Gemini 4 Argon adicionado
O modelo mais recente do AIM LLM Index é Gemini 4 Argon.
AIM LLM Index
v1.10Um 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
Modelo mais rápido
DeepSeek V4 Flash 0731
0.34s TTFT
Custo vs desempenho
Custo combinado em relação ao Índice LLM
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 | 88 | 67 | 60 |
| 2 |  GPT-6 Astra OpenAI | 74 | 84 | 98 | 87 | 66 | 32 | 98 | 87 | 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 |  Gemini 4 Argon Google | 73 | 94 | 98 | 91 | 79 | 27 | 78 | - | 62 | 57 |
| 7 | GPT-6 Sol OpenAI | 70 | 82 | 96 | 89 | 54 | 31 | 90 | 83 | 58 | 44 |
| 8 | Claude Opus 5 Anthropic | 68 | 85 | 82 | 90 | 64 | 29 | 73 | 84 | 56 | 49 |
| 9 |  Muse Wonder Meta | 68 | 86 | 95 | 92 | 56 | 28 | 71 | - | 60 | 52 |
| 10 | Muse Spark 1.3 Meta | 62 | 77 | 96 | 89 | 49 | 26 | 46 | 82 | 60 | 33 |
Página 1 de 3
Custo$8.00
Latência1.84s
Contexto1M
TTFT1.84s
AIM-Agentic-RAG
90
AIM-AI-Bias
94
AIM-FinanceReasoning
92
AIM-Text-to-SQL
88
CritPt
32
FrontierMath
95
MMMU-Pro
88
SciCode
67
Terminal-Bench 4.0
60
Custo$20.00
Latência6.73s
Contexto524k
TTFT6.73s
AIM-Agentic-RAG
84
AIM-AI-Bias
98
AIM-FinanceReasoning
87
AIM-Text-to-SQL
66
CritPt
32
FrontierMath
98
MMMU-Pro
87
SciCode
56
Terminal-Bench 4.0
60
Custo$4.00
Latência3.29s
Contexto1M
TTFT3.29s
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
Latência1.25s
Contexto1M
TTFT1.25s
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
Latência2.12s
Contexto1M
TTFT2.12s
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
Latência4.28s
Contexto1M
TTFT4.28s
AIM-Agentic-RAG
94
AIM-AI-Bias
98
AIM-FinanceReasoning
91
AIM-Text-to-SQL
79
CritPt
27
FrontierMath
78
SciCode
62
Terminal-Bench 4.0
57
Custo$4.00
Latência3.30s
Contexto1M
TTFT3.30s
AIM-Agentic-RAG
82
AIM-AI-Bias
96
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
Latência1.93s
Contexto1M
TTFT1.93s
AIM-Agentic-RAG
85
AIM-AI-Bias
82
AIM-FinanceReasoning
90
AIM-Text-to-SQL
64
CritPt
29
FrontierMath
73
MMMU-Pro
84
SciCode
56
Terminal-Bench 4.0
49
Custo$8.00
Latência50.93s
Contexto1M
TTFT50.93s
AIM-Agentic-RAG
86
AIM-AI-Bias
95
AIM-FinanceReasoning
92
AIM-Text-to-SQL
56
CritPt
28
FrontierMath
71
SciCode
60
Terminal-Bench 4.0
52
Custo$2.00
Latência68.37s
Contexto1M
TTFT68.37s
AIM-Agentic-RAG
77
AIM-AI-Bias
96
AIM-FinanceReasoning
89
AIM-Text-to-SQL
49
CritPt
26
FrontierMath
46
MMMU-Pro
82
SciCode
60
Terminal-Bench 4.0
33
Página 1 de 3
Evolução ao longo do tempo
Índice LLM por data de lançamento do modelo
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. Os resultados do MMMU-Pro vêm de 2 fontes distintas.
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-BiasAvaliação de vieses de múltipla escolha: 64 perguntas em 12 categorias de viés, cada uma feita 5 vezes em duas execuções (v1 e v2), em 109 modelos. A pontuação é a parcela de respostas que escolhem a opção sem viés, na média das duas execuções.AIMultiple
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.Registro de alterações
57 atualizações- v1.10
125 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 120.
- v1.10
Muse Wonder entrou no AIM LLM Index.
- v1.10
Muse Wonder foi adicionado ao conjunto de dados.
- v1.10
Gemini 4 Argon entrou no AIM LLM Index.
- v1.10
Gemini 4 Argon foi adicionado ao conjunto de dados.
- v1.10
MMMU-Pro foi adicionado ao cálculo do índice. Versão atualizada para v1.10.
- v1.9
Claude Haiku 5.5 entrou no AIM LLM Index.
- v1.9
Claude Haiku 5.5 foi adicionado ao conjunto de dados.
- v1.9
AIM LLM Index: Para ser classificado, um modelo agora também precisa de um número de resultados externos próximo da média. Versão atualizada para v1.9.
- v1.8
14 modelos foram adicionados ao conjunto de dados: Claude Sonnet 4.6 (max), DeepSeek V4 Flash (Max), DeepSeek V4 Pro (Max), Gemma 4 31B, GPT-5.4 mini (xhigh) e mais 9.
Cronologia de lançamentos de LLMO ritmo da inovação em IA
Laboratórios de IA
DeepSeek V4 Flash Vision Exp
21 agoDeepSeek V4.1 Flash
10 setDeepSeek V4.1 Flash 1017
17 outMuse Spark 1.2 Contributor
21 agoMuse Spark 1.3 +1 maisMuse Spark 1.3Muse Spark 1.3 Contributor
02 setMuse Wonder
12 outMuse Spark Open
15 outGemini 3.8 Flash
02 setNano Banana 2.1
06 outGemini 4 Argon
13 outClaude Fable 5.1
01 setClaude Opus 5.5
22 setClaude Sonnet 5.5
28 setClaude Haiku 5.5
07 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 set
Qwen3.8 Flash
26 agoQwen3.8 Max (0902)
03 setQwen3.8 Omni Flash
21 setQwen3.8 Max Prime
23 set
GLM 5.3 Flash
26 agoGLM 5.3 FlashX
18 setGLM 5.3 Prime
23 set
Grok 4.7
21 set
MiMo-V2.6-Flash +2 maisMiMo-V2.6-FlashMiMo-V2.6-ProMiMo-V2.6-Pro-UltraSpeed
21 setExplore Casos de uso, análises e benchmarks do LLM
- LLMAnálise1 set
LLM Guia de Fine‑Tuning para Empresas
Siga os links para soluções específicas para seus desafios de saída de LLM. Se o seu LLM: A ampla adoção de large language models (LLMs) melhorou nossa capacidade de processar a linguagem humana. No entanto, seu treinamento genérico frequentemente resulta em desempenho abaixo do ideal para tarefas específicas. Para superar essa limitação, métodos de fine‑tuning…
- 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: Os 10 Principais Casos de Uso
O ChatGPT passou de novidade a infraestrutura no atendimento ao cliente. As empresas estão usando-o para reduzir os 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 ele é implementado. OpenAI lançou GPT-5.6, um modelo consideravelmente…
- LLMBenchmark16 ago
Densidade de Inteligência de 71 LLMs para Models Mais Inteligentes e Densos
Acompanhamos 71 LLMs lançados entre fevereiro de 2023 e maio de 2026 e coletamos 10 benchmarks públicos para medir a densidade de inteligência. Dividimos a pontuação de capacidade pelo recurso que o model consome (parâmetros ativos, computação de treinamento e preço de inference). Para calcular a densidade de inteligência, executamos as seguintes etapas: Consulte a…
- 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…
Filtros