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

DeepSeek

DeepSeek V4 Flash Vision Exp

21 ago

DeepSeek V4.1 Flash

10 set

DeepSeek V4.1 Flash 1017

17 ott

Esplora Casi d'uso, analisi e benchmark di LLM

LLM benchmark di latenza per casi d'uso

13 ott

Qui puoi trovare i dettagli su come abbiamo misurato la latenza. Riportiamo separatamente i modelli reasoning e non-reasoning. I modelli reasoning trascorrono diversi secondi a pensare prima della prima risposta visibile, quindi confrontarli direttamente con i modelli non-reasoning in termini di latenza sarebbe fuorviante. Alcuni modelli cambiano anche comportamento a seconda dell'attività: GPT-5.2 risponde alle…

50+ Casi d'uso di ChatGPT con esempi reali

ChatGPT ha raggiunto circa 1 miliardo di utenti attivi settimanali all'inizio del 2026, circa il 10% della popolazione mondiale. OpenAI ha superato i $20 miliardi di fatturato annuo per il 2025, come confermato dalla CFO Sarah Friar. L'indice economico di Anthropic distingue due modalità d'uso: il potenziamento, in cui un essere umano interagisce con l'IA,…

6 ott

I modelli linguistici di grandi dimensioni nella cybersecurity

Abbiamo valutato 7 modelli linguistici di grandi dimensioni in 9 domini di cybersecurity utilizzando SecBench, un benchmark su larga scala e multi-formato per attività di sicurezza. Abbiamo testato ciascun modello su 44.823 domande a scelta multipla (MCQ) e 3.087 domande a risposta breve (SAQ), coprendo sicurezza dei dati, gestione delle identità e degli accessi, sicurezza…

Confronto delle Funzionalità

6 ott

LLM Prezzi: i migliori 15+ fornitori a confronto

Monitoriamo 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,…

30 set

IA gateway per OpenAI: alternative a OpenRouter

Abbiamo confrontato tramite benchmark OpenRouter, SambaNova, TogetherAI, Groq e IA/ML API su tre indicatori (latenza del primo token, latenza totale e numero di token in output), con 300 test che hanno utilizzato prompt brevi (circa 18 token) e prompt lunghi (circa 203 token) per la latenza totale. Se prevedi di utilizzare uno di questi IA…

Approfondimento

21 set

LLM Calcolatore VRAM per il self-hosting

Il self-hosting di un LLM significa eseguire l'inferenza su hardware controllato dall'operatore anziché tramite un'API di terze parti, il che cambia il profilo di costi, controllo dei dati e privacy. Il fatto che un modello possa girare dipende interamente dalla memoria. Il calcolatore stima la VRAM o la memoria unificata necessaria a un modello per…

18 set

IT agentico: gli agenti IA possono progettare un benchmark

Abbiamo testato 16 modelli sulla progettazione di un benchmark in text-to-SQL e tool calling. Ogni modello ha creato un benchmark per argomento, per un totale di 32 proposte. Nessuna proposta ha superato ogni criterio della rubrica. Gli agenti sono riusciti a creare ed eseguire test, ma nessuno ha dimostrato sia un test con risposta vuota…

17 set

AIM Enterprise: benchmark aziendale agentico

Le aziende usano gli LLM ogni giorno per le loro attività regolari. Per trovare gli LLM più convenienti, abbiamo progettato AIM Enterprise, un benchmark aziendale agentico, in cui abbiamo utilizzato 69 attività aziendali reali tra strategia, marketing, HR, vendite e operazioni. Due modelli giudici hanno valutato ogni file che ha superato i controlli. Nel 32,7%…

Approfondimento

15 set

LLM Leggi di scaling: analisi dei ricercatori di IA

Large language models prevedono il token successivo in base ai pattern appresi dai dati testuali. Il termine leggi di scaling degli LLM si riferisce a regolarità empiriche che collegano le prestazioni del model alla quantità di compute, ai dati di addestramento e ai parametri del model utilizzati durante l'addestramento. Per comprendere come queste relazioni influenzino…

Confronto delle Funzionalità

15 set

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…