Benchmark LLM
Un unico Indice di Intelligenza trasparente che combina benchmark pubblici con le valutazioni agentiche, RAG e di ragionamento aziendale di AIMultiple.
Classifica
I modelli con il punteggio più alto in tutti i benchmark.
# | Modello | Indice | LegalBench | FinanceReasoning | Text-to-SQL | Agentic RAG | ARC-AGI-2 | Agentic LLM Benchmark | FrontierMath | Swe-Bench |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 |  Claude Fable 5 Anthropic | 92 | 89 | 90 | 90 | 98 | - | 69 | - | - |
| 2 |  Kimi K3 Moonshot AI | 88 | 86 | 88 | 77 | 93 | - | 73 | - | - |
| 3 |  GPT-5.6 Sol OpenAI | 87 | 87 | 90 | 74 | 87 | 93 | 62 | - | - |
| 4 |  Grok 4.5 X | 86 | 86 | 88 | 79 | 83 | - | 73 | - | - |
| 5 | GPT-5.5 OpenAI | 83 | 87 | - | - | - | 85 | 59 | - | - |
| 6 | GPT-5.6 Terra OpenAI | 80 | 85 | 87 | 71 | 91 | 84 | 61 | - | - |
| 7 | GPT-5.6 Sol Pro OpenAI | 80 | - | 91 | 79 | 96 | - | 54 | - | - |
| 8 | Claude Opus 4.6 Anthropic | 78 | - | 88 | 68 | 80 | 69 | 72 | - | - |
| 9 |  Gemini 3 Pro Preview Google | 77 | 87 | 86 | 60 | 89 | 31 | - | - | - |
| 10 | Gemini 3.1 Pro Preview Google | 77 | 87 | 87 | 65 | 89 | 77 | 46 | 27 | - |
Pagina 1 di 7 | ||||||||||
Grafici
Modelli secondo "Migliori prestazioni"
Come viene costruito l'indice
L'Indice di Intelligenza normalizza ogni benchmark su una scala da 0 a 100 e calcola la media della posizione relativa di un modello sui benchmark su cui è stato valutato. Ogni benchmark qui sotto contribuisce a quel punteggio.
Aggiornamenti recenti
Ultime modifiche all'Indice di Intelligenza, alla copertura dei modelli e alla metodologia di benchmark di AIMultiple.
Kimi K3
Nuovo modello aggiunto all'Indice di Intelligenza AIMultiple.
GPT-5.6 Sol
Nuovo modello aggiunto all'Indice di Intelligenza AIMultiple.
GPT-5.6 Terra
Nuovo modello aggiunto all'Indice di Intelligenza AIMultiple.
GPT-5.6 Sol Pro
Nuovo modello aggiunto all'Indice di Intelligenza AIMultiple.
Esplora Casi d'uso, analisi e benchmark di LLM
Confronta i Modelli IA Multimodali sul Ragionamento Visivo
Abbiamo sottoposto a benchmark 15 modelli IA multimodali leader sul ragionamento visivo utilizzando 200 domande basate su elementi visivi. La valutazione consisteva in due tracce: 100 domande di comprensione di grafici per testare l'interpretazione della visualizzazione dei dati, e 100 domande di logica visiva per valutare il riconoscimento di pattern e il ragionamento spaziale. Ogni…
LLM Quota di mercato: Confronto su utilizzo e adozione
Abbiamo analizzato la quota di mercato LLM combinando dati basati sull'utilizzo e stime delle visite web per mostrare come la domanda di grandi modelli linguistici sia distribuita tra i laboratori IA e le applicazioni IA: Leggi la metodologia per vedere come abbiamo misurato e calcolato questi risultati. Gli Stati Uniti hanno dominato le visite web…
Top LLMOps Tools & Confrontali con MLOPs
Le piattaforme LLMOps gestiscono l'aspetto operativo dell'esecuzione di grandi modelli linguistici: distribuzione, monitoraggio, valutazione e gestione dei costi. Abbiamo esaminato i migliori strumenti LLMOps, le loro funzionalità principali, i modelli di prezzo e le differenze reciproche per aiutare a identificare la soluzione migliore per vari casi d'uso. Di seguito è fornito un riepilogo di ciascuna…
Confronto tra 9 Large Language Models in ambito sanitario
Abbiamo sottoposto a benchmark 9 LLM utilizzando il dataset MedQA, un benchmark di esami clinici a livello universitario derivato dalle domande USMLE. Ogni modello ha risposto agli stessi scenari clinici a scelta multipla utilizzando un prompt standardizzato, consentendo un confronto diretto dell'accuratezza. Abbiamo anche registrato la latenza per domanda dividendo il tempo di esecuzione totale…
LLM Parameters: GPT-5 High, Medium, Low and Minimal
Alcuni LLM, come la famiglia GPT-5 di OpenAI, sono disponibili in diverse versioni (ad esempio, GPT-5, GPT-5-mini e GPT-5-nano) e con varie impostazioni dei parametri, tra cui alto, medio, basso e minimo. Di seguito, esploriamo le differenze tra queste versioni del modello raccogliendo le loro prestazioni sui benchmark e i costi per eseguire i benchmark.…
LLM Orchestrazione: I primi 22 framework e gateway
Ottimizzare l'orchestrazione LLM è fondamentale per migliorare le prestazioni mantenendo sotto controllo l'utilizzo delle risorse. Per valutare le prestazioni pratiche di diversi approcci di orchestrazione, abbiamo eseguito benchmark su: Scopri strumenti selezionati di orchestrazione LLM, inclusi framework per sviluppatori e gateway aziendali: L'orchestrazione LLM comporta la gestione e l'integrazione di più Large Language Models (LLMs)…
Il futuro dei grandi modelli linguistici
Vedi il futuro dei grandi modelli linguistici approfondendo approcci promettenti, come l'auto-addestramento, la verifica dei fatti e l'expertise sparsa che potrebbero affrontare le limitazioni degli LLM. Confronto dei tassi di successo degli LLM Claude Sonnet 4.6 ha guidato il benchmark con un punteggio complessivo di 0.748, con le varianti base e thinking a pari merito…
Modelli Multimodali di Grandi Dimensioni (LMM) vs LLM
Abbiamo valutato le prestazioni dei modelli multimodali di grandi dimensioni (LMM) in compiti di ragionamento finanziario utilizzando un dataset accuratamente selezionato. Analizzando un sottoinsieme di campioni finanziari di alta qualità, valutiamo le capacità dei modelli nell'elaborare e ragionare con dati multimodali nel dominio finanziario. La sezione sulla metodologia fornisce approfondimenti dettagliati sul dataset e sul…
10+ Esempi di grandi modelli linguistici
Abbiamo raccolto benchmark open-source per confrontare i principali modelli linguistici di grandi dimensioni proprietari e open-source. Scegli il tuo caso d'uso per trovare il modello giusto. Puoi valutare i grandi modelli linguistici esaminando le loro prestazioni nei benchmark e la latenza reale (disponibile cliccando sul nome di ciascun modello nella tabella) e rivedendo i prezzi…
Cloud LLM vs Local LLMs: Esempi & Vantaggi
Cloud LLMs, potenziati da modelli avanzati come GPT-5.5 e Claude Opus 4.7, offrono scalabilità e accessibilità. Al contrario, Local LLMs, guidati da modelli open source come Llama 4, DeepSeek V4 e Qwen3.6-Plus, assicurano maggiore privacy e personalizzazione. Esplora cosa sono i cloud LLMs, i loro punti di forza e debolezze, i casi di studio più…