Gemini 3.8 Flash eklendi
AIMultiple Zeka Endeksindeki en yeni model Gemini 3.8 Flash.
LLM Karşılaştırmaları
Kamuya açık karşılaştırmaları AIMultiple'ın kendi agentic, RAG ve kurumsal muhakeme değerlendirmeleriyle birleştiren tek ve şeffaf bir Zeka Endeksi. Metodolojiyi inceleyin.
EN İYİ MODEL
Claude Opus 5
Endeks 86
En iyi değer
DeepSeek V4 Flash 0731
$0.11 / 1M
En hızlı
Trinity Large Thinking
0.12s TTFT
Kapsam
151 model
12 karşılaştırma · 697 değerlendirme
AIMultiple Zeka Endeksi
Liderlik Tablosu
Tüm benchmark'larda en yüksek puan alan modeller.
Filter & Sort
# | Model | Endeks | Agentic RAG | ARC-AGI-1 | ARC-AGI-2 | ArxivMath | CritPt | FinanceReasoning | FrontierMath | LegalBench | MMMU-Pro | Terminal-Bench 2.1 | Terminal-Bench Hard | Text-to-SQL |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5 Anthropic | 86 | - | 98 | 90 | 91 | 29 | 90 | 73 | 87 | 85 | 89 | - | - |
| 2 |  GPT-5.6 Sol OpenAI | 81 | 87 | 98 | 93 | - | 32 | 90 | 83 | 87 | 83 | 89 | - | 74 |
| 3 | Claude Fable 5 Anthropic | 79 | 98 | 99 | 89 | 79 | 29 | 90 | 88 | 89 | 81 | 85 | 63 | 90 |
| 4 | GPT-5.6 Terra OpenAI | 67 | 91 | 97 | 84 | - | 30 | 87 | 71 | 85 | 81 | 87 | - | 71 |
| 5 | Claude Opus 4.8 Anthropic | 66 | 100 | 93 | 72 | 71 | - | 89 | 56 | 84 | 79 | 85 | 58 | 77 |
| 6 | Claude Fable 5.1 Anthropic | 66 | - | 98 | 90 | - | 31 | - | 88 | 89 | - | 91 | - | - |
| 7 |  Gemini 3.7 Flash Google | 62 | - | 96 | 85 | - | 14 | - | 37 | 87 | 86 | 86 | - | - |
| 8 | GPT-5.5 Pro OpenAI | 62 | - | 97 | 85 | - | 31 | - | 78 | - | - | - | - | - |
| 9 |  Kimi K3 Moonshot AI | 61 | 93 | 95 | 60 | - | 23 | 88 | 39 | 86 | 82 | 85 | - | 77 |
| 10 | GPT-5.6 Sol Pro OpenAI | 60 | 96 | - | - | - | - | 91 | 81 | - | - | - | - | 79 |
Sayfa 1 / 16
Maliyet$10.00
Gecikme3.83s
Bağlam1M
TTFT3.83s
ARC-AGI-1
98
ARC-AGI-2
90
ArxivMath
91
CritPt
29
FinanceReasoning
90
FrontierMath
73
LegalBench
87
MMMU-Pro
85
Terminal-Bench 2.1
89
Maliyet$8.00
Gecikme4.43s
Bağlam1M
TTFT4.43s
Agentic RAG
87
ARC-AGI-1
98
ARC-AGI-2
93
CritPt
32
FinanceReasoning
90
FrontierMath
83
LegalBench
87
MMMU-Pro
83
Terminal-Bench 2.1
89
Text-to-SQL
74
Maliyet$20.00
Gecikme5.28s
Bağlam1M
TTFT5.28s
Agentic RAG
98
ARC-AGI-1
99
ARC-AGI-2
89
ArxivMath
79
CritPt
29
FinanceReasoning
90
FrontierMath
88
LegalBench
89
MMMU-Pro
81
Terminal-Bench 2.1
85
Terminal-Bench Hard
63
Text-to-SQL
90
Maliyet$4.50
Gecikme1.92s
Bağlam1M
TTFT1.92s
Agentic RAG
91
ARC-AGI-1
97
ARC-AGI-2
84
CritPt
30
FinanceReasoning
87
FrontierMath
71
LegalBench
85
MMMU-Pro
81
Terminal-Bench 2.1
87
Text-to-SQL
71
Maliyet$10.00
Gecikme4.53s
Bağlam1M
TTFT4.53s
Agentic RAG
100
ARC-AGI-1
93
ARC-AGI-2
72
ArxivMath
71
FinanceReasoning
89
FrontierMath
56
LegalBench
84
MMMU-Pro
79
Terminal-Bench 2.1
85
Terminal-Bench Hard
58
Text-to-SQL
77
Maliyet$20.00
Gecikme5.44s
Bağlam1M
TTFT5.44s
ARC-AGI-1
98
ARC-AGI-2
90
CritPt
31
FrontierMath
88
LegalBench
89
Terminal-Bench 2.1
91
Maliyet$1.50
Gecikme6.05s
Bağlam1M
TTFT6.05s
ARC-AGI-1
96
ARC-AGI-2
85
CritPt
14
FrontierMath
37
LegalBench
87
MMMU-Pro
86
Terminal-Bench 2.1
86
Maliyet$33.75
Gecikme3.65s
Bağlam1M
TTFT3.65s
ARC-AGI-1
97
ARC-AGI-2
85
CritPt
31
FrontierMath
78
Maliyet$5.44
Gecikme0.93s
Bağlam1M
TTFT0.93s
Agentic RAG
93
ARC-AGI-1
95
ARC-AGI-2
60
CritPt
23
FinanceReasoning
88
FrontierMath
39
LegalBench
86
MMMU-Pro
82
Terminal-Bench 2.1
85
Text-to-SQL
77
Maliyet$2.00
Gecikme10.25s
Bağlam1M
TTFT10.25s
Agentic RAG
96
FinanceReasoning
91
FrontierMath
81
Text-to-SQL
79
Sayfa 1 / 16
Model Çıkış Zamanları
Model yayın tarihine göre Zeka Endeksi
Maliyet ve Performans
Harmanlanmış maliyete karşı Zeka Endeksi
Model × Karşılaştırma
Seçili karşılaştırmalarda önde gelen modeller
Metodoloji
Endeks Nasıl Oluşturulur
Her karşılaştırma 0-100 ölçeğinde bir konuma çevrilir ve endeks bu konumların ağırlıklı ortalamasıdır. Modelin girmediği karşılaştırma alan ortalaması sayılır, böylece puanlar karşılaştırılabilir kalır. Endeks = Terminal-Bench-Science (14%) + FrontierMath (12%) + Frontier-Bench (12%) + ArxivMath (10%) + MMMU-Pro (9%) + ARC-AGI-2 (8%) + CritPt (6%) + FinanceReasoning (5%) + Text-to-SQL (5%) + BioMysteryBench (5%) + ARC-AGI-1 (5%) + Terminal-Bench 2.1 (3%) + Agentic RAG (3%) + Terminal-Bench Hard (2%) + LegalBench (1%).
AIMultiple
Agentic RAG5 veri tabanı üzerinde çoklu veri tabanı yönlendirmesi ve SQL sorgusu üretimi (BIRD-SQL, 500 soru).Kamuya Açık
ARC-AGI-1Izgara donusumleri uzerinde az ornekli soyut akil yurutme; ilk ARC Prize kiyaslamasi.Kamuya Açık
ARC-AGI-2Ezberi değil genellemeyi ölçen özgün görsel muhakeme bulmacaları.Kamuya Açık
ArxivMathYeni arXiv matematik problemleri; kontaminasyonu sinirlamak icin yayindan hemen sonra kosulur.Kamuya Açık
BioMysteryBenchAnthropic'in, ajanlarin ham veriden gercek biyoinformatik bilmecelerini cozup cozemedigini olcen kiyaslamasi.Kamuya Açık
CritPtCok adimli turetme gerektiren arastirma duzeyinde fizik problemleri.AIMultiple
FinanceReasoning238 zor FinanceReasoning sorusunda çok adımlı, karmaşık finansal muhakeme.Kamuya Açık
Frontier-BenchGuncel depolar uzerinde ajan tabanli yazilim gorevleri; cozum orani ile puanlanir.Kamuya Açık
FrontierMathUzmanlarca hazırlanmış, yayımlanmamış araştırma düzeyi matematik problemleri (1–4. seviyeler).Kamuya Açık
LegalBenchHukuk profesyonellerinin oluşturduğu 162 görevde kitle kaynaklı hukuki muhakeme.Kamuya Açık
MMMU-ProDisiplinler arasi universite duzeyinde cok kipli anlama; yalnizca metinle cozmeye karsi sertlestirilmis.Kamuya Açık
Terminal-Bench 2.1Yazilim muhendisligi, veri ve sistem yonetimi alanlarinda ajan tabanli terminal gorevleri.Kamuya Açık
Terminal-Bench HardTerminal-Bench'in zor alt kumesi: gercek bir terminalde cok adimli yazilim gorevleri.Kamuya Açık
Terminal-Bench-ScienceGercek bilimsel hesaplama is akislarindan alinan terminal gorevleri.AIMultiple
Text-to-SQL35'ten fazla LLM'de doğal dilden SQL sorgusu üretme doğruluğu.Son Güncellemeler
Son Güncellemeler
Zeka Endeksi, model kapsamı ve AIMultiple karşılaştırma metodolojisindeki en son değişiklikler.
Google
Gemini 3.8 Flash
AIMultiple Zeka Endeksine yeni eklenen model.
Anthropic
Claude Fable 5.1
AIMultiple Zeka Endeksine yeni eklenen model.
Tencent
Hy4 preview
AIMultiple Zeka Endeksine yeni eklenen model.
Z AI
GLM 5.3 Flash
AIMultiple Zeka Endeksine yeni eklenen model.
Yapay Zeka Modeli Yayın Zaman ÇizelgesiSon 23 günde 12 model
Önde gelen sağlayıcıların son 23 gündeki öne çıkan yapay zeka modeli yayınları.
Sağlayıcı
04 Eyl 2026
GPT-6 Astra +1 dahaGPT-6 AstraGPT-6 Astra Pro
02 Eyl 2026
Gemini 3.8 Flash
21 Ağu 2026
Muse Spark 1.2 Contributor
02 Eyl 2026
Muse Spark 1.3 +1 dahaMuse Spark 1.3Muse Spark 1.3 Contributor
01 Eyl 2026
Claude Fable 5.1
28 Ağu 2026
Hy4 preview
14 Ağu 2026
Qwen3.8 27B
26 Ağu 2026
Qwen3.8 Flash
18 Ağu 2026
GLM 5.3
26 Ağu 2026
GLM 5.3 Flash
LLM Kullanım Durumları, Analizler ve Ölçümler Keşfedin
LLM
Açık Dünya Değerlendirmesi
26 AğuLLM Orkestrasyonu: 22 Framework ve Ağ Geçidi
LLM orkestrasyonunu optimize etmek, kaynak kullanımını kontrol altında tutarken performansı artırmanın anahtarıdır. Farklı orkestrasyon yaklaşımlarının pratikte nasıl performans gösterdiğini değerlendirmek için şunları kıyasladık: Seçili LLM orkestrasyon araçlarını keşfedin; geliştirici framework'leri ve kurumsal ağ geçitleri dahil: LLM orkestrasyonu, karmaşık görevleri verimli şekilde yerine getirmek için birden fazla Büyük Dil model'lerini (LLM's) yönetmeyi ve entegre etmeyi içerir.…
LLM
Kıyaslama
24 AğuAIM Enterprise: Ajansal Kurumsal Kıyaslama
İşletmeler düzenli görevleri için her gün LLM'ler kullanır. En uygun maliyetli LLM'leri bulmak için, strateji, pazarlama, İK, satış ve operasyonlar genelinde 69 gerçek kurumsal görev kullandığımız ajansal bir kurumsal kıyaslama olan AIM Enterprise'ı tasarladık. İki hakem model her dosyayı puanladı ve sıklıkla uyuşmazlığa düştü. Bireysel puanların yaklaşık üçte birinde ikisi, ölçeğin dörtte birinden fazla ayrıştı…
LLM
Kıyaslama
24 AğuText-to-SQL: LLM Doğruluk Karşılaştırması
36 büyük dil modelini 759 soru üzerinde BIRD-SQL'den çalıştırdık; her model, 11 aday arasından kendisinin belirlemesi gereken bir veritabanına karşı SQL yazdı. Ayrıştırılabilen her sorgu gerçek veritabanında çalıştırıldı ve sonuç kümesi BIRD'ün altın sorgusunun sonuç kümesiyle karşılaştırıldı. Eksik, hatalı biçimlendirilmiş ve yürütme hatası veren sorgular ıskalanmış olarak puanlandı. Her çalıştırma sıcaklık 0'da, zero-shot olarak ve…
LLM
İçgörü
21 AğuLLM Parametreleri: GPT-5 High, Orta, Düşük ve Minimal
OpenAI'in GPT-5 ailesi gibi bazı LLM'ler, farklı sürümlerde (ör. GPT-5, GPT-5-mini ve GPT-5-nano) ve yüksek, orta, düşük ve minimal dahil olmak üzere çeşitli parametre ayarlarıyla gelir. Aşağıda, bu model sürümleri arasındaki farkları, benchmark performanslarını ve benchmark'ları çalıştırmanın maliyetlerini inceleyerek keşfediyoruz. Analizimizde GPT-5 ailesini kullandık. Muhakeme, kodlama, talimat takibi ve matematik dahil olmak üzere çeşitli alanlarda…
LLM
Kıyaslama
21 AğuHALC-Bench: LLM Uzun Bağlam Geri Getirme Benchmark'ında Halüsinasyon
HALC-Bench (LLM Uzun Bağlam Geri Getirme Benchmark'ında Halüsinasyon) büyük bir dil modelinin, hedef dokümanda bulunmayan bir metrik için kanıt uydurmaya karşı direncini, modelin bağlam penceresinin başına, ortasına ve sonuna yerleştirilmiş 3 samanlık kullanarak, 204 soru ile ölçer. claude-fable-5 her samanlık konumunda 204 tuzağın hepsini doğru yanıtladı. Kalan modeller arasında en az halüsinasyon gösteren gpt-5.5 oldu.…
LLM
Özellik Karşılaştırması
21 AğuEn İyi LLMOps Araçları ve MLOPs ile Karşılaştırması
LLMOps platformları, büyük dil modellerinin operasyonel tarafını yönetir: dağıtım, izleme, değerlendirme ve maliyet yönetimi. Çeşitli kullanım durumları için en uygun olanı belirlemeye yardımcı olmak amacıyla en iyi LLMOps araçlarını, temel özelliklerini, fiyatlandırma modellerini ve birbirlerinden nasıl ayrıldıklarını inceledik. Her bir metriğin detaylı açıklaması aşağıda verilmiştir: LLMOps platformları, şunları sağlayarak LLM'lerin yaşam döngüsünü destekler: LLMOps platformları…
LLM
İçgörü
19 Ağu50+ ChatGPT Kullanım Alanları ve Gerçek Hayat Örnekleri
ChatGPT, 2026'nın başlarında dünya nüfusunun kabaca %10'ine denk gelen yaklaşık 1 milyar haftalık aktif kullanıcıya ulaştı.1 OpenAI, CFO Sarah Friar tarafından doğrulanan 2025 yılı yıllık gelirinde $20 milyar eşiğini aştı.2 Anthropic Ekonomik Endeksi ikikullanım modunu ayırt eder: insanın yapay zeka ile etkileşime girdiği artırım ve yapay zekanın görevleri bağımsız olarak tamamladığı otomasyon. Tüketici kullanımı %52…
LLM
İçgörü
19 AğuMüşteri Hizmetleri için ChatGPT: En İyi 10 Kullanım Alanı
ChatGPT, müşteri hizmetlerinde yenilik olmaktan çıkıp altyapıya dönüştü. Şirketler; yanıt sürelerini kısaltmak, ekiplerinin karşılayamayacağı hacmi yönetmek ve rutin etkileşimlerin maliyetini azaltmak için kullanıyor. Ancak sonuçlar, nasıl uygulandığına bağlı olarak büyük farklılık gösteriyor. OpenAI piyasaya sürdü GPT-5.6, önemli ölçüde daha yetenekli bir model; bu model, yönerge izleme, uzun bağlamlarda akıl yürütme ve doğru, marka ile uyumlu…
LLM
İçgörü
18 AğuBüyük Dil Modellerinin Geleceği
büyük dil modellerinin geleceğini, kendi kendine eğitim, doğruluk kontrolü ve seyrek uzmanlık gibi umut verici yaklaşımlara inerek görün; bunlar LLM sınırlamalarını giderebilir. LLM'lerin başarı oranı karşılaştırması Claude Sonnet 4.6, genel 0.748 puanla benchmark'a liderlik etti; base ve thinking varyantları üç ondalık basamağa kadar eşitti. Claude Opus 4.8 (0.702), Opus 4.6 base (0.706) ve Opus 4.6…
LLM
Kıyaslama
16 AğuDaha Akıllı ve Daha Yoğun Modeller için 71 LLM'nin Zeka Yoğunluğu
Şubat 2023 ile Mayıs 2026 arasında yayımlanan 71 LLM'yi izledik ve zeka yoğunluğunu ölçmek için 10 halka açık benchmark topladık. Yetkinlik puanını, modelin tükettiği kaynağa (aktif parametreler, eğitim hesaplama gücü ve inference fiyatı) böldük. Zeka yoğunluğunu hesaplamak için şu adımları uyguladık: Puanlama yaklaşımı ve kaynak bazında dağılımlar için metodoloji bölümüne bakın. 2026 ortasına gelindiğinde yapay…