O modelo mais recente do AIM LLM Index é GPT-6.2 Astra.
AIM LLM Index
v1.11Um único índice transparente que combina 5 benchmarks públicos com as 4 avaliações agênticas, de RAG e de raciocínio empresarial da AIMultiple. Consulte AIM LLM Index Methodology para mais detalhes.
| Nome | Série | Custo por tarefa ($, escala logarítmica) | Índice LLM |
|---|---|---|---|
| Gemini 4 Carbon | 0.0402 | 85 | |
| Gemini 4 Argon | 0.0459 | 73 | |
| Gemini 3.8 Flash | 0.013 | 58 | |
| GPT-6.2 Astra | OpenAI | 0.0794 | 83 |
| GPT-6 Astra | OpenAI | 0.455 | 73 |
| GPT-6.1 Sol | OpenAI | 0.0225 | 73 |
| GPT-6.1 Terra | OpenAI | 0.0132 | 69 |
| GPT-6 Sol | OpenAI | 0.0314 | 69 |
| GPT-6 Luna | OpenAI | 0.0017 | 57 |
| Claude Fable 5.2 | Anthropic | 0.1452 | 77 |
| Claude Opus 5.5 | Anthropic | 0.1148 | 76 |
| Claude Fable 5.1 | Anthropic | 0.3895 | 72 |
| Claude Sonnet 5.5 | Anthropic | 0.0386 | 72 |
| Claude Haiku 5.5 | Anthropic | 0.0025 | 56 |
| Muse Wonder | Meta | 0.1107 | 68 |
| Muse Spark 1.3 | Meta | 0.04 | 61 |
| Muse Spark Open | Meta | 0.0493 | 53 |
| Kimi K3.1 Pro | Moonshot AI | 0.0438 | 67 |
| MiMo-V2.6-Pro | Xiaomi | 0.008 | 58 |
| MiniMax M3.1 Flash | MiniMax | 0.0045 | 56 |
| Grok 4.7 | X | 0.0659 | 56 |
| Qwen3.8 Flash | Alibaba Cloud | 0.005 | 56 |
| Qwen3.8 Max (0902) | Alibaba Cloud | 0.0526 | 55 |
| DeepSeek V4.1 Flash 1017 | DeepSeek | 0.0023 | 56 |
| DeepSeek V4.1 Flash | DeepSeek | 0.003 | 52 |
| GLM 5.3 Flash | Z AI | 0.0014 | 53 |
| Nome | AIM LLM Index |
|---|---|
| Gemini 4 Carbon | 85 |
| GPT-6.2 Astra | 83 |
| Claude Fable 5.2 | 77 |
| Claude Opus 5.5 | 76 |
| GPT-6 Astra | 73 |
| Gemini 4 Argon | 73 |
| GPT-6.1 Sol | 73 |
| Claude Fable 5.1 | 72 |
| Claude Sonnet 5.5 | 72 |
| GPT-6.1 Terra | 69 |
| GPT-6 Sol | 69 |
| Muse Wonder | 68 |
| Kimi K3.1 Pro | 67 |
| MiMo-V2.6-Pro | 58 |
| GPT-6 Luna | 57 |
| MiniMax M3.1 Flash | 56 |
| Grok 4.7 | 56 |
| DeepSeek V4.1 Flash 1017 | 56 |
| Claude Haiku 5.5 | 56 |
| Muse Spark Open | 53 |
Classificação
Os modelos com maior pontuação em todos os benchmarks.
# | Modelo | Índice | AIM-Agentic-RAG | AIM-AI-Bias | AIM-FinanceReasoning | AIM-Text-to-SQL | CritPt | FrontierMath | MMMU-Pro | SciCode | Terminal-Bench 4.0 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Gemini 4 Carbon Google | 85 | 92 | - | 90 | 78 | - | 95 | 89 | - | 65 |
| 2 | GPT-6.2 Astra OpenAI | 83 | 86 | 88 | 88 | 68 | - | 100 | 89 | - | 64 |
| 3 | Claude Fable 5.2 Anthropic | 77 | 97 | 74 | 92 | 86 | 36 | 100 | - | 68 | 62 |
| 4 | Claude Opus 5.5 Anthropic | 76 | 90 | 78 | 92 | 88 | 32 | 95 | 88 | 67 | 60 |
| 5 | GPT-6 Astra OpenAI | 73 | 84 | 91 | 87 | 66 | 32 | 98 | 87 | 56 | 60 |
| 6 | Gemini 4 Argon Google | 73 | 94 | 84 | 91 | 79 | 27 | 78 | 88 | 62 | 57 |
| 7 | GPT-6.1 Sol OpenAI | 73 | 81 | 93 | 90 | 65 | 32 | 100 | 86 | 56 | 56 |
| 8 | Claude Fable 5.1 Anthropic | 72 | 84 | 85 | 90 | 67 | 31 | 88 | 86 | 63 | 55 |
| 9 | Claude Sonnet 5.5 Anthropic | 72 | 85 | 74 | 89 | 74 | 31 | 80 | 86 | 61 | 64 |
| 10 | GPT-6.1 Terra OpenAI | 69 | 84 | 82 | 87 | 57 | 28 | 93 | 85 | 55 | 56 |
| Nome | Série | Data de lançamento do modelo | Índice LLM | Lançamento |
|---|---|---|---|---|
| Claude Opus 4.8 | Anthropic | 2026-05-27 | 59 | 27 mai. 2026 |
| Claude Fable 5 | Anthropic | 2026-06-09 | 68 | 9 jun. 2026 |
| Claude Fable 5.1 | Anthropic | 2026-09-01 | 72 | 1 set. 2026 |
| Claude Opus 5.5 | Anthropic | 2026-09-22 | 76 | 22 set. 2026 |
| Claude Fable 5.2 | Anthropic | 2026-11-09 | 77 | 9 nov. 2026 |
| Gemini 3.6 Flash | 2026-07-21 | 53 | 21 jul. 2026 | |
| Gemini 3.7 Flash | 2026-08-13 | 60 | 13 ago. 2026 | |
| Gemini 4 Argon | 2026-10-13 | 73 | 13 out. 2026 | |
| Gemini 4 Carbon | 2026-11-10 | 85 | 10 nov. 2026 | |
| DeepSeek V4 Flash 0731 | DeepSeek | 2026-07-31 | 48 | 31 jul. 2026 |
| DeepSeek V4 Pro 0813 | DeepSeek | 2026-08-12 | 49 | 12 ago. 2026 |
| DeepSeek V4.1 Flash | DeepSeek | 2026-09-10 | 52 | 10 set. 2026 |
| DeepSeek V4.1 Flash 1017 | DeepSeek | 2026-10-17 | 56 | 17 out. 2026 |
| Muse Spark 1.1 | Meta | 2026-07-16 | 55 | 16 jul. 2026 |
| Muse Spark 1.2 | Meta | 2026-08-05 | 57 | 5 ago. 2026 |
| Muse Spark 1.3 | Meta | 2026-09-02 | 61 | 2 set. 2026 |
| Muse Wonder | Meta | 2026-10-12 | 68 | 12 out. 2026 |
| GPT-5.6 Sol | OpenAI | 2026-07-09 | 67 | 9 jul. 2026 |
| GPT-6 Astra | OpenAI | 2026-09-04 | 73 | 4 set. 2026 |
| GPT-6.2 Astra | OpenAI | 2026-11-17 | 83 | 17 nov. 2026 |
| Kimi K3 | Moonshot AI | 2026-07-16 | 57 | 16 jul. 2026 |
| Kimi K3.1 Pro | Moonshot AI | 2026-10-23 | 67 | 23 out. 2026 |
| MiniMax M3 | MiniMax | 2026-05-31 | 40 | 31 mai. 2026 |
| MiniMax M3.1 Flash | MiniMax | 2026-10-19 | 56 | 19 out. 2026 |
| Grok 4.5 | X | 2026-07-08 | 54 | 8 jul. 2026 |
| Grok 4.6 | X | 2026-08-12 | 59 | 12 ago. 2026 |
| Qwen3.7 Plus | Alibaba Cloud | 2026-06-03 | 43 | 3 jun. 2026 |
| Qwen3.8 Max | Alibaba Cloud | 2026-08-03 | 58 | 3 ago. 2026 |
| GLM 5.2 | Z AI | 2026-06-16 | 49 | 16 jun. 2026 |
| GLM 5.3 | Z AI | 2026-08-18 | 57 | 18 ago. 2026 |
| Model | Benchmark | Pontuação |
|---|---|---|
| GPT-6.2 Astra | AIM-Agentic-RAG | 86 |
| GPT-6.2 Astra | AIM-FinanceReasoning | 88 |
| GPT-6.2 Astra | AIM-Text-to-SQL | 68 |
| GPT-6.2 Astra | Terminal-Bench 4.0 | 64 |
| GPT-6.2 Astra | AIM-AI-Bias | 88 |
| Claude Fable 5.2 | AIM-Agentic-RAG | 97 |
| Claude Fable 5.2 | AIM-FinanceReasoning | 92 |
| Claude Fable 5.2 | AIM-Text-to-SQL | 86 |
| Claude Fable 5.2 | Terminal-Bench 4.0 | 62 |
| Claude Fable 5.2 | AIM-AI-Bias | 74 |
| Claude Opus 5.5 | AIM-Agentic-RAG | 90 |
| Claude Opus 5.5 | AIM-FinanceReasoning | 92 |
| Claude Opus 5.5 | AIM-Text-to-SQL | 88 |
| Claude Opus 5.5 | Terminal-Bench 4.0 | 60 |
| Claude Opus 5.5 | AIM-AI-Bias | 78 |
| GPT-6 Astra | AIM-Agentic-RAG | 84 |
| GPT-6 Astra | AIM-FinanceReasoning | 87 |
| GPT-6 Astra | AIM-Text-to-SQL | 66 |
| GPT-6 Astra | Terminal-Bench 4.0 | 60 |
| GPT-6 Astra | AIM-AI-Bias | 91 |
| Gemini 4 Argon | AIM-Agentic-RAG | 94 |
| Gemini 4 Argon | AIM-FinanceReasoning | 91 |
| Gemini 4 Argon | AIM-Text-to-SQL | 79 |
| Gemini 4 Argon | Terminal-Bench 4.0 | 57 |
| Gemini 4 Argon | AIM-AI-Bias | 84 |
| Nome | Série | Custo combinado ($ / 1M de tokens, escala logarítmica) | Índice LLM | Release |
|---|---|---|---|---|
| Gemini 4 Carbon | 2 | 85 | 2026-11-10 | |
| Gemini 4 Argon | 4 | 73 | 2026-10-13 | |
| Gemini 3.8 Flash | 0.75 | 58 | 2026-09-02 | |
| GPT-6.2 Astra | OpenAI | 16 | 83 | 2026-11-17 |
| GPT-6 Astra | OpenAI | 20 | 73 | 2026-09-04 |
| GPT-6.1 Sol | OpenAI | 4 | 73 | 2026-09-29 |
| GPT-6.1 Terra | OpenAI | 2 | 69 | 2026-10-26 |
| GPT-6 Sol | OpenAI | 4 | 69 | 2026-09-22 |
| GPT-6 Luna | OpenAI | 0.2 | 57 | 2026-09-22 |
| Claude Fable 5.2 | Anthropic | 16 | 77 | 2026-11-09 |
| Claude Opus 5.5 | Anthropic | 8 | 76 | 2026-09-22 |
| Claude Fable 5.1 | Anthropic | 20 | 72 | 2026-09-01 |
| Claude Sonnet 5.5 | Anthropic | 4 | 72 | 2026-09-28 |
| Claude Haiku 5.5 | Anthropic | 0.2 | 56 | 2026-10-07 |
| Muse Wonder | Meta | 8 | 68 | 2026-10-12 |
| Muse Spark 1.3 | Meta | 2 | 61 | 2026-09-02 |
| Muse Spark Open | Meta | 2 | 53 | 2026-10-15 |
| Kimi K3.1 Pro | Moonshot AI | 3.8 | 67 | 2026-10-23 |
| MiMo-V2.6-Pro | Xiaomi | 0.49 | 58 | 2026-09-21 |
| MiniMax M3.1 Flash | MiniMax | 0.24 | 56 | 2026-10-19 |
| Grok 4.7 | X | 3 | 56 | 2026-09-21 |
| Qwen3.8 Flash | Alibaba Cloud | 0.23 | 56 | 2026-08-26 |
| Qwen3.8 Max (0902) | Alibaba Cloud | 3 | 55 | 2026-09-03 |
| DeepSeek V4.1 Flash 1017 | DeepSeek | 0.15 | 56 | 2026-10-17 |
| DeepSeek V4.1 Flash | DeepSeek | 0.21 | 52 | 2026-09-10 |
| GLM 5.3 Flash | Z AI | 0.09 | 53 | 2026-08-26 |
Perguntas frequentes
AIM LLM Index Methodology
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. Os resultados do MMMU-Pro vêm de 2 fontes distintas.
Benchmarks que usamos
Resultados brutos de 2.5 mil pontos de dados dos benchmarks da AIMultiple em que este índice se baseia. Baixe-os como um arquivo ZIP contendo 4 arquivos CSV e um README.
Quer os dados granulares por trás disso? Assine o Premium
Registro de alterações
70 atualizações- v1.11
119 modelos foram adicionados ao conjunto de dados: Claude 3 Haiku, Claude Opus 4.7 (max), Command A, DeepSeek R1 (Jan), DeepSeek R1 0528 Qwen3 8B e mais 114.
- v1.11
2 modelos entraram no AIM LLM Index: GPT-6.2 Astra, GPT-6.2 Sol.
- v1.11
2 modelos foram adicionados ao conjunto de dados: GPT-6.2 Astra, GPT-6.2 Sol.
- v1.11
AIM-AI-Bias foi adicionado ao cálculo do índice. Versão atualizada para v1.11.
- v1.10
2 modelos entraram no AIM LLM Index: Gemini 4 Hydrogen, Qwen4 Max.
- v1.10
3 modelos foram adicionados ao conjunto de dados: Gemini 4 Hydrogen, Hy4, Qwen4 Max.
- v1.10
Gemini 4 Carbon entrou no AIM LLM Index.
- v1.10
Gemini 4 Carbon foi adicionado ao conjunto de dados.
- v1.10
2 modelos entraram no AIM LLM Index: Claude Fable 5.2, Muse Ember.
- v1.10
2 modelos foram adicionados ao conjunto de dados: Claude Fable 5.2, Muse Ember.
Explore Casos de uso, análises e benchmarks do LLM
- LLMBenchmark15 set
Simulação de audiência: os LLMs conseguem prever o comportamento humano?
No marketing, avaliar com que precisão os LLMs preveem o comportamento humano é crucial para avaliar sua eficácia em antecipar as necessidades do público e reconhecer os riscos de desalinhamento, comunicação ineficaz ou influência não intencional. A simulação de audiência com LLMs permite a modelagem de públicos virtuais, ajudando as organizações a antecipar reações a…
- LLMAnálise1 set
LLM Guia de Fine-Tuning para Empresas
Siga os links para obter soluções específicas para os desafios de saída do seu LLM. Se o seu LLM: A adoção generalizada dos large language models (LLMs) melhorou nossa capacidade de processar a linguagem humana. No entanto, o treinamento genérico deles geralmente resulta em desempenho abaixo do ideal para tarefas específicas. Para superar essa limitação,…
- LLMAnálise27 ago
LLM Automação: 7 Principais Ferramentas e 8 Estudos de Caso
LLM automação refere-se à transição para ferramentas de automação inteligentes que utilizam LLMs, incluindo agentes de IA, LLMs fine-tuned e modelos RAG para automatizar e coordenar tarefas. Explore o que é a automação de LLM, suas principais aplicações reais e as principais ferramentas: Grandes modelos de linguagem na automação são uma abordagem sistemática que combina…
- LLMAnálise19 ago
ChatGPT para Atendimento ao Cliente: 10 Principais Casos de Uso
O ChatGPT deixou de ser novidade e se tornou infraestrutura no atendimento ao cliente. As empresas o utilizam para reduzir tempos de resposta, lidar com o volume que suas equipes não conseguem absorver e diminuir o custo das interações rotineiras. Mas os resultados variam bastante dependendo de como é implementado. OpenAI lançou o GPT-5.6, um…
- LLMBenchmark15 abr
LLM Quantização: BF16 vs FP8 vs INT4
Realizamos o benchmark do Qwen3-32B em 4 níveis de precisão (BF16, FP8, GPTQ-Int8, GPTQ-Int4) em uma única NVIDIA H100 80GB GPU. Cada configuração foi avaliada em 2 benchmarks (~12,2 mil perguntas) cobrindo conhecimento e geração de código, além de mais de 2.000 execuções de inferência para medir a vazão. O Int4 é 2,7x mais rápido…