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

HALC-Bench: Allucinazione degli LLM nel benchmark di recupero a contesto lungo

Benchmark

15 set

HALC-Bench (Allucinazione degli LLM nel benchmark di recupero a contesto lungo) misura la resistenza di un modello linguistico di grandi dimensioni a fabbricare prove per una metrica che non esiste nel documento di destinazione, utilizzando 3 pagliai posizionati all'inizio, al centro e alla fine della finestra di contesto del modello, con 204 domande. claude-fable-5 ha…

LLM Strumenti di osservabilità: Weights & Biases, Langsmith

Le applicazioni LLM si sono espanse da chat a turno singolo ad agenti multi-step che usano strumenti, interrogano database e si coordinano con altri model, rendendo il loro comportamento più difficile da interpretare. L'osservabilità LLM fornisce visibilità continua su questi flussi di lavoro complessi, aiutando le organizzazioni a monitorare la qualità, rilevare i guasti, risolvere…

Approfondimento

1 set

LLM Guida al Fine-Tuning per le Aziende

Segui i link per le soluzioni specifiche ai tuoi problemi di output LLM. Se il tuo LLM: L'adozione diffusa dei modelli linguistici di grandi dimensioni (LLMs) ha migliorato la nostra capacità di elaborare il linguaggio umano. Tuttavia, il loro addestramento generico spesso si traduce in prestazioni subottimali per compiti specifici. Per superare questa limitazione, vengono…

Approfondimento

27 ago

LLM Automazione: I 7 migliori strumenti e 8 casi di studio

LLM l'automazione si riferisce al passaggio a strumenti di automazione intelligente che sfruttano gli LLM, inclusi agenti IA, LLM sottoposti a fine-tuning e modelli RAG per automatizzare e coordinare le attività. Scopri cos'è l'automazione LLM, le sue principali applicazioni reali e i principali strumenti: I modelli linguistici di grandi dimensioni nell'automazione sono un approccio sistematico…

Approfondimento

19 ago

ChatGPT per il Servizio Clienti: I 10 Migliori Casi d'Uso

ChatGPT è passato dall'essere una novità a un'infrastruttura nel servizio clienti. Le aziende lo utilizzano per ridurre i tempi di risposta, gestire il volume che i loro team non riescono ad assorbire e ridurre il costo delle interazioni di routine. Ma i risultati variano notevolmente a seconda di come viene implementato. OpenAI ha lanciato GPT-5.6,…

Benchmark

16 ago

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

Abbiamo monitorato 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 consumata dal model (parametri attivi, calcolo di addestramento e prezzo di inference). Per calcolare la densità di intelligenza, abbiamo eseguito i seguenti passaggi: Vedi…