Benchmarks de LLM
Um único Índice de Inteligência transparente que combina benchmarks públicos com as próprias avaliações agênticas, de RAG e de raciocínio empresarial da AIMultiple.
Classificação
Os modelos com maior pontuação em todos os benchmarks.
# | Modelo | Índice | LegalBench | FinanceReasoning | Text-to-SQL | Agentic RAG | ARC-AGI-2 | Agentic LLM Benchmark | FrontierMath | Swe-Bench |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 |  Claude Fable 5 Anthropic | 92 | 89 | 90 | 90 | 98 | - | 69 | - | - |
| 2 |  Kimi K3 Moonshot AI | 88 | 86 | 88 | 77 | 93 | - | 73 | - | - |
| 3 |  GPT-5.6 Sol OpenAI | 87 | 87 | 90 | 74 | 87 | 93 | 62 | - | - |
| 4 |  Grok 4.5 X | 86 | 86 | 88 | 79 | 83 | - | 73 | - | - |
| 5 | GPT-5.5 OpenAI | 83 | 87 | - | - | - | 85 | 59 | - | - |
| 6 | GPT-5.6 Terra OpenAI | 80 | 85 | 87 | 71 | 91 | 84 | 61 | - | - |
| 7 | GPT-5.6 Sol Pro OpenAI | 80 | - | 91 | 79 | 96 | - | 54 | - | - |
| 8 | Claude Opus 4.6 Anthropic | 78 | - | 88 | 68 | 80 | 69 | 72 | - | - |
| 9 |  Gemini 3 Pro Preview Google | 77 | 87 | 86 | 60 | 89 | 31 | - | - | - |
| 10 | Gemini 3.1 Pro Preview Google | 77 | 87 | 87 | 65 | 89 | 77 | 46 | 27 | - |
Página 1 de 7 | ||||||||||
Gráficos
Modelos seguindo "Melhor desempenho"
Como o índice é construído
O Índice de Inteligência normaliza cada benchmark em uma escala de 0 a 100 e calcula a média da posição relativa de um modelo nos benchmarks em que foi avaliado. Cada benchmark abaixo alimenta essa pontuação.
Atualizações recentes
Últimas alterações no Índice de Inteligência, na cobertura de modelos e na metodologia de benchmarks da AIMultiple.
Kimi K3
Novo modelo adicionado ao Índice de Inteligência da AIMultiple.
GPT-5.6 Sol
Novo modelo adicionado ao Índice de Inteligência da AIMultiple.
GPT-5.6 Terra
Novo modelo adicionado ao Índice de Inteligência da AIMultiple.
GPT-5.6 Sol Pro
Novo modelo adicionado ao Índice de Inteligência da AIMultiple.
Explore Casos de uso, análises e benchmarks do LLM
Comparar Modelos de IA Multimodais em Raciocínio Visual
Realizamos um benchmark de 15 modelos de IA multimodais líderes em raciocínio visual usando 200 perguntas baseadas em visão. A avaliação consistiu em duas faixas: 100 perguntas de compreensão de gráficos testando a interpretação de visualização de dados, e 100 perguntas de lógica visual avaliando o reconhecimento de padrões e raciocínio espacial. Cada pergunta foi…
LLM Participação de Mercado: Compare Uso e Adoção
Analisámos a participação de mercado dos LLMs combinando dados baseados em uso e estimativas de visitas web para mostrar como a procura por grandes modelos de linguagem está distribuída pelos laboratórios de IA e aplicações de IA: Leia a metodologia para ver como medimos e calculámos estes resultados. Os Estados Unidos dominaram as visitas web…
Principais Ferramentas LLMOps & Compará-las com MLOPs
As plataformas LLMOps gerenciam o lado operacional da execução de modelos de linguagem grandes: implantação, monitoramento, avaliação e gerenciamento de custos. Examinamos as principais ferramentas LLMOps, suas funcionalidades principais, modelos de preços e como elas diferem entre si para ajudar a identificar a melhor opção para vários casos de uso. Uma análise detalhada de cada…
Comparar 9 Grandes Modelos de Linguagem na Assistência Médica
Avaliamos 9 LLMs utilizando o conjunto de dados MedQA, um benchmark de exame clínico de nível de pós‑graduação derivado das questões do USMLE. Cada modelo respondeu aos mesmos cenários clínicos de múltipla escolha com um prompt padronizado, permitindo a comparação direta da precisão. Também registramos a latência por pergunta, dividindo o tempo total de execução…
LLM Parameters: GPT-5 High, Medium, Low and Minimal
Alguns LLMs, como a família GPT-5 da OpenAI, vêm em diferentes versões (por exemplo, GPT-5, GPT-5-mini e GPT-5-nano) e com várias configurações de parâmetros, incluindo alta, média, baixa e mínima. Abaixo, exploramos as diferenças entre essas versões de modelo reunindo seu desempenho em benchmarks e os custos para executá-los. Usamos a família GPT-5 em nossa…
LLM Orquestração: 22 Frameworks e Gateways
Otimizar a orquestração de LLM é fundamental para melhorar o desempenho mantendo o uso de recursos sob controle. Para avaliar como diferentes abordagens de orquestração se comportam na prática, fizemos benchmarks: Descubra ferramentas de orquestração de LLM selecionadas, incluindo frameworks para desenvolvedores e gateways empresariais: A orquestração de LLM envolve gerenciar e integrar múltiplos Modelos…
O Futuro dos Grandes Modelos de Linguagem
Veja o futuro dos grandes modelos de linguagem explorando abordagens promissoras, como autotreinamento, verificação de fatos e especialização esparsa, que poderiam resolver as limitações dos LLM. Comparação da taxa de sucesso dos LLM’s Claude Sonnet 4.6 liderou o benchmark com uma pontuação geral de 0.748, com as variantes base e thinking empatadas em três casas…
Modelos Multimodais Grandes (LMMs) vs LLMs
Avaliamos o desempenho de Modelos Multimodais Grandes (LMMs) em tarefas de raciocínio financeiro usando um dataset cuidadosamente selecionado. Analisando um subconjunto de amostras financeiras de alta qualidade, avaliamos as capacidades dos modelos em processar e raciocinar com dados multimodais no domínio financeiro. A seção de metodologia fornece insights detalhados sobre o dataset e o framework…
10+ Exemplos de Grandes Modelos de Linguagem
Reunimos benchmarks de código aberto para comparar os principais grandes modelos de linguagem proprietários e de código aberto. Escolha o seu caso de uso para encontrar o modelo certo. Você pode avaliar grandes modelos de linguagem examinando o seu desempenho em benchmarks e a latência no mundo real (disponível ao clicar no nome de cada…
Cloud 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…