GPT-6.1 Sol adicionado
O modelo mais recente do AIM LLM Index é GPT-6.1 Sol.
AIM LLM Index
Um único índice transparente que combina benchmarks públicos com as próprias avaliações agênticas, de RAG e de raciocínio empresarial da AIMultiple. Como o índice é construído
MELHOR MODELO
Claude Opus 5.5
Índice 78
Melhor custo-benefício
GPT-6.1 Sol
$4.00 / 1M
Mais rápido
Qwen3.8 27B
0.12s TTFT
AIM LLM Index
Classificação
Os modelos com maior pontuação em todos os benchmarks.
Filter & Sort
# | Modelo | Índice | 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 | 87 | 67 | 60 |
| 2 |  GPT-6 Astra OpenAI | 74 | 84 | 98 | 87 | 66 | 32 | 98 | 88 | 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 | GPT-6 Sol OpenAI | 70 | 82 | 97 | 89 | 54 | 31 | 90 | 83 | 58 | 44 |
| 7 | Claude Opus 5 Anthropic | 68 | 85 | 81 | 90 | 64 | 29 | 73 | 84 | 56 | 49 |
| 8 |  Gemini 3.7 Flash Google | 61 | 85 | 98 | 87 | 72 | 14 | 37 | 85 | 60 | 14 |
| 9 |  Grok 4.6 X | 60 | 80 | 95 | 90 | 64 | 20 | 32 | 81 | 56 | 21 |
| 10 |  Qwen3.8 Max Alibaba Cloud | 60 | 83 | 93 | 88 | 51 | 20 | 46 | 83 | 53 | 19 |
Página 1 de 3
Custo$8.00
Latência2.86s
Contexto1M
TTFT2.86s
AIM-Agentic-RAG
90
AIM-AI-Bias
94
AIM-FinanceReasoning
92
AIM-Text-to-SQL
88
CritPt
32
FrontierMath
95
MMMU-Pro
87
SciCode
67
Terminal-Bench 4.0
60
Custo$20.00
Latência5.79s
Contexto1M
TTFT5.79s
AIM-Agentic-RAG
84
AIM-AI-Bias
98
AIM-FinanceReasoning
87
AIM-Text-to-SQL
66
CritPt
32
FrontierMath
98
MMMU-Pro
88
SciCode
56
Terminal-Bench 4.0
60
Custo$4.00
Latência5.43s
Contexto1M
TTFT5.43s
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
Custo$4.00
Latência1.39s
Contexto1M
TTFT1.39s
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
Custo$20.00
Latência4.06s
Contexto1M
TTFT4.06s
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
Custo$4.00
Latência8.35s
Contexto1M
TTFT8.35s
AIM-Agentic-RAG
82
AIM-AI-Bias
97
AIM-FinanceReasoning
89
AIM-Text-to-SQL
54
CritPt
31
FrontierMath
90
MMMU-Pro
83
SciCode
58
Terminal-Bench 4.0
44
Custo$10.00
Latência2.69s
Contexto1M
TTFT2.69s
AIM-Agentic-RAG
85
AIM-AI-Bias
81
AIM-FinanceReasoning
90
AIM-Text-to-SQL
64
CritPt
29
FrontierMath
73
MMMU-Pro
84
SciCode
56
Terminal-Bench 4.0
49
Custo$0.75
Latência5.66s
Contexto1M
TTFT5.66s
AIM-Agentic-RAG
85
AIM-AI-Bias
98
AIM-FinanceReasoning
87
AIM-Text-to-SQL
72
CritPt
14
FrontierMath
37
MMMU-Pro
85
SciCode
60
Terminal-Bench 4.0
14
Custo$3.00
Latência4.59s
Contexto500k
TTFT4.59s
AIM-Agentic-RAG
80
AIM-AI-Bias
95
AIM-FinanceReasoning
90
AIM-Text-to-SQL
64
CritPt
20
FrontierMath
32
MMMU-Pro
81
SciCode
56
Terminal-Bench 4.0
21
Custo$3.00
Latência56.15s
Contexto1M
TTFT56.15s
AIM-Agentic-RAG
83
AIM-AI-Bias
93
AIM-FinanceReasoning
88
AIM-Text-to-SQL
51
CritPt
20
FrontierMath
46
MMMU-Pro
83
SciCode
53
Terminal-Bench 4.0
19
Página 1 de 3
Evolução ao longo do tempo
Índice LLM por data de lançamento do modelo
Custo vs desempenho
Custo combinado em relação ao Índice LLM
Modelo × Benchmark
Melhores modelos nos benchmarks selecionados
Como o índice é construído
A pontuação de um modelo no índice é a média dos seus resultados nos benchmarks abaixo. Pontuações que já estão numa escala de 0-100 são usadas como estão; as outras são reescaladas para 0-100. Um benchmark em falta para um modelo é excluído em vez de contar como zero, e todos os benchmarks têm o mesmo peso. Um modelo precisa de ser pontuado em pelo menos 2 benchmarks da AIMultiple para entrar na classificação.
Benchmarks que usamos
AIMultiple
AIM-Agentic-RAGRoteamento multibanco de dados e geração de consultas SQL em 5 bancos de dados (BIRD-SQL, 500 perguntas).AIMultiple
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 conditionAIMultiple
AIM-FinanceReasoningRaciocínio financeiro complexo de várias etapas em 238 perguntas difíceis do FinanceReasoning.AIMultiple
AIM-Text-to-SQLPrecisão na geração de consultas SQL a partir de linguagem natural em mais de 35 LLMs.Público
CritPtProblemas de fisica de nivel de pesquisa que exigem derivacoes em varias etapas.Público
FrontierMathProblemas de matemática de pesquisa inéditos, escritos por especialistas (níveis 1–4).Público
MMMU-ProCompreensao multimodal de nivel universitario entre disciplinas, endurecida contra atalhos apenas textuais.Público
SciCodeProgramação científica de nível de pesquisa em física, matemática, biologia e química (338 subproblemas)Público
Terminal-Bench 4.0A geracao atual do Terminal-Bench: tarefas agenticas de terminal pontuadas por taxa de resolucao.Atualizações recentes
Últimas alterações no AIM LLM Index, na cobertura de modelos e na metodologia de benchmarks da AIMultiple.
OpenAI
GPT-6.1 Sol
Novo modelo adicionado ao AIM LLM Index.
Anthropic
Claude Sonnet 5.5
Novo modelo adicionado ao AIM LLM Index.
Anthropic
Claude Opus 5.5
Novo modelo adicionado ao AIM LLM Index.
OpenAI
GPT-6 Sol
Novo modelo adicionado ao AIM LLM Index.
Cronologia de lançamentos de LLMO ritmo da inovação em IA
Laboratórios de IA
Claude Fable 5.1
01 setClaude Opus 5.5
22 setClaude Sonnet 5.5
28 setClaude Haiku 5.5
07 outGemini 3.7 Flash
13 agoGemini 3.8 Flash
02 setGemini 4 Argon
30 setNano Banana 2.1
06 outGPT-6 Astra
04 setGPT-6 Luna +1 maisGPT-6 LunaGPT-6 Sol
22 setGPT-6.1 Sol
29 set
Solar Mini 4
23 setSolar Decide
28 setQwen3.8 2.4T A95B
12 agoQwen3.8 27B
14 agoQwen3.8 Flash
26 agoQwen3.8 Max (0902)
03 setQwen3.8 Omni Flash
21 setQwen3.8 Max Prime
23 set
GLM 5.3
18 agoGLM 5.3 Flash
26 agoGLM 5.3 FlashX
18 setGLM 5.3 Prime
23 setGrok 4.6
12 agoGrok 4.7
21 set
MiMo-V2.6-Flash +2 maisMiMo-V2.6-FlashMiMo-V2.6-ProMiMo-V2.6-Pro-UltraSpeed
21 set
DeepSeek V4 Pro 0813
12 agoDeepSeek V4 Flash Vision Exp
21 agoDeepSeek V4.1 Flash
10 set
Muse Spark 1.2 Contributor
21 agoMuse Spark 1.3 +1 maisMuse Spark 1.3Muse Spark 1.3 Contributor
02 setExplore Casos de uso, análises e benchmarks do LLM
LLM
Comparação de Recursos
9 outCloud LLM vs Local LLMs: Exemplos & Benefícios
Os LLMs na nuvem, alimentados por modelos avançados como GPT-5.5 e Claude Opus 4.7, oferecem escalabilidade e acessibilidade. Por outro lado, os LLMs locais, impulsionados por modelos de código aberto como Llama 4, DeepSeek V4 e Qwen3.6-Plus, garantem maior privacidade e personalização. Explore o que são LLMs na nuvem, pontos fortes e fracos, estudos de…
LLM
Benchmark
9 outAIM-Text-to-SQL Benchmark: Precisão de SQL em mais de 60 LLMs
A precisão de SQL é a porcentagem de consultas pontuadas que retornam o resultado de referência. Rotas incorretas e referências sinalizadas como quebradas são excluídas. Uma consulta de referência é o SQL fornecido como resposta esperada. Cada modelo alcança um conjunto diferente de perguntas SQL porque a pontuação depende de suas escolhas de banco de…
LLM
Análise
9 outLLM Parâmetros: GPT-5 High, Médio, Baixo e Mínimo
Alguns LLMs, como a família GPT-5 da OpenAI, vêm em versões diferentes (por exemplo, GPT-5, GPT-5-mini e GPT-5-nano) e com várias configurações de parâmetros, incluindo alto, médio, baixo e mínimo. A seguir, exploramos as diferenças entre essas versões de models, reunindo o desempenho em benchmarks e os custos para executar os benchmarks. Usamos a família…
LLM
Análise
9 out10+ Exemplos de grandes modelos de linguagem
Reunimos benchmarks de código aberto para comparar os principais modelos de linguagem proprietários e de código aberto. Escolha seu caso de uso para encontrar o modelo certo. Você pode avaliar modelos de linguagem de grande porte analisando seu desempenho em benchmarks e a latência no mundo real (disponível ao clicar no nome de cada modelo…
LLM
Benchmark
9 outBenchmark de mais de 80 LLMs em Finanças: Claude Opus 5.5 & GPT-6 Astra
O conjunto de teste é o subconjunto difícil do benchmark FinanceReasoning (Tang et al.), com 238 perguntas. A precisão é a porcentagem de perguntas respondidas corretamente. Respostas numéricas recebem uma tolerância relativa de 0,2%. Os tokens de saída são os tokens gerados nas 238 respostas. Os tokens de entrada são contados separadamente no cálculo do…
LLM
Benchmark
7 outLLM Latência Benchmark por Casos de Uso
Você pode encontrar detalhes sobre como medimos a latência aqui. Relatamos os models de raciocínio e sem raciocínio separadamente. Os models de raciocínio passam vários segundos pensando antes da primeira resposta visível, portanto compará-los diretamente com models sem raciocínio em latência seria enganoso. Alguns models também mudam o comportamento por tarefa: GPT-5.2 responde a Q&A…
LLM
Benchmark
7 outCompare Modelos Multimodais de IA em Raciocínio Visual
Fizemos um benchmark de 15 modelos multimodais de IA líderes em raciocínio visual usando 200 questões de base visual. A avaliação consistiu em duas trilhas: 100 questões de compreensão de gráficos testando interpretação de visualização de dados e 100 questões de lógica visual avaliando reconhecimento de padrões e raciocínio espacial. Cada questão foi executada 5…
LLM
Análise
6 out50+ Casos de Uso do ChatGPT com Exemplos da Vida Real
O ChatGPT alcançou aproximadamente 1 bilhão de usuários ativos semanais no início de 2026, cerca de 10% da população mundial. A OpenAI ultrapassou US$ 20 bilhões em receita anual em 2025, confirmado pela CFO Sarah Friar. O Índice Econômico da Anthropic distingue dois modos de uso: aumento, em que um humano interage com a IA,…
LLM
Benchmark
6 outGrandes Modelos de Linguagem em Cibersegurança
Avaliamos 7 grandes modelos de linguagem em 9 domínios de cibersegurança usando o SecBench, um benchmark de grande escala e multiformato para tarefas de segurança. Testamos cada modelo em 44.823 perguntas de múltipla escolha (MCQs) e 3.087 perguntas de resposta curta (SAQs), abrangendo segurança de dados, gerenciamento de identidade e acesso, segurança de rede, gerenciamento…
LLM
Comparação de Recursos
6 outLLM Preços: Top 15+ Provedores Comparados
Acompanhamos os preços de lançamento de mais de 160 LLMs, do GPT-3.5 Turbo em março de 2023 aos lançamentos mais recentes, agrupados por classe de tamanho. Também comparamos os preços de API dos models atuais com seus resultados de benchmark e analisamos os planos de assinatura dos principais provedores. Os preços são por milhão de…