AIM LLM Index

AIM-Agentic-RAGRoteamento multibanco de dados e geração de consultas SQL em 5 bancos de dados (BIRD-SQL, 500 perguntas).

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-FinanceReasoningRaciocínio financeiro complexo de várias etapas em 238 perguntas difíceis do FinanceReasoning.

AIM-Text-to-SQLPrecisão na geração de consultas SQL a partir de linguagem natural em mais de 35 LLMs.

CritPtProblemas de fisica de nivel de pesquisa que exigem derivacoes em varias etapas.

FrontierMathProblemas de matemática de pesquisa inéditos, escritos por especialistas (níveis 1–4).

MMMU-ProCompreensao multimodal de nivel universitario entre disciplinas, endurecida contra atalhos apenas textuais.

SciCodeProgramação científica de nível de pesquisa em física, matemática, biologia e química (338 subproblemas)

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.

13 out. 2026

Google

Gemini 4 Argon

Novo modelo adicionado ao AIM LLM Index.

12 out. 2026

Muse Wonder

Novo modelo adicionado ao AIM LLM Index.

7 out. 2026

Anthropic

Claude Haiku 5.5

Novo modelo adicionado ao AIM LLM Index.

29 set. 2026

OpenAI

GPT-6.1 Sol

Novo modelo adicionado ao AIM LLM Index.

Cronologia de lançamentos de LLMO ritmo da inovação em IA

Explore Casos de uso, análises e benchmarks do LLM

Compare Models de IA Multimodais em Raciocínio Visual

Benchmark

15 out

Avaliamos 40 principais models de IA multimodais em raciocínio visual usando 200 perguntas baseadas em imagens. A avaliação consistiu em duas trilhas: 100 perguntas de compreensão de gráficos testando interpretação de visualização de dados, e 100 perguntas de lógica visual avaliando reconhecimento de padrões e raciocínio espacial. Veja nossa metodologia de benchmark para conhecer nossos…

Grandes Models Multimodais (LMMs) vs LLMs

Avalie LLMs e LMMs comparando suas pontuações de benchmark e latência real clicando no nome do model na tabela abaixo. Você também pode ponderar seus preços de entrada e saída para avaliar a eficiência e o valor geral. *Áudio é nativo somente nos models E2B, E4B e 12B. Disponível em cinco tamanhos: E2B, E4B, 12B,…

10+ 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…

Comparação de Recursos

Principais ferramentas de LLMOps e comparação com MLOps

As plataformas de LLMOps cuidam do lado operacional da execução de grandes modelos de linguagem: implantação, monitoramento, avaliação e gestão de custos. Examinamos as principais ferramentas de LLMOps, seus recursos principais, modelos de preços e como elas diferem entre si para ajudar a identificar a melhor opção para vários casos de uso. Um detalhamento de…

Benchmark

AIM-Text-to-SQL Benchmark: Precisão de SQL em mais de 70 LLMs

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 a resposta esperada. Cada modelo alcança um conjunto diferente de perguntas SQL porque a pontuação depende de suas escolhas de banco de…

Benchmark

Benchmark de 90+ LLMs em Finanças: Claude Opus 5.5 e Gemini 4 Argon

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. As 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…

Avaliação em Mundo Aberto

LLM Orquestração: 22 frameworks e gateways

Otimizar a orquestração de LLM é fundamental para melhorar o desempenho e, ao mesmo tempo, manter o uso de recursos sob controle. Para avaliar como diferentes abordagens de orquestração se comportam na prática, realizamos um benchmark de: Descubra ferramentas selecionadas de orquestração de LLM, incluindo frameworks para desenvolvedores e gateways empresariais: A orquestração de LLM…

Compare GPT-5 Models: Raciocínio, Velocidade e Custo

Exploramos as diferenças entre a OpenAI e a família GPT-5 (por exemplo, GPT-5, GPT-5-mini e GPT-5-nano) reunindo o desempenho dos benchmarks e os custos para executar os benchmarks. Utilizamos a família GPT-5 na nossa análise. Utilizamos seis benchmarks em várias áreas, incluindo raciocínio, programação, seguimento de instruções e matemática. A nossa análise revelou: Os três…

13 out

LLM Participação de Mercado: Compare Uso e Adoção

Analisamos a participação de mercado do LLM combinando dados baseados em uso e estimativas de visitas à web para mostrar como a demanda por large language models está distribuída entre laboratórios de IA e aplicações de IA. Leia a metodologia para ver como medimos e calculamos esses resultados. Os Estados Unidos dominaram as visitas à…

13 out

O Futuro dos Grandes Modelos de Linguagem

Veja o futuro dos grandes modelos de linguagem comparando abordagens, como autotreinamento, verificação de fatos e especialização esparsa, que podem resolver as limitações dos LLM. Os LLMs acessam fontes externas durante as conversas, em vez de depender dos dados de treinamento. O modelo consulta bancos de dados externos, recupera informações atuais e fornece citações. Limitação:…