131 modeli 44 benchmark üzerinde başarı oranı, gecikme ve görev başına maliyet açısından test ettik.
Her nokta bir modeldir. Kesikli çizgi, maliyette ve skorda başka hiçbir modelin birlikte geçemediği modelleri birleştirir.
Sıralamak için bir kolona tıklayın. Karşılaştırmak için en fazla 3 model işaretleyin.
# | Model | Lisans | AIM skoru | Girdi $/1M | Çıktı $/1M | Görev başına maliyet | TTFT | Bağlam | |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5Anthropic | Tescilli | 78 | $4,00 | $20,00 | $2,03 | 3,15 s | 1M | |
| 2 | GPT-6 AstraOpenAI | Tescilli | 74 | $10,00 | $50,00 | $1,42 | 3,90 s | 1,1M | |
| 3 | GPT-6.1 SolOpenAI | Tescilli | 74 | $2,00 | $10,00 | $0,27 | 3,50 s | 1,1M | |
| 4 | Claude Sonnet 5.5Anthropic | Tescilli | 74 | $2,00 | $10,00 | $2,13 | 1,27 s | 1M | |
| 5 | Claude Fable 5.1Anthropic | Tescilli | 74 | $10,00 | $50,00 | $3,76 | 3,33 s | 1M | |
| 6 | Gemini 4 ArgonGoogle | Tescilli | 73 | $2,00 | $10,00 | $1,23 | 4,98 s | 1M | |
| 7 | GPT-6.1 TerraOpenAI | Tescilli | 71 | $1,00 | $5,00 | $0,23 | 2,02 s | 1,1M | |
| 8 | Muse WonderMeta | Tescilli | 70 | $4,00 | $20,00 | $2,02 | 35,22 s | 1M | |
| 9 | GPT-6 SolOpenAI | Tescilli | 70 | $2,00 | $10,00 | $0,56 | 2,46 s | 1,1M | |
| 10 | Kimi K3.1 ProMoonshot AI | Açık ağırlık | 69 | $2,00 | $10,00 | $0,77 | 49,60 s | 1M |
AIMultiple'ın kendi çalıştırdığı benchmark'lar ile sağlayıcıların veya bağımsız sıralamaların yayımladığı açık sonuçlar. Her kolonda en iyi sonuç vurgulanır.
Model | AIM skoru | AIM-Agentic-RAG | AIM-FinanceReasoning | AIM-Text-to-SQL | AIM-AI-Bias | CritPt | GPQA Diamond | Humanity's Last Exam | SciCode |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 5.5 | 78 | 90 | 92 | 88 | 94 | 32 | - | 61 | 67 |
| GPT-6 Astra | 74 | 84 | 87 | 66 | 98 | 32 | 96 | 55 | 56 |
| GPT-6.1 Sol | 74 | 81 | 90 | 65 | 98 | 32 | - | 53 | 56 |
| Claude Sonnet 5.5 | 74 | 85 | 89 | 74 | 93 | 31 | - | 55 | 61 |
| Claude Fable 5.1 | 74 | 84 | 90 | 67 | 98 | 31 | 94 | 59 | 63 |
| Gemini 4 Argon | 73 | 94 | 91 | 79 | 98 | 27 | - | 57 | 62 |
| GPT-6.1 Terra | 71 | 84 | 87 | 57 | 95 | 28 | - | 46 | 55 |
| Muse Wonder | 70 | 86 | 92 | 56 | 95 | 28 | - | 50 | 60 |
| GPT-6 Sol | 70 | 82 | 89 | 54 | 96 | 31 | - | 48 | 58 |
| Kimi K3.1 Pro | 69 | 85 | 90 | 52 | 91 | 25 | - | 52 | 61 |
Tüm benchmark'ları görmek için yana kaydırın
Modeller AIM LLM Index'e göre sıralanır: AIMultiple'ın kendi benchmark'ları ile kodlama, akıl yürütme, finans ve ajan görevlerindeki açık benchmark'ların ağırlıklı ortalaması. Fiyatlar, sağlayıcılar arasındaki en düşük liste API fiyatıdır. Görev başına maliyet her benchmark'ın token sayılarından veya yayımlanan maliyetlerinden gelir; varsayılan görünüm, modelin maliyeti olan benchmark'ların ortalamasını gösterir.
Metodolojinin tamamını okuyunKodlama, akıl yürütme, finans ve ajan iş akışlarında elle puanlanan görevler; yeni modeller çıktıkça yeniden çalıştırılır.
AIM LLM Index'i keşfedin