0,54 blended, con 97.8 di capacità nei benchmark avanzati. Questo colloca V4 Pro entro 2.2 punti di capacità da Claude Opus 4.7 a circa 1/18 del prezzo blended ($0,54 contro $10,00).

Il divario closed-frontier non si è ridotto

I model di reasoning closed di Anthropic, OpenAI e Google si raggruppano tra 0 e 6 nella densità per dollaro nei benchmark avanzati per tutto il periodo del panel. GPT-4 a marzo 2023 ha ottenuto 0.0. Claude Opus 4.7 ad aprile 2026 ha ottenuto 0.9.

I laboratori closed hanno tagliato i prezzi assoluti:

• Claude Opus è sceso da $30 a $10 per milione di token tra Opus 4 e Opus 4.5.
• OpenAI o3 è sceso da $10/$40 al lancio a $2/$8 a regime.
• Gemini 1.5 Flash è sceso di circa il 78%.

Ma il divario relativo rispetto ai leader di densità open-weight è rimasto circa da 30 a 50× per tutto il periodo. DeepSeek ha avuto prezzi vicini a $0,18 per milione nel 2024 (V2) e vicini a $0,18 per milione nel 2026 (V4 Flash). Il prezzo minimo open-weight non si è mosso e il prezzo minimo dei flagship closed non si è mosso abbastanza da colmare il divario. La concorrenza sui prezzi avviene nella fascia della generazione precedente, dove i model closed più vecchi vengono mantenuti in vita come alternative economiche, non alla frontiera.

La nuova direzione: benchmark agentici

I benchmark avanzati utilizzati per misurare le prestazioni dell'IA stanno iniziando a perdere efficacia, proprio come le suite di test più vecchie che hanno sostituito. I laboratori ora riportano i risultati sui benchmark agentici, come SWE-Bench Pro, Terminal-Bench, OSWorld-Verified e Finance Agent, piuttosto che sui vecchi test di ragionamento. Molti recenti rilasci di frontiera riportano quasi esclusivamente questi agentici LLM benchmark, senza punteggi sui benchmark di ragionamento tracciati dal nostro panel principale.

Per seguire questo cambiamento, abbiamo aggiunto un terzo gruppo di benchmark, Agentic, accanto ai gruppi Standard e Advanced. Combina tre benchmark dall'AIM LLM Index:

• Terminal-Bench 4.0: Completamento di task agentici in un terminale
• AIM-Agentic-RAG: Instrada ogni domanda al database giusto tra 11
• AIM-Text-to-SQL: Scrive SQL corretto una volta selezionato il database giusto

I punteggi sono combinati con lo stesso metodo degli altri gruppi: ogni benchmark viene normalizzato in z-score, gli z-score disponibili di un model vengono mediati e il risultato viene riscalato a 0-100. Un model deve avere almeno due dei tre benchmark per essere incluso.

Capacità agentica e densità agentica per dollaro per data di rilascio. I punteggi vanno da 0 a 100 relativamente ai model nel grafico, quindi uno 0 indica il model più basso del gruppo, non un'esecuzione fallita. Tra i model tracciati:

• Massima capacità agentica: Claude Opus 5.5 (100), Gemini 4 Argon (97.4), Claude Sonnet 5.5 (79.9) e GPT-6 Astra (65.2).
• Massima densità agentica per dollaro: Gemini 4 Argon (100), Claude Sonnet 5.5 (82.1), GPT-6.1 Sol (53.8) e Claude Opus 5.5 (51.4).
• Il prezzo cambia la classifica: GPT-6 Astra e Claude Fable 5.1 sono a metà classifica nella capacità, ma a $20 per 1M token scendono in fondo nella densità per dollaro (13.4 e 12.3).

Esplora i benchmark agentici consultando benchmark di coding agentico, ricerca agentica e monitoraggio agentico.

Sfide nel confrontare le prestazioni agentiche

Valutare e confrontare i risultati dei benchmark agentici presenta diverse difficoltà chiave:

• Focus sulle metriche di capacità: Possiamo mostrare i punteggi di capacità, perché i dati sulle risorse necessari per misurare la densità (conteggio dei parametri, compute di addestramento e prezzi verificati per singolo model) restano incompleti o non divulgati dai laboratori closed.
• Sensibilità a livello di sistema: I punteggi dei benchmark misurano l'intero sistema, non solo il model IA. Poiché i punteggi dipendono fortemente dallo “scaffolding” (il framework software circostante), lo stesso model può produrre risultati molto diversi a seconda dello specifico agent harness utilizzato.
• Protocollo di standardizzazione: Per garantire un confronto equo, questo report traccia esclusivamente i dati SWE-Bench Pro da un singolo ambiente standardizzato (la leaderboard SEAL di Scale). Gli altri punteggi riportati dai laboratori usano harness diversi e non sono direttamente confrontabili.
• Esclusione di Claude Opus 4.8: Sebbene Opus 4.8 auto-dichiari un record del 69,2% su SWE-Bench Pro, è stato testato sull'harness interno di Anthropic e non è ancora stato valutato da SEAL di Scale. Per mantenere una rigorosa coerenza dei dati, annotiamo qui il suo punteggio anziché tracciarlo.

SWE-Bench Pro dall'harness standardizzato Scale SEAL. Le altre colonne sono riportate dai laboratori con harness diversi e non sono direttamente confrontabili tra le righe. I trattini indicano che non è stato trovato alcun punteggio verificato.

Questi tre sono stati eseguiti sull'harness mini-swe-agent, quindi sono esclusi dal grafico a dispersione per mantenerlo confrontabile.

Metodologia della densità di intelligenza

Copertura del panel

• Model: 71 LLMs rilasciati da febbraio 2023 ad aprile 2026. 37 model hanno punteggi nei benchmark standard e 54 nei benchmark avanzati. I model senza un gruppo di benchmark completo sono esclusi dai calcoli di densità di quel gruppo.
• Benchmark: 10 benchmark pubblici, tutti riportati dai laboratori e tracciabili a una fonte primaria. Non abbiamo rieseguito alcun benchmark.
• Risorse: Per ogni model, abbiamo diviso il suo punteggio di capacità per tre risorse indipendentemente:
  • Parametri attivi: Un proxy per il costo di memoria e di serving. Limitato ai model open-weight, perché i laboratori closed-weight (OpenAI, Anthropic, Google) non divulgano il numero di parametri.
  • Compute di addestramento (FLOP): Un proxy per l'efficienza di addestramento. Anch'esso limitato ai model open-weight. I valori FLOP sono per lo più stime di Epoch IA e vanno letti come direzionali.
  • Prezzo di inference: Il prezzo che un acquirente paga effettivamente all'API. La capacità viene divisa per il prezzo blended per milione di token con un rapporto input-output di 3:1. Partecipano sia i model open sia quelli closed, perché i prezzi delle API sono verificabili pubblicamente.

Perché due gruppi di benchmark?

I model rilasciati nel 2024 hanno saturato i benchmark standard che i laboratori IA usavano dal 2020. Una volta che i model di frontiera raggiungono 90% o più in un benchmark, il test non distingue più i model forti da quelli più forti. I laboratori hanno risposto introducendo benchmark più difficili.

Trattiamo questo cambiamento come una rottura netta per due motivi:

• In primo luogo, mescolare benchmark facili e difficili in un unico punteggio di capacità permetterebbe a un punteggio saturo su un benchmark facile di mascherare un punteggio basso su uno difficile. Un model che ottiene 85 su MMLU-Pro è più forte di uno che ottiene 85 su MMLU. Trattare i due come equivalenti comprime l'intervallo dei punteggi e premia i benchmark più vecchi.
• In secondo luogo, le due suite hanno distribuzioni di punteggio diverse: i benchmark standard si concentrano in alto (la maggior parte dei model di frontiera sopra 85), mentre i benchmark avanzati hanno una dispersione più ampia (i model migliori intorno a 90, la fascia media intorno a 50, i model più deboli sotto 30). Calcolare lo z-score su entrambi contemporaneamente distorcerebbe la stima della varianza.

Calcoliamo la capacità per ciascun gruppo in modo indipendente:

• Benchmark standard (2023-2024): MMLU (5-shot), GSM8K (8-shot chain of thought), HellaSwag (10-shot), ARC Challenge (25-shot), HumanEval (0-shot pass@1).
• Benchmark avanzati (2024-2026): MMLU-Pro, GPQA Diamond, AIME 2025, LiveCodeBench, SWE-bench Verified.

Un punteggio di 90 nei benchmark standard non equivale a 90 nei benchmark avanzati. Per qualsiasi model rilasciato dalla fine del 2024 in poi, i benchmark avanzati sono il riferimento significativo.

Formula della capacità

Per ogni benchmark b e ogni model m:

Utilizziamo la deviazione standard della popolazione (divide per N, non per N−1). Questo corrisponde al calcolo originale di pandas con ddof=0 e garantisce che l'aggiunta di un singolo nuovo model non sposti retroattivamente la stima della varianza.

Quindi mediamo gli z-score disponibili per model all'interno di ciascun gruppo di benchmark e riscaliamo con min-max in un punteggio relativo al panel da 0 a 100.

Formula della densità

Per ogni vista di densità:

Il denominatore cambia per ogni vista: parametri attivi in miliardi, FLOP di addestramento divisi per 10²⁴ o prezzo blended per milione di token.

Metodologia dell'indice concatenato

I due grafici a indice nella parte superiore dell'articolo (Densità di intelligenza e Capacità) mostrano una crescita cumulativa a linea singola indicizzata a 100 nel 2023, modellata sul formato di rendimento cumulativo dell'S&P 500. Concateniamo i tassi di crescita anno su anno attraverso la transizione dei benchmark invece di tracciare valori assoluti.

Passaggio 1. Calcola la media annuale della metrica per ciascun gruppo di benchmark:

Per l'Indice di Densità di Intelligenza, la metrica è la media per riga dei tre punteggi di densità per model (Combined Density A o B). Per l'Indice di Capacità, la metrica è il punteggio di capacità relativo al panel (Capability_A o Capability_B).

Passaggio 2. Per ogni transizione anno su anno, calcola la crescita all'interno di un singolo gruppo di benchmark. Entrambi gli anni devono provenire dallo stesso gruppo:

Passaggio 3. Concatena moltiplicativamente da una baseline del 2023 di 100:

Selezione del gruppo per transizione:

• 2023 - 2024: Benchmark Standard (Advanced ha 1 model nel 2023, troppo pochi per calcolare una media stabile)
• 2024 - 2025: Benchmark Advanced (Standard saturato alla fine del 2024; Advanced ha 16 model nel 2024 e 27 nel 2025)
• 2025 - 2026: Benchmark Advanced (Standard non riportato per il 2026)

L'indice concatenato presuppone che le popolazioni sottostanti siano comparabili tra gli anni all'interno di un gruppo. Il nostro panel è eterogeneo (model diversi ogni anno, con copertura dei benchmark diversa), quindi i valori concatenati sono da intendersi come sintesi direzionale piuttosto che come moltiplicatore preciso.

Principi fondamentali di valutazione per la misurazione della densità di intelligenza

• Benchmark standard del settore: Non introduciamo alcun benchmark personalizzato.
• Fonti primarie: Ogni punteggio di benchmark è tracciabile al paper di rilascio del model, alla model card o all'annuncio ufficiale. Quando la fonte primaria non riporta un benchmark, la cella è vuota anziché imputata.
• Flag di copertura (N): Per ogni model riportiamo il numero di benchmark che contribuiscono al suo punteggio di capacità in ciascun gruppo. I model con N=1 ricevono un punteggio più rumoroso rispetto a quelli con N=5. Il caso N=1 si applica a Qwen 3.6 35B A3B (SWE-bench Verified) e ad alcuni rilasci flagship closed del 2026.

Fonti di prezzo per i model closed-weight

I prezzi sono la parte dell'indice più sensibile alla coorte. Utilizziamo la seguente gerarchia:

1. Annuncio di lancio del laboratorio (preferito): Prezzo indicato nel post di lancio del laboratorio, nella documentazione delle API o nella copertura stampa contemporanea.
2. Mediana cross-provider di Artificial Analysis (fallback per i model weights): Utilizzata per tre righe Llama 3.1 (8B, 70B, 405B) e per le righe GPT-OSS, perché non esiste un'API di prima parte.
3. Weights senza copertura: 22 righe su 69 non hanno un prezzo per dollaro registrato. Compaiono nei grafici di capacità e per parametro, ma sono assenti dai grafici per dollaro.

Tracciamo due binari di prezzo: prezzo di lancio (prezzo di prima parte il giorno del rilascio) e prezzo a regime (prezzo attuale di prima parte, o l'ultimo prima della dismissione). Sei model nel panel sono stati riprezzati dopo il lancio:

• Gemini 1.5 Pro: $3,50/$10,50 a $1,25/$5,00 (ottobre 2024)
• GPT-4o: $5,00/$15,00 a $2,50/$10,00 (ottobre 2024)
• Gemini 1.5 Flash: $0,35/$1,05 a $0,075/$0,30 (agosto 2024)
• Claude 3.5 Haiku: $1,00/$5,00 a $0,80/$4,00 (dicembre 2024)
• o3: $10,00/$40,00 a $2,00/$8,00 (giugno 2025)

La densità per dollaro principale utilizza i prezzi a regime. Per 37 righe prezzate su 43, i prezzi di lancio e a regime sono identici.

Cadenza di aggiornamento

Aggiorniamo l'indice mensilmente. Ogni aggiornamento aggiunge nuove righe di model per qualsiasi rilascio di frontiera o degno di nota nel mese precedente, aggiorna i prezzi dove i laboratori hanno modificato le tariffe, recupera i benchmark appena riportati per le righe esistenti e ricalcola gli z-score sull'intero panel. I nuovi inserimenti di model spostano la media e la deviazione standard di ciascun benchmark, quindi i punteggi esistenti da 0 a 100 si muovono con il panel. Le istantanee storiche vengono conservate.

Limiti della valutazione della densità di intelligenza

• Ottimismo riportato dai laboratori: I punteggi dei benchmark provengono dai laboratori stessi. Le esecuzioni indipendenti in genere ottengono da 5 a 13 punti in meno. Le linee di tendenza sono informative a livello direzionale ma non precise nei singoli punti.
• Modalità reasoning e non-reasoning non separate: I model rilasciati nel 2025 e 2026 supportano interruttori di pensiero esteso che possono spostare i punteggi di matematica e coding da 5 a 15 punti. Utilizziamo i punteggi in modalità predefinita dove identificabili.
• I valori di FLOP di addestramento sono per lo più stime: Una manciata di righe ha FLOP confermati dal laboratorio. Il resto sono estrapolati da parametri dichiarati e token di addestramento, per lo più tramite Epoch IA.
• Conteggio dei parametri dei model closed sconosciuto: La densità per parametro e per FLOP è vuota per le righe di frontiera closed. I model closed partecipano alla densità per dollaro.
• Punteggi relativi al panel: I punteggi di densità sono riscalati min-max all'interno del panel. Un nuovo model con un rapporto grezzo più alto sposta il punteggio da 0 a 100 di ogni model esistente. Per confrontare le versioni del panel, utilizza i rapporti grezzi sottostanti piuttosto che i punteggi riscalati.

Non perderti i nostri benchmark e approfondimenti basati sui dati. Il pulsante apre Google; selezionare AIMultiple conferma che desideri vedere AIMultiple più spesso nei risultati di ricerca di Google.

Aggiungi come fonte preferita

Che cos'è la densità di intelligenza?

La densità di intelligenza rappresenta una nuova metrica per valutare quanta conoscenza e capacità di ragionamento un model può concentrare in una singola unità di memoria o compute. Misura l'architettura del model valutando quanto efficacemente utilizza ogni parametro per generare valore.

In questo framework, l'asse x rappresenta spesso il numero di parametri del model mentre l'asse y traccia le prestazioni in compiti difficili. Si ha alta densità quando i model dimostrano capacità superiori senza richiedere l'enorme costo computazionale associato ai model più grandi. Questo processo dimostra che l'intelligenza non dipende solo dalla quantità di dati o dalla scala di addestramento, ma piuttosto da come il software e gli algoritmi organizzano tali informazioni.

In passato, la comunità IA si era affidata all'aumento dei parametri del model per raggiungere prestazioni più elevate, il che ha prodotto sistemi massicci e ad alto consumo di risorse. Con questo cambio di focus, l'ottimizzazione algoritmica viene privilegiata rispetto al volume grezzo per produrre più intelligenza da model più piccoli.

Perché è importante misurare la densità di intelligenza?

I sistemi efficienti devono ottimizzare il tempo di inference e l'uso della memoria. Identificare il punto in cui più token o compute aggiuntivo non producono più guadagni significativi aiuta il settore a comprendere i limiti superiori degli attuali large language models. I principali motivi per misurare la densità di intelligenza possono essere riassunti come segue:

• La comunità IA sottovaluta i costi a lungo termine di mantenere model sovradimensionati nei data center.
• Creazione di valore nelle applicazioni pratiche dipende dal rapporto tra qualità dell'output e potenza necessaria per produrlo.
• La legge di Moore per l'hardware non può sostenere la crescita dei language model senza progressi corrispondenti nel modo in cui li ottimizziamo.
• Reinforcement learning e una migliore distribuzione dei dati consentono agli strumenti di nuova generazione di raggiungere benchmark un tempo riservati solo agli esseri umani. Scopri di più sul reinforcement learning e su altri tipi di tecniche di LLM fine-tuning .

Sebbene i model più grandi contino ancora per esplorare nuove frontiere, la densità di un sistema determina la sua utilità effettiva nel mondo reale. Questo contesto aiuta a vedere l'intelligenza come un risultato concentrato dell'addestramento piuttosto che come un sottoprodotto delle dimensioni.

Ulteriori letture

La densità di intelligenza è un modo per confrontare gli LLMs. Altre dimensioni sono trattate in analisi separate:

• Benchmark di latenza: Per il time to first token e i token al secondo, consulta il nostro LLM latency benchmark.
• Benchmark per task: Per il ragionamento finanziario consulta il nostro finance LLM benchmark. Per il coding consulta il nostro IA coding benchmark.

Cita questo benchmark

Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.

@misc{simsek2026,
  author = {Şimşek, Hazal},
  title  = {{Densità di intelligenza di 71 LLMs per modelli più intelligenti e più densi}},
  year   = {2026},
  month  = oct,
  howpublished    = {\url{https://aimultiple.com/intelligence-density}},
  note   = {AIMultiple. Consultato il 23 ottobre 2026}
}

Registro delle modifiche

3 aggiornamenti

2026

1. 7 lug

   Aggiunti Claude Fable 5 e GLM 5.2 alla classifica dei benchmark agentici.

2. 6 lug

   Rimosso il calcolo di addestramento (FLOP) come metrica di risorsa della densità di intelligenza.

3. 15 giu

   Sostituito il commento sui risultati di densità di intelligenza con la metodologia di calcolo e avvertenze sulle basi 2024-2025.

Hazal Şimşek

Analista di settore

Segui

Hazal è analista di settore presso AIMultiple e si occupa di process intelligence (incluso il process mining) e automazione aziendale (inclusa l'automazione IT e l'automazione low-code/no-code).

Visualizza il profilo completo

Sii il primo a commentare

Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.

Nome

Indirizzo e-mail

Commento

0/450

Pubblica un commento