Gemini 4 Argon aggiunto
Il modello più recente dell'AIM LLM Index è Gemini 4 Argon.
AIM LLM Index
v1.10Un unico indice trasparente che combina benchmark pubblici con le valutazioni agentiche, RAG e di ragionamento aziendale di AIMultiple. Come viene costruito l'indice
MODELLO MIGLIORE
Claude Opus 5.5
Indice 78
Miglior rapporto qualità-prezzo
GPT-6.1 Sol
$4.00 / 1M
Modello più veloce
DeepSeek V4 Flash 0731
0.34s TTFT
Costo vs prestazioni
Costo combinato rispetto all'Indice LLM
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 Sol OpenAI | 70 | 82 | 96 | 89 | 54 | 31 | 90 | 83 | 58 | 44 |
| 8 | Claude Opus 5 Anthropic | 68 | 85 | 82 | 90 | 64 | 29 | 73 | 84 | 56 | 49 |
| 9 |  Muse Wonder Meta | 68 | 86 | 95 | 92 | 56 | 28 | 71 | - | 60 | 52 |
| 10 | Muse Spark 1.3 Meta | 62 | 77 | 96 | 89 | 49 | 26 | 46 | 82 | 60 | 33 |
Pagina 1 di 3
Costo$8.00
Latenza1.84s
Contesto1M
TTFT1.84s
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
Latenza6.73s
Contesto524k
TTFT6.73s
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
Latenza3.29s
Contesto1M
TTFT3.29s
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
Latenza1.25s
Contesto1M
TTFT1.25s
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
Latenza2.12s
Contesto1M
TTFT2.12s
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
Latenza4.28s
Contesto1M
TTFT4.28s
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$4.00
Latenza3.30s
Contesto1M
TTFT3.30s
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$10.00
Latenza1.93s
Contesto1M
TTFT1.93s
AIM-Agentic-RAG
85
AIM-AI-Bias
82
AIM-FinanceReasoning
90
AIM-Text-to-SQL
64
CritPt
29
FrontierMath
73
MMMU-Pro
84
SciCode
56
Terminal-Bench 4.0
49
Costo$8.00
Latenza50.93s
Contesto1M
TTFT50.93s
AIM-Agentic-RAG
86
AIM-AI-Bias
95
AIM-FinanceReasoning
92
AIM-Text-to-SQL
56
CritPt
28
FrontierMath
71
SciCode
60
Terminal-Bench 4.0
52
Costo$2.00
Latenza68.37s
Contesto1M
TTFT68.37s
AIM-Agentic-RAG
77
AIM-AI-Bias
96
AIM-FinanceReasoning
89
AIM-Text-to-SQL
49
CritPt
26
FrontierMath
46
MMMU-Pro
82
SciCode
60
Terminal-Bench 4.0
33
Pagina 1 di 3
Evoluzione nel tempo
Indice LLM per data di rilascio del modello
Modello × Benchmark
Modelli migliori sui benchmark selezionati
Come viene costruito l'indice
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 5 database (BIRD-SQL, 500 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.Registro delle modifiche
57 aggiornamenti- v1.10
125 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 120.
- 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.
- v1.10
MMMU-Pro è stato aggiunto al calcolo dell'indice. Versione aggiornata a v1.10.
- v1.9
Claude Haiku 5.5 è entrato nell'AIM LLM Index.
- v1.9
Claude Haiku 5.5 è stato aggiunto al dataset.
- v1.9
AIM LLM Index: Per essere classificato, un modello ora deve avere anche un numero di risultati esterni vicino alla media. Versione aggiornata a v1.9.
- v1.8
14 modelli sono stati aggiunti al dataset: Claude Sonnet 4.6 (max), DeepSeek V4 Flash (Max), DeepSeek V4 Pro (Max), Gemma 4 31B, GPT-5.4 mini (xhigh) e altri 9.
Cronologia dei rilasci di LLMIl ritmo dell'innovazione nell'IA
Laboratori di IA
DeepSeek V4 Flash Vision Exp
21 agoDeepSeek V4.1 Flash
10 setDeepSeek V4.1 Flash 1017
17 ottMuse Spark 1.2 Contributor
21 agoMuse Spark 1.3 +1 altriMuse Spark 1.3Muse Spark 1.3 Contributor
02 setMuse Wonder
12 ottMuse Spark Open
15 ottGemini 3.8 Flash
02 setNano Banana 2.1
06 ottGemini 4 Argon
13 ottClaude Fable 5.1
01 setClaude Opus 5.5
22 setClaude Sonnet 5.5
28 setClaude Haiku 5.5
07 ottGPT-6 Astra
04 setGPT-6 Luna +1 altriGPT-6 LunaGPT-6 Sol
22 setGPT-6.1 Sol
29 set
Solar Mini 4
23 setSolar Decide
28 set
Qwen3.8 Flash
26 agoQwen3.8 Max (0902)
03 setQwen3.8 Omni Flash
21 setQwen3.8 Max Prime
23 set
GLM 5.3 Flash
26 agoGLM 5.3 FlashX
18 setGLM 5.3 Prime
23 set
Grok 4.7
21 set
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
- LLMApprofondimento1 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…
- LLMApprofondimento27 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…
- LLMApprofondimento19 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,…
- LLMBenchmark16 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…
- LLMBenchmark15 apr
LLM Quantizzazione: BF16 vs FP8 vs INT4
Abbiamo benchmarkato Qwen3-32B a 4 livelli di precisione (BF16, FP8, GPTQ-Int8, GPTQ-Int4) su una singola NVIDIA H100 80GB GPU. Ogni configurazione è stata valutata su 2 benchmark (~12,2K domande) che coprono conoscenza e generazione di codice, oltre a oltre 2.000 esecuzioni di inferenza per misurare il throughput. Int4 è 2,7x più veloce di BF16 pur…
Filtri