GPT-6.1 Terra eklendi
AIM LLM Index'teki en yeni model GPT-6.1 Terra.
AIM LLM Index
v1.105 kamuya açık karşılaştırmayı AIMultiple'ın 4 agentic, RAG ve kurumsal muhakeme değerlendirmesiyle birleştiren tek ve şeffaf bir endeks. Daha fazla ayrıntı için AIM LLM Index Methodology bölümüne bakın.
EN İYİ MODEL
Claude Opus 5.5
Endeks 78
EN İYİ DEĞER
GPT-6.1 Terra
$2.00 / 1M
EN HIZLI MODEL
Muse Spark Open
0.31s TTFT
Görev Başına Maliyet ve Skor
Benchmarklar genelinde bir görevin ortalama maliyeti ve LLM Endeksi
*Her modelin görev başına maliyeti, 7 benchmark üzerinden eşit ağırlıkla ortalandı (MMMU-Pro hariç, çok az modeli kapsıyor). Yalnızca hepsinde maliyeti olan modeller gösterilir. ~ işareti, ortalamada tahmini bir maliyet olduğunu gösterir.
AIM LLM Index
Liderlik Tablosu
Tüm benchmark'larda en yüksek puan alan modeller.
Filter & Sort
# | Model | Endeks | 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-6.1 Terra OpenAI | 71 | 84 | 95 | 87 | 57 | 28 | 93 | 85 | 55 | 56 |
| 8 |  Muse Wonder Meta | 70 | 86 | 95 | 92 | 56 | 28 | 71 | 85 | 60 | 52 |
| 9 | GPT-6 Sol OpenAI | 70 | 82 | 96 | 89 | 54 | 31 | 90 | 83 | 58 | 44 |
| 10 |  Kimi K3.1 Pro Moonshot AI | 69 | 85 | 91 | 90 | 52 | 25 | - | 84 | 61 | 67 |
Sayfa 1 / 3
Maliyet$8.00
Gecikme3.15s
Bağlam1M
TTFT3.15s
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
Maliyet$20.00
Gecikme3.90s
Bağlam1M
TTFT3.90s
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
Maliyet$4.00
Gecikme3.50s
Bağlam1M
TTFT3.50s
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
Maliyet$4.00
Gecikme1.27s
Bağlam1M
TTFT1.27s
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
Maliyet$20.00
Gecikme3.33s
Bağlam1M
TTFT3.33s
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
Maliyet$4.00
Gecikme4.98s
Bağlam1M
TTFT4.98s
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
Maliyet$2.00
Gecikme2.02s
Bağlam1M
TTFT2.02s
AIM-Agentic-RAG
84
AIM-AI-Bias
95
AIM-FinanceReasoning
87
AIM-Text-to-SQL
57
CritPt
28
FrontierMath
93
MMMU-Pro
85
SciCode
55
Terminal-Bench 4.0
56
Maliyet$8.00
Gecikme35.22s
Bağlam1M
TTFT35.22s
AIM-Agentic-RAG
86
AIM-AI-Bias
95
AIM-FinanceReasoning
92
AIM-Text-to-SQL
56
CritPt
28
FrontierMath
71
MMMU-Pro
85
SciCode
60
Terminal-Bench 4.0
52
Maliyet$4.00
Gecikme2.46s
Bağlam1M
TTFT2.46s
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
Maliyet$4.00
Gecikme49.60s
Bağlam1M
TTFT49.60s
AIM-Agentic-RAG
85
AIM-AI-Bias
91
AIM-FinanceReasoning
90
AIM-Text-to-SQL
52
CritPt
25
MMMU-Pro
84
SciCode
61
Terminal-Bench 4.0
67
Sayfa 1 / 3
Model Çıkış Zamanları
Model yayın tarihine göre LLM Endeksi
Model × Karşılaştırma
Seçili karşılaştırmalarda önde gelen modeller
Maliyet ve Performans
Harmanlanmış maliyete karşı LLM Endeksi
AIM LLM Index Methodology
Bir modelin endeks puanı, aşağıdaki benchmark'lardaki sonuçlarının ortalamasıdır. Zaten 0-100 ölçeğinde olan puanlar olduğu gibi kullanılır; diğerleri 0-100'e yeniden ölçeklenir. Modelin eksik olduğu bir benchmark sıfır sayılmaz, hesaba katılmaz ve her benchmark eşit ağırlık taşır. Bir modelin sıralamaya girmesi için en az 2 AIMultiple benchmark'ında puanı olması gerekir. MMMU-Pro sonuçları 2 ayrı kaynaktan gelir.
Kullandığımız kıyaslamalar
AIMultiple
AIM-Agentic-RAG11 veri tabanı üzerinde çoklu veri tabanı yönlendirmesi ve SQL sorgusu üretimi (BIRD-SQL, 759 soru).AIMultiple
AIM-AI-BiasÇoktan seçmeli yanlılık değerlendirmesi: 12 yanlılık kategorisinde 64 soru, her biri iki koşuda (v1 ve v2) 5'er kez soruldu, 109 model. Skor, yanlı olmayan şıkkı seçen cevapların oranının iki koşudaki ortalamasıdır.AIMultiple
AIM-FinanceReasoning238 zor FinanceReasoning sorusunda çok adımlı, karmaşık finansal muhakeme.AIMultiple
AIM-Text-to-SQL35'ten fazla LLM'de doğal dilden SQL sorgusu üretme doğruluğu.Kamuya Açık
CritPtCok adimli turetme gerektiren arastirma duzeyinde fizik problemleri.Kamuya Açık
FrontierMathUzmanlarca hazırlanmış, yayımlanmamış araştırma düzeyi matematik problemleri (1–4. seviyeler).Kamuya Açık
MMMU-ProDisiplinler arasi universite duzeyinde cok kipli anlama; yalnizca metinle cozmeye karsi sertlestirilmis.Kamuya Açık
SciCodeFizik, matematik, biyoloji ve kimyada araştırma düzeyinde bilimsel kodlama (338 alt problem)Kamuya Açık
Terminal-Bench 4.0Guncel Terminal-Bench kusagi: ajan tabanli terminal gorevleri, cozum orani ile puanlanir.Tüm verileri indir
Bu endeksin dayandığı AIMultiple benchmark'larından 73.9 bin veri noktasının ham sonuçları. Bunları 4 CSV dosyası ve bir README içeren ZIP dosyası olarak indirin.
Son güncelleme: 30 Ekim 2026
İndirArkasındaki ayrıntılı veriyi ister misiniz? Premium'a katılın
Değişiklik günlüğü
62 güncelleme- v1.10
2 model AIM LLM Index'e girdi: DeepSeek V4.1 Flash 1017, Muse Spark Open.
- v1.10
113 model veri setine eklendi: Claude 3 Haiku, Claude Opus 4.7 (max), Command A, DeepSeek R1 (Jan), DeepSeek R1 0528 Qwen3 8B ve 108 tane daha.
- v1.10
Qwen3.6 35B A3B veri setine eklendi.
- v1.10
3 model AIM LLM Index'e girdi: GPT-6.1 Terra, Kimi K3.1 Pro, MiniMax M3.1 Flash.
- v1.10
3 model veri setine eklendi: GPT-6.1 Terra, Kimi K3.1 Pro, MiniMax M3.1 Flash.
- v1.10
2 model veri setine eklendi: DeepSeek V4.1 Flash 1017, Muse Spark Open.
- v1.10
Muse Wonder AIM LLM Index'e girdi.
- v1.10
Muse Wonder veri setine eklendi.
- v1.10
Gemini 4 Argon AIM LLM Index'e girdi.
- v1.10
Gemini 4 Argon veri setine eklendi.
LLM Yayın Zaman ÇizelgesiYapay zeka inovasyonunun hızı
Yapay Zeka Laboratuvarları
Gemini 3.8 Flash Lite TTS +1 dahaGemini 3.8 Flash Lite TTSGemini 3.8 Flash TTS
23 EylGemini 3.5 Transcribe
25 EylNano Banana 2.1
06 EkiGemini 4 Argon
13 EkiGemini Omni 1.1 Flash
04 KasGemini Omni 1.2 Flash
05 KasGPT Image 2.5 Flare +1 dahaGPT Image 2.5 FlareGPT Image 2.5 Sunburst
09 EylGPT-6 Luna +1 dahaGPT-6 LunaGPT-6 Sol
22 EylGPT-6.1 Sol
29 EylGPT-6 Luna Decisions
06 EkiGPT-6.1 Terra
26 EkiGPT Image 2.6 Flare +1 dahaGPT Image 2.6 FlareGPT Image 2.6 Sunburst
04 Kas
GLM 5.3 FlashX
18 EylGLM 5.3 Prime
23 EylGLM 5.3 FlashX Legal
02 KasKimi K3.1 Pro
23 Eki
MiniMax M3.1 Flash
19 Eki
DeepSeek V4.1 Flash
10 EylDeepSeek V4.1 Flash 1017
17 Eki
Qwen3.8 Omni Flash
21 EylQwen3.8 Max Prime
23 EylQwen Image 2.1 Pro +1 dahaQwen Image 2.1 ProQwen Image 2.1 Turbo
16 EkiMuse Voice Transcribe 1.0
11 EylMuse Wonder
12 EkiMuse Spark Open
15 Eki
Solar Mini 4
23 EylSolar Decide
28 EylSolar Decide Flash
08 EkiClaude Opus 5.5
22 EylClaude Sonnet 5.5
28 EylClaude Haiku 5.5
07 Eki
Grok 4.7
21 EylGrok Imagine Video 1.5 Lite
06 Eki
MiMo-V2.6-Flash +2 dahaMiMo-V2.6-FlashMiMo-V2.6-ProMiMo-V2.6-Pro-UltraSpeed
21 EylLLM Kullanım Durumları, Analizler ve Ölçümler Keşfedin
- LLMİçgörü28 Eki
Büyük Dil Model'lerinin Geleceği
Büyük Dil Model'lerinin geleceğini, kendi kendine eğitim, doğruluk kontrolü ve seyrek uzmanlık gibi LLM sınırlamalarını ele alabilecek yaklaşımları karşılaştırarak görün. LLM'ler konuşmalar sırasında eğitim verilerine güvenmek yerine dış kaynaklara erişir. Model dış veritabanlarını sorgular, güncel bilgileri alır ve alıntılar sağlar. Sınırlama: Hâlâ hatalar yapar. Alıntılar doğruluğu garanti etmez; model'ler bazen kaynakları yanlış aktarır veya alıntılanan…
- LLMİçgörü26 Eki
50+ 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. OpenAI, CFO Sarah Friar tarafından doğrulanan 2025 yılı yıllık gelirinde $20 milyar eşiğini aştı. 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…
- LLMKıyaslama26 Eki
HALC-Bench: LLM Uzun Bağlamlı Getirme Kıyaslamasında Halüsinasyon
HALC-Bench (LLM Hallucination on Long-Context Retrieval Benchmark), hedef belgede bulunmayan bir metrik için kanıt uydurmaya karşı büyük bir dil modelinin direncini, modelin bağlam penceresinin başına, ortasına ve sonuna yerleştirilen 3 saman yığını kullanarak 204 soruyla ölçer. claude-fable-5, her saman yığını konumundaki 204 tuzağın tamamını doğru yanıtladı. Kalan modeller arasında en az halüsinasyonu gpt-5.5 üretti. Saman…
- LLMKıyaslama23 Eki
Daha Akıllı ve Daha Yoğun Modeller için 71 LLM'in Zekâ Yoğunluğu
Şubat 2023 ile Mayıs 2026 arasında yayımlanan 71 LLM'i izledik ve zekâ yoğunluğunu ölçmek için 10 halka açık benchmark topladık. Yetenek puanını modelin tükettiği kaynağa (aktif parametreler, eğitim hesaplaması ve inference fiyatı) böldük. Zekâ yoğunluğunu hesaplamak için şu adımları uyguladık: Puanlama yaklaşımı ve kaynak bazında dağılımlar için metodoloji bölümüne bakın. 2026 ortasına gelindiğinde, yapay zekâ…
- LLMAçık Dünya Değerlendirmesi21 Eki
LLM Orkestrasyonu: 21 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 bir şekilde yerine getirmek için birden fazla Büyük Dil Modelini (LLM'leri) yönetmeyi ve entegre etmeyi…
- LLMİçgörü14 Eki
10+ Büyük Dil Modeli Örnekleri
Önde gelen özel mülk ve açık kaynaklı büyük dil modellerini karşılaştırmak için açık kaynaklı benchmark'ları derledik. Size uygun modeli bulmak için kullanım senaryonuzu seçin. Büyük dil modellerini, benchmark performanslarını ve gerçek dünyadaki gecikme sürelerini inceleyerek (tablodaki her modelin adına tıklayarak erişilebilir) ve genel verimlilik ile maliyet etkinliğini değerlendirmek için fiyatlandırmalarını gözden geçirerek değerlendirebilirsiniz. Maliyet tahminine…
- LLMÖzellik Karşılaştırması14 Eki
En İyi LLMOps Araçları ve Bunları MLOps ile Karşılaştırın
LLMOps platformları, büyük dil modellerini çalıştırmanın operasyonel tarafını yönetir: dağıtım, izleme, değerlendirme ve maliyet yönetimi. En iyi LLMOps araçlarını, temel özelliklerini, fiyatlandırma modellerini ve çeşitli kullanım senaryoları için en uygun olanı belirlemeye yardımcı olmak üzere birbirlerinden nasıl farklılaştıklarını inceledik. Aşağıda her metriğin ayrıntılı açıklaması verilmiştir: LLMOps platformları, aşağıdakileri sağlayarak LLM'lerin yaşam döngüsünü destekler: LLMOps platformları…
- LLMÖzellik Karşılaştırması13 Eki
Bulut LLM ve Yerel LLM'ler: Örnekler ve Avantajlar
Bulut LLM'ler, GPT-5.5 ve Claude Opus 4.7 gibi gelişmiş modellerle desteklenir; ölçeklenebilirlik ve erişilebilirlik sunar. Buna karşılık, Llama 4, DeepSeek V4 ve Qwen3.6-Plus gibi açık kaynaklı modellerle çalışan Yerel LLM'ler daha güçlü gizlilik ve özelleştirme sağlar. Bulut LLM'lerin ne olduğunu, güçlü ve zayıf yönlerini, gerçek hayattan örneklerle en yaygın vaka çalışmalarını ve yerel LLM'lerden nasıl…
Filtreler