Testamos 131 modelos em 44 benchmarks quanto a taxa de sucesso, latência e custo por tarefa.
Cada ponto é um modelo. A linha tracejada une os modelos que nenhum outro supera ao mesmo tempo em custo e pontuação.
# | Modelo | Licença | Pontuação AIM | Entrada $/1M | Saída $/1M | Custo por tarefa | TTFT | Contexto | |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5Anthropic | Proprietário | 78 | $4,00 | $20,00 | $2,03 | 3,15 s | 1M | |
| 2 | GPT-6 AstraOpenAI | Proprietário | 74 | $10,00 | $50,00 | $1,42 | 3,90 s | 1,1M | |
| 3 | GPT-6.1 SolOpenAI | Proprietário | 74 | $2,00 | $10,00 | $0,27 | 3,50 s | 1,1M | |
| 4 | Claude Sonnet 5.5Anthropic | Proprietário | 74 | $2,00 | $10,00 | $2,13 | 1,27 s | 1M | |
| 5 | Claude Fable 5.1Anthropic | Proprietário | 74 | $10,00 | $50,00 | $3,76 | 3,33 s | 1M | |
| 6 | Gemini 4 ArgonGoogle | Proprietário | 73 | $2,00 | $10,00 | $1,23 | 4,98 s | 1M | |
| 7 | GPT-6.1 TerraOpenAI | Proprietário | 71 | $1,00 | $5,00 | $0,23 | 2,02 s | 1,1M | |
| 8 | Muse WonderMeta | Proprietário | 70 | $4,00 | $20,00 | $2,02 | 35,22 s | 1M | |
| 9 | GPT-6 SolOpenAI | Proprietário | 70 | $2,00 | $10,00 | $0,56 | 2,46 s | 1,1M | |
| 10 | Kimi K3.1 ProMoonshot AI | Pesos abertos | 69 | $2,00 | $10,00 | $0,77 | 49,60 s | 1M |
Benchmarks executados internamente pela AIMultiple, junto a resultados públicos divulgados por fornecedores ou classificações de terceiros. O melhor resultado de cada coluna é destacado.
Modelo | Pontuação AIM | AIM-Agentic-RAG | AIM-FinanceReasoning | AIM-Text-to-SQL | AIM-AI-Bias | CritPt | GPQA Diamond | Humanity's Last Exam | SciCode |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 5.5 | 78 | 90 | 92 | 88 | 94 | 32 | - | 61 | 67 |
| GPT-6 Astra | 74 | 84 | 87 | 66 | 98 | 32 | 96 | 55 | 56 |
| GPT-6.1 Sol | 74 | 81 | 90 | 65 | 98 | 32 | - | 53 | 56 |
| Claude Sonnet 5.5 | 74 | 85 | 89 | 74 | 93 | 31 | - | 55 | 61 |
| Claude Fable 5.1 | 74 | 84 | 90 | 67 | 98 | 31 | 94 | 59 | 63 |
| Gemini 4 Argon | 73 | 94 | 91 | 79 | 98 | 27 | - | 57 | 62 |
| GPT-6.1 Terra | 71 | 84 | 87 | 57 | 95 | 28 | - | 46 | 55 |
| Muse Wonder | 70 | 86 | 92 | 56 | 95 | 28 | - | 50 | 60 |
| GPT-6 Sol | 70 | 82 | 89 | 54 | 96 | 31 | - | 48 | 58 |
| Kimi K3.1 Pro | 69 | 85 | 90 | 52 | 91 | 25 | - | 52 | 61 |
Deslize para o lado para ver todos os benchmarks
Os modelos são classificados pelo AIM LLM Index, uma média ponderada dos benchmarks da AIMultiple e de benchmarks públicos de programação, raciocínio, finanças e tarefas de agentes. Os preços são o menor preço de tabela de API entre os fornecedores. O custo por tarefa vem dos tokens ou custos publicados de cada benchmark; a visualização padrão faz a média nos benchmarks em que o modelo tem custo.
Ler a metodologia completaTarefas avaliadas à mão em programação, raciocínio, finanças e fluxos de agentes, executadas de novo quando saem novos modelos.
Explorar o AIM LLM Index