AIM LLM Index

AIM-Agentic-RAGRouting multi-database e generazione di query SQL su 5 database (BIRD-SQL, 500 domande).

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

AIM-FinanceReasoningRagionamento finanziario complesso a più passaggi su 238 domande difficili di FinanceReasoning.

AIM-Text-to-SQLAccuratezza nella generazione di query SQL a partire dal linguaggio naturale su oltre 35 LLM.

CritPtProblemi di fisica di livello di ricerca che richiedono derivazioni multi-step.

FrontierMathProblemi di matematica di ricerca inediti, scritti da esperti (livelli 1–4).

MMMU-ProComprensione multimodale di livello universitario tra discipline, resa robusta contro scorciatoie solo testuali.

SciCodeCoding scientifico a livello di ricerca in fisica, matematica, biologia e chimica (338 sottoproblemi)

Terminal-Bench 4.0L'attuale generazione di Terminal-Bench: compiti agentici da terminale valutati per tasso di risoluzione.

Aggiornamenti recenti

Ultime modifiche all'AIM LLM Index, alla copertura dei modelli e alla metodologia di benchmark di AIMultiple.

13 ott. 2026

Google

Gemini 4 Argon

Nuovo modello aggiunto all'AIM LLM Index.

12 ott. 2026

Muse Wonder

Nuovo modello aggiunto all'AIM LLM Index.

7 ott. 2026

Anthropic

Claude Haiku 5.5

Nuovo modello aggiunto all'AIM LLM Index.

29 set. 2026

OpenAI

GPT-6.1 Sol

Nuovo modello aggiunto all'AIM LLM Index.

Cronologia dei rilasci di LLMIl ritmo dell'innovazione nell'IA

Esplora Casi d'uso, analisi e benchmark di LLM

Confronta i modelli di IA multimodali sul ragionamento visivo

Benchmark

15 ott

Abbiamo valutato tramite benchmark 40 principali modelli di IA multimodali sul ragionamento visivo utilizzando 200 domande basate su elementi visivi. La valutazione era composta da due percorsi: 100 domande di comprensione dei grafici che testano l'interpretazione della visualizzazione dei dati e 100 domande di logica visiva che valutano il riconoscimento di schemi e il ragionamento…

Modelli multimodali di grandi dimensioni (LMM) vs LLM

Valuta i LLM e gli LMM confrontando i loro punteggi benchmark e la latenza nel mondo reale cliccando sul nome del modello nella tabella sottostante. Puoi anche valutare i prezzi di input e output per giudicare l'efficienza e il valore complessivi. *L'audio è nativo solo sui modelli E2B, E4B e 12B. Disponibile in cinque dimensioni:…

10+ Esempi di Large Language Model

Abbiamo raccolto benchmark open-source per confrontare i principali large language models proprietari e open-source. Scegli il tuo caso d'uso per trovare il model giusto. Puoi valutare i large language models esaminando le loro prestazioni nei benchmark e la latenza nel mondo reale (disponibile facendo clic sul nome di ciascun model nella tabella) e analizzando i…

Confronto delle Funzionalità

I migliori strumenti LLMOps e confronto con MLOps

Le piattaforme LLMOps gestiscono il lato operativo dell'esecuzione dei modelli linguistici di grandi dimensioni: distribuzione, monitoraggio, valutazione e gestione dei costi. Abbiamo esaminato i migliori strumenti LLMOps, le loro funzionalità principali, i modelli di prezzo e le differenze tra loro per aiutare a identificare la soluzione più adatta a diversi casi d'uso. Di seguito viene…

Benchmark

AIM-Text-to-SQL Benchmark: SQL Precisione 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 il SQL fornito come risposta attesa. Ogni modello raggiunge un diverso insieme di domande SQL perché la valutazione dipende dalle sue scelte di database.…

Benchmark

Benchmark di 90+ LLM in 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…

Valutazione in Mondo Aperto

LLM Orchestrazione: 22 Framework e Gateway

Ottimizzare l'orchestrazione LLM è fondamentale per migliorare le prestazioni mantenendo sotto controllo l'uso delle risorse. Per valutare come i diversi approcci di orchestrazione si comportano nella pratica, abbiamo eseguito un benchmark su: Scopri gli strumenti selezionati di orchestrazione LLM, inclusi framework per sviluppatori e gateway enterprise: L'orchestrazione LLM implica la gestione e l'integrazione di più…

Confronta i modelli GPT-5: ragionamento, velocità e costo

Esploriamo le differenze tra la famiglia di OpenAI GPT-5 (ad es., GPT-5, GPT-5-mini e GPT-5-nano) raccogliendo le prestazioni dei benchmark e i costi per eseguire i benchmark. Abbiamo utilizzato la famiglia GPT-5 nella nostra analisi. Abbiamo utilizzato sei benchmark in diverse aree, tra cui ragionamento, programmazione, rispetto delle istruzioni e matematica. La nostra analisi ha…

13 ott

LLM quota di mercato: confronta utilizzo e adozione

Abbiamo analizzato la quota di mercato degli LLM combinando dati basati sull'utilizzo e stime delle visite web per mostrare come la domanda di modelli linguistici di grandi dimensioni sia distribuita tra laboratori di intelligenza artificiale e applicazioni di intelligenza artificiale. Leggi la metodologia per vedere come abbiamo misurato e calcolato questi risultati. Gli Stati Uniti…

13 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:…