AIM LLM Index'teki en yeni model GPT-6.2 Astra.
AIM LLM Index
v1.115 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.
| Ad | Seri | Görev başına maliyet ($, logaritmik ölçek) | LLM Endeksi |
|---|---|---|---|
| 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 |
| Ad | 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 |
Liderlik Tablosu
Tüm benchmark'larda en yüksek puan alan modeller.
# | Model | Endeks | 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 |
| Ad | Seri | Model yayın tarihi | LLM Endeksi | Yayın |
|---|---|---|---|---|
| Claude Opus 4.8 | Anthropic | 2026-05-27 | 59 | 27 May 2026 |
| Claude Fable 5 | Anthropic | 2026-06-09 | 68 | 9 Haz 2026 |
| Claude Fable 5.1 | Anthropic | 2026-09-01 | 72 | 1 Eyl 2026 |
| Claude Opus 5.5 | Anthropic | 2026-09-22 | 76 | 22 Eyl 2026 |
| Claude Fable 5.2 | Anthropic | 2026-11-09 | 77 | 9 Kas 2026 |
| Gemini 3.6 Flash | 2026-07-21 | 53 | 21 Tem 2026 | |
| Gemini 3.7 Flash | 2026-08-13 | 60 | 13 Ağu 2026 | |
| Gemini 4 Argon | 2026-10-13 | 73 | 13 Eki 2026 | |
| Gemini 4 Carbon | 2026-11-10 | 85 | 10 Kas 2026 | |
| DeepSeek V4 Flash 0731 | DeepSeek | 2026-07-31 | 48 | 31 Tem 2026 |
| DeepSeek V4 Pro 0813 | DeepSeek | 2026-08-12 | 49 | 12 Ağu 2026 |
| DeepSeek V4.1 Flash | DeepSeek | 2026-09-10 | 52 | 10 Eyl 2026 |
| DeepSeek V4.1 Flash 1017 | DeepSeek | 2026-10-17 | 56 | 17 Eki 2026 |
| Muse Spark 1.1 | Meta | 2026-07-16 | 55 | 16 Tem 2026 |
| Muse Spark 1.2 | Meta | 2026-08-05 | 57 | 5 Ağu 2026 |
| Muse Spark 1.3 | Meta | 2026-09-02 | 61 | 2 Eyl 2026 |
| Muse Wonder | Meta | 2026-10-12 | 68 | 12 Eki 2026 |
| GPT-5.6 Sol | OpenAI | 2026-07-09 | 67 | 9 Tem 2026 |
| GPT-6 Astra | OpenAI | 2026-09-04 | 73 | 4 Eyl 2026 |
| GPT-6.2 Astra | OpenAI | 2026-11-17 | 83 | 17 Kas 2026 |
| Kimi K3 | Moonshot AI | 2026-07-16 | 57 | 16 Tem 2026 |
| Kimi K3.1 Pro | Moonshot AI | 2026-10-23 | 67 | 23 Eki 2026 |
| MiniMax M3 | MiniMax | 2026-05-31 | 40 | 31 May 2026 |
| MiniMax M3.1 Flash | MiniMax | 2026-10-19 | 56 | 19 Eki 2026 |
| Grok 4.5 | X | 2026-07-08 | 54 | 8 Tem 2026 |
| Grok 4.6 | X | 2026-08-12 | 59 | 12 Ağu 2026 |
| Qwen3.7 Plus | Alibaba Cloud | 2026-06-03 | 43 | 3 Haz 2026 |
| Qwen3.8 Max | Alibaba Cloud | 2026-08-03 | 58 | 3 Ağu 2026 |
| GLM 5.2 | Z AI | 2026-06-16 | 49 | 16 Haz 2026 |
| GLM 5.3 | Z AI | 2026-08-18 | 57 | 18 Ağu 2026 |
| Model | Benchmark | Puan |
|---|---|---|
| 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 |
| Ad | Seri | Harmanlanmış maliyet ($ / 1M token, logaritmik ölçek) | LLM Endeksi | 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 |
Sıkça sorulan sorular
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
Bu endeksin dayandığı AIMultiple benchmark'larından 2.5 bin veri noktasının ham sonuçları. Bunları 4 CSV dosyası ve bir README içeren ZIP dosyası olarak indirin.
Arkasındaki ayrıntılı veriyi ister misiniz? Premium'a katılın
Değişiklik günlüğü
70 güncelleme- v1.11
119 model veri setine eklendi: Claude 3 Haiku, Claude Opus 4.7 (max), Command A, DeepSeek R1 (Jan), DeepSeek R1 0528 Qwen3 8B ve 114 tane daha.
- v1.11
2 model AIM LLM Index'e girdi: GPT-6.2 Astra, GPT-6.2 Sol.
- v1.11
2 model veri setine eklendi: GPT-6.2 Astra, GPT-6.2 Sol.
- v1.11
AIM-AI-Bias endeks hesaplamasına eklendi. Versiyon v1.11 olarak güncellendi.
- v1.10
2 model AIM LLM Index'e girdi: Gemini 4 Hydrogen, Qwen4 Max.
- v1.10
3 model veri setine eklendi: Gemini 4 Hydrogen, Hy4, Qwen4 Max.
- v1.10
Gemini 4 Carbon AIM LLM Index'e girdi.
- v1.10
Gemini 4 Carbon veri setine eklendi.
- v1.10
2 model AIM LLM Index'e girdi: Claude Fable 5.2, Muse Ember.
- v1.10
2 model veri setine eklendi: Claude Fable 5.2, Muse Ember.
LLM Kullanım Durumları, Analizler ve Ölçümler Keşfedin
- LLMKıyaslama15 Eyl
Kitle Simülasyonu: LLM'ler İnsan Davranışını Tahmin Edebilir mi?
Pazarlamada, LLM'lerin insan davranışını ne kadar doğru tahmin ettiğini değerlendirmek, kitle ihtiyaçlarını öngörme konusundaki etkinliklerini değerlendirmek ve uyumsuzluk, etkisiz iletişim veya istenmeyen etki risklerini fark etmek açısından çok önemlidir. LLM'lerle kitle simülasyonu, sanal kitlelerin modellenmesini sağlar; kuruluşların pahalı anketlere veya odak gruplarına başvurmadan içerik veya ürünlere gösterilecek tepkileri öngörmesine yardımcı olur. Yapay zeka modellerinin aynı…
- LLMİçgörü1 Eyl
LLM Fine-Tuning Kurumlar İçin Rehber
Bağlantıları takip ederek LLM çıktı sorunlarınıza özel çözümlere ulaşın. LLM’iniz: Büyük dil modellerinin (LLM’ler) yaygın şekilde benimsenmesi, insan dilini işleme yeteneğimizi geliştirdi. Ancak, bu modellerin genel eğitimi çoğu zaman belirli görevlerde yetersiz performansa yol açar. Bu sınırlamanın üstesinden gelmek için, farklı uygulama alanlarının kendine özgü gereksinimlerine göre LLM’leri uyarlamak amacıyla fine-tuning yöntemleri kullanılır. Büyük bir…
- LLMİçgörü27 Ağu
LLM Otomasyonu: En İyi 7 Araç & 8 Vaka Çalışması
LLM otomasyonu, görevleri otomatikleştirmek ve koordine etmek için AI ajanları, ince ayarlı LLM'ler ve LLM'ler de dahil olmak üzere RAG modellerinden yararlanan akıllı otomasyon araçlarına geçişi ifade eder. LLM otomasyonunun ne olduğunu, en önemli gerçek yaşam uygulamalarını ve başlıca araçlarını keşfedin: Otomasyondaki büyük dil modelleri, Doğal Dil İşleme (NLP)'yi mevcut süreç otomasyonu yöntemleriyle birleştiren sistematik…
- LLMİçgörü19 Ağu
Müşteri Hizmetlerinde ChatGPT: En İyi 10 Kullanım Senaryosu
ChatGPT, müşteri hizmetlerinde yenilik olmaktan çıkıp altyapıya dönüştü. Şirketler yanıt sürelerini kısaltmak, ekiplerinin karşılayamayacağı hacmi yönetmek ve rutin etkileşimlerin maliyetini düşürmek için kullanıyor. Ancak sonuçlar, nasıl uygulandığına bağlı olarak keskin biçimde değişiyor. OpenAI piyasaya sürdü GPT-5.6, yani önemli ölçüde daha yetenekli bir model; bu model talimat takibinde, uzun bağlamlarda akıl yürütmede ve doğru, markaya uygun…
- LLMKıyaslama15 Nis
LLM Kuantizasyonu: BF16 vs FP8 vs INT4
Qwen3-32B'yi tek bir NVIDIA H100 80GB GPU üzerinde 4 hassasiyet seviyesinde (BF16, FP8, GPTQ-Int8, GPTQ-Int4) benchmark'ladık. Her yapılandırma, bilgi ve kod üretimi kapsayan 2 benchmark'ta (~12.2K soru) ve verimliliği ölçmek için 2.000'den fazla inference çalıştırmasında değerlendirildi. Int4, MMLU-Pro'da 2 puandan daha az kayıp yaşarken BF16'dan 2.7 kat daha hızlıdır, ancak kod üretimi (HumanEval) 8 puan…