GPT-6.1 Terra aggiunto
Il modello più recente dell'AIM LLM Index è GPT-6.1 Terra.
AIM LLM Index
v1.10Un unico indice trasparente che combina 5 benchmark pubblici con le 4 valutazioni agentiche, RAG e di ragionamento aziendale di AIMultiple. Consulta AIM LLM Index Methodology per ulteriori dettagli.
MODELLO MIGLIORE
Claude Opus 5.5
Indice 78
MIGLIOR RAPPORTO QUALITÀ-PREZZO
GPT-6.1 Terra
$2.00 / 1M
MODELLO PIÙ VELOCE
Muse Spark Open
0.31s TTFT
Costo per attività vs punteggio
Costo medio di un'attività su più benchmark rispetto all'Indice LLM
*Costo per attività di ogni modello, mediato con peso uguale su 7 benchmark (tutti tranne MMMU-Pro, che copre troppo pochi modelli). Sono mostrati solo i modelli con un costo su ciascuno di essi. ~ indica una media che include un costo stimato.
AIM LLM Index
Classifica
I modelli con il punteggio più alto in tutti i benchmark.
Filter & Sort
# | Modello | Indice | 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 |
Pagina 1 di 3
Costo$8.00
Latenza3.15s
Contesto1M
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
Costo$20.00
Latenza3.90s
Contesto1M
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
Costo$4.00
Latenza3.50s
Contesto1M
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
Costo$4.00
Latenza1.27s
Contesto1M
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
Costo$20.00
Latenza3.33s
Contesto1M
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
Costo$4.00
Latenza4.98s
Contesto1M
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
Costo$2.00
Latenza2.02s
Contesto1M
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
Costo$8.00
Latenza35.22s
Contesto1M
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
Costo$4.00
Latenza2.46s
Contesto1M
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
Costo$4.00
Latenza49.60s
Contesto1M
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
Pagina 1 di 3
Evoluzione nel tempo
Indice LLM per data di rilascio del modello
Modello × Benchmark
Modelli migliori sui benchmark selezionati
Costo vs prestazioni
Costo combinato rispetto all'Indice LLM
AIM LLM Index Methodology
Il punteggio di un modello nell'indice è la media dei suoi risultati sui benchmark elencati sotto. I punteggi già su una scala 0-100 sono usati così come sono; gli altri sono riscalati su 0-100. Un benchmark mancante per un modello viene escluso invece di essere contato come zero, e ogni benchmark ha lo stesso peso. Un modello deve avere un punteggio in almeno 2 benchmark AIMultiple per entrare in classifica. I risultati di MMMU-Pro provengono da 2 fonti separate.
Benchmark utilizzati
AIMultiple
AIM-Agentic-RAGRouting multi-database e generazione di query SQL su 11 database (BIRD-SQL, 759 domande).AIMultiple
AIM-AI-BiasValutazione dei bias a scelta multipla: 64 domande in 12 categorie di bias, ciascuna posta 5 volte in due esecuzioni (v1 e v2), su 109 modelli. Il punteggio è la quota di risposte che scelgono l'opzione non distorta, come media delle due esecuzioni.AIMultiple
AIM-FinanceReasoningRagionamento finanziario complesso a più passaggi su 238 domande difficili di FinanceReasoning.AIMultiple
AIM-Text-to-SQLAccuratezza nella generazione di query SQL a partire dal linguaggio naturale su oltre 35 LLM.Pubblico
CritPtProblemi di fisica di livello di ricerca che richiedono derivazioni multi-step.Pubblico
FrontierMathProblemi di matematica di ricerca inediti, scritti da esperti (livelli 1–4).Pubblico
MMMU-ProComprensione multimodale di livello universitario tra discipline, resa robusta contro scorciatoie solo testuali.Pubblico
SciCodeCoding scientifico a livello di ricerca in fisica, matematica, biologia e chimica (338 sottoproblemi)Pubblico
Terminal-Bench 4.0L'attuale generazione di Terminal-Bench: compiti agentici da terminale valutati per tasso di risoluzione.Scarica tutti i dati
Risultati grezzi di 73.9 mila punti dati dai benchmark AIMultiple su cui si basa questo indice. Scaricali come file ZIP contenente 4 file CSV e un README.
Ultimo aggiornamento: 30 ottobre 2026
ScaricaVuoi i dati granulari che ci stanno dietro? Passa a Premium
Registro delle modifiche
62 aggiornamenti- v1.10
2 modelli sono entrati nell'AIM LLM Index: DeepSeek V4.1 Flash 1017, Muse Spark Open.
- v1.10
113 modelli sono stati aggiunti al dataset: Claude 3 Haiku, Claude Opus 4.7 (max), Command A, DeepSeek R1 (Jan), DeepSeek R1 0528 Qwen3 8B e altri 108.
- v1.10
Qwen3.6 35B A3B è stato aggiunto al dataset.
- v1.10
3 modelli sono entrati nell'AIM LLM Index: GPT-6.1 Terra, Kimi K3.1 Pro, MiniMax M3.1 Flash.
- v1.10
3 modelli sono stati aggiunti al dataset: GPT-6.1 Terra, Kimi K3.1 Pro, MiniMax M3.1 Flash.
- v1.10
2 modelli sono stati aggiunti al dataset: DeepSeek V4.1 Flash 1017, Muse Spark Open.
- v1.10
Muse Wonder è entrato nell'AIM LLM Index.
- v1.10
Muse Wonder è stato aggiunto al dataset.
- v1.10
Gemini 4 Argon è entrato nell'AIM LLM Index.
- v1.10
Gemini 4 Argon è stato aggiunto al dataset.
Cronologia dei rilasci di LLMIl ritmo dell'innovazione nell'IA
Laboratori di IA
Gemini 3.8 Flash Lite TTS +1 altriGemini 3.8 Flash Lite TTSGemini 3.8 Flash TTS
23 setGemini 3.5 Transcribe
25 setNano Banana 2.1
06 ottGemini 4 Argon
13 ottGemini Omni 1.1 Flash
04 novGemini Omni 1.2 Flash
05 novGPT Image 2.5 Flare +1 altriGPT Image 2.5 FlareGPT Image 2.5 Sunburst
09 setGPT-6 Luna +1 altriGPT-6 LunaGPT-6 Sol
22 setGPT-6.1 Sol
29 setGPT-6 Luna Decisions
06 ottGPT-6.1 Terra
26 ottGPT Image 2.6 Flare +1 altriGPT Image 2.6 FlareGPT Image 2.6 Sunburst
04 nov
GLM 5.3 FlashX
18 setGLM 5.3 Prime
23 setGLM 5.3 FlashX Legal
02 novKimi K3.1 Pro
23 ott
MiniMax M3.1 Flash
19 ott
DeepSeek V4.1 Flash
10 setDeepSeek V4.1 Flash 1017
17 ott
Qwen3.8 Omni Flash
21 setQwen3.8 Max Prime
23 setQwen Image 2.1 Pro +1 altriQwen Image 2.1 ProQwen Image 2.1 Turbo
16 ottMuse Voice Transcribe 1.0
11 setMuse Wonder
12 ottMuse Spark Open
15 ott
Solar Mini 4
23 setSolar Decide
28 setSolar Decide Flash
08 ottClaude Opus 5.5
22 setClaude Sonnet 5.5
28 setClaude Haiku 5.5
07 ott
Grok 4.7
21 setGrok Imagine Video 1.5 Lite
06 ott
MiMo-V2.6-Flash +2 altriMiMo-V2.6-FlashMiMo-V2.6-ProMiMo-V2.6-Pro-UltraSpeed
21 setEsplora Casi d'uso, analisi e benchmark di LLM
LLM Prezzi: i migliori 15+ fornitori a confronto
LLMConfronto delle Funzionalità5 novMonitoriamo i prezzi di lancio di più di 160 LLM, da GPT-3.5 Turbo nel marzo 2023 fino alle ultime release, raggruppati per classe di dimensioni. Confrontiamo anche i prezzi delle API dei modelli attuali con i risultati dei benchmark e analizziamo i piani di abbonamento dei principali fornitori. I prezzi sono per milione di token,…
- LLMApprofondimento5 nov
LLM Quota di mercato: Confronta utilizzo e adozione
Abbiamo analizzato la quota di mercato di LLM combinando dati basati sull'utilizzo e stime delle visite web per mostrare come la domanda di large language models sia distribuita tra laboratori di IA e applicazioni di IA. Leggi la metodologia per vedere come abbiamo misurato e calcolato questi risultati. Gli Stati Uniti hanno dominato le visite…
- LLMBenchmark5 nov
Benchmark di latenza degli LLM per casi d'uso
Puoi trovare qui i dettagli su come abbiamo misurato la latenza. Riportiamo separatamente i modelli di ragionamento e quelli non di ragionamento. I modelli di ragionamento trascorrono diversi secondi a pensare prima della prima risposta visibile, quindi confrontarli direttamente con i modelli non di ragionamento sulla latenza sarebbe fuorviante. Alcuni modelli cambiano anche comportamento in…
- LLMConfronto delle Funzionalità3 nov
Confronta 9 Large Language Models in ambito sanitario
Abbiamo valutato 9 LLM utilizzando il dataset MedQA, un benchmark di esami clinici di livello universitario derivato dalle domande USMLE. Ogni model ha risposto agli stessi scenari clinici a scelta multipla utilizzando un prompt standardizzato, consentendo un confronto diretto dell'accuratezza. Abbiamo inoltre registrato la latenza per domanda dividendo il tempo di esecuzione totale per il…
- LLMBenchmark3 nov
Benchmark di 90+ LLM nella finanza: Claude Opus 5.5 e Gemini 4 Argon
Il set di test è il sottoinsieme difficile del benchmark FinanceReasoning (Tang et al.), con 238 domande. L'accuratezza è la percentuale di domande con risposta corretta. Le risposte numeriche ricevono una tolleranza relativa dello 0,2%. I token di output sono i token generati nelle 238 risposte. I token di input vengono conteggiati separatamente nel calcolo…
- LLMBenchmark3 nov
AIM-Text-to-SQL Benchmark: Accuratezza SQL su oltre 70 LLM
L'accuratezza SQL è la percentuale di query valutate che restituiscono il risultato di riferimento. I percorsi errati e i riferimenti contrassegnati come non validi sono esclusi. Una query di riferimento è la SQL fornita come risposta attesa. Ogni model raggiunge un insieme diverso di domande SQL perché il punteggio dipende dalle scelte del database. Le…
- LLMApprofondimento2 nov
LLM Parametri: tipi, scaling, guida al fine-tuning
Il conteggio dei parametri è una delle specifiche più citate di un modello linguistico di grandi dimensioni, ma non determina quanto bene un modello funzioni o quanto costa eseguirlo. Il grafico seguente confronta 31 modelli in base al punteggio LLM Index e al costo medio per attività su sette benchmark. Quattro modelli formano la linea…
- LLMApprofondimento28 ott
Il futuro dei modelli linguistici di grandi dimensioni
Scopri il futuro dei modelli linguistici di grandi dimensioni confrontando approcci, come l'auto-addestramento, la verifica dei fatti e l'expertise sparsa, che potrebbero affrontare i limiti degli LLM. Gli LLM accedono a fonti esterne durante le conversazioni invece di affidarsi ai dati di addestramento. Il modello interroga database esterni, recupera informazioni aggiornate e fornisce citazioni. Limite:…
Filtri