Artificial Analysis Intelligence Index · Higher is better
Output tokens per second · Higher is better
Weighted average cost (USD) per Intelligence Index task · Lower is better
Nuevo artículo publicado · 15 oct
NVIDIA Releases Nemotron 3.5 Super VL and Nemotron 3.5 Bolt 74B A9B
Nueva evaluación de modelo de lenguaje · 15 oct
Muse Spark Open (Xhigh)Muse Spark Open (Xhigh)
Nueva evaluación de modelo de lenguaje · 15 oct
Nemotron 3.5 Super VLNemotron 3.5 Super VL
Nueva evaluación de modelo de lenguaje · 15 oct
Nemotron 3.5 Bolt 74B-A9BNemotron 3.5 Bolt 74B-A9B
Nuevo artículo publicado · 13 oct
Artificial Analysis Decision Index v1.0
Nuevo artículo publicado · 12 oct
Muse Wonder and Muse Wonder Full: a material jump in intelligence over previous Meta models
Nuevo artículo publicado · 12 oct
Announcing FrontierCode on Artificial Analysis: can AI models write code maintainers would merge?
Nuevo artículo publicado · 12 oct
Announcing AA-3D: a benchmark for AI models building interactive 3D experiences
Nueva evaluación de modelo de lenguaje · 12 oct
Muse Wonder Full (Max)Muse Wonder Full (Max)
Nueva evaluación de modelo de lenguaje · 12 oct
Muse Wonder (Max)Muse Wonder (Max)
Nuevo modelo Speech to Text · 12 oct
Zoom Scribe V2 ProZoom Scribe V2 Pro
Nuevo artículo publicado · 8 oct
Introducing trusted-access models to the Artificial Analysis Cyber Index
Nuevo artículo publicado · 8 oct
Announcing Harvey LAB-AA v1.1: adding hallucination checks to raise the bar for agentic legal work
Nueva evaluación de modelo de lenguaje · 8 oct
GPT-6 Sol (Daybreak Blue, max)GPT-6 Sol (Daybreak Blue, max)
Nuevo artículo publicado · 7 oct
Anthropic has released Claude Haiku 5.5
Nueva evaluación de modelo de lenguaje · 7 oct
Claude Haiku 5.5 (High)Claude Haiku 5.5 (High)
Nueva evaluación de modelo de lenguaje · 7 oct
Claude Haiku 5.5 (Low)Claude Haiku 5.5 (Low)
Nueva evaluación de modelo de lenguaje · 7 oct
Claude Haiku 5.5 (Medium)Claude Haiku 5.5 (Medium)
Nueva evaluación de modelo de lenguaje · 7 oct
Claude Haiku 5.5 (Max)Claude Haiku 5.5 (Max)
Nueva evaluación de modelo de lenguaje · 7 oct
Claude Haiku 5.5 (Xhigh)Claude Haiku 5.5 (Xhigh)Ver más

Inteligencia

Inteligencia de los principales modelos de IA según nuestras evaluaciones independientes

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1
No publicly available API

Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1
No publicly available API

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Intelligence Index vs. costo por tarea del Intelligence Index

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Pareto line

Intelligence Index vs. costo por tarea, por lanzamiento del modelo

All reasoning and effort variants of each selected release · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Pareto line

Inteligencia de modelos de lenguaje de frontera a lo largo del tiempo

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Rendimiento, costo y tiempo de ejecución de los principales agentes de programación en tareas integrales de ingeniería de software

Artificial Analysis Coding Agent Index

Artificial Analysis Coding Agent Index v1.5 incorporates 3 benchmarks: DeepSWE v1.1, Terminal-Bench 4.0, and SWE-Atlas-QnA · Higher is better

Artificial Analysis Coding Agent Index vs. costo por tarea

Artificial Analysis Coding Agent Index vs. promedio del costo de la API de pago por token por tarea (USD)
Most attractive quadrant
Pareto line

Mide la capacidad de los modelos en ciberdefensa empresarial

Artificial Analysis Cyber Index

Artificial Analysis Cyber Index v1 incorporates 3 evaluations: CWE-Bench-AA, DeepsecBench-AA, and CyberGym-E2E-AA
Successes
Safety blocks
Trusted-access model (not publicly available)

Artificial Analysis Cyber Index: Puntuación vs. costo por tarea

Artificial Analysis Cyber Index score vs. average cost per task (USD) · Refused tasks are estimated from other models' token use
Most attractive quadrant
Pareto line

Mide qué tan bien los modelos de IA crean experiencias 3D interactivas, clasificados por votos a ciegas de nuestro panel reclutado

AA-3D Elo

Elo from blind pairwise votes, with 95% confidence intervals · Higher is better

Imagen y video

Mejores modelos de nuestros rankings Image Arena y Video Arena, con intervalos de confianza del 95%

Ranking de texto a imagen

Puntuaciones Elo a partir de votos ciegos de preferencia de nuestros evaluadores privados validados. Ver el ranking completo aquí.

Voz

Mejores modelos de nuestras evaluaciones Text to Speech Arena, Speech to Text y Speech to Speech

Elo de preferencia de la arena de voces del proveedor

Arena Elo: average Elo rating of the model · Higher is better

Miden el rendimiento de modelos en capacidades e industrias específicas

Artificial Analysis Finance & Accounting Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better
No publicly available API

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better
Ver más
No publicly available API

Agentic knowledge work, (Elo-500)/2000

Agentic SaaS workflows

Agentic real-world work tasks, (Elo-500)/2000

Reasoning & knowledge

Professional document reasoning, All-pass

Agentic coding & terminal use

Long context reasoning

SciCodeUnder review

Coding

CritPtUnder review

Physics reasoning

Agentic scientific research workflows in a terminal

Agentic software engineering in open-source repositories

Quantitative analysis on spreadsheets & documents

Legal agentic work, Hallucination-Gated All-Pass Rate

Agentic business operations

Kubernetes incident root-cause analysis

Medical long context reasoning

Visual reasoning

AA-Briefcase v1.1Updated

AA-Briefcase es una evaluación agéntica de vanguardia para trabajo cognitivo de largo plazo, que prueba agentes en flujos de trabajo empresariales realistas que requieren entregables como hojas de cálculo, presentaciones y memorandos

Elo de AA-Briefcase

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better
No publicly available API

AA-Omniscience

AA-Omniscience es un benchmark de conocimiento y alucinaciones que premia la precisión, penaliza las respuestas incorrectas y ofrece una vista completa de qué modelos producen resultados fiables en distintos dominios

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.
No publicly available API

El Artificial Analysis Openness Index evalúa qué tan 'abiertos' son los modelos según su disponibilidad y transparencia en distintos componentes.

Artificial Analysis Openness Index: componentes

Contribución de cada componente a la puntuación del Openness Index, hasta un máximo de 18 (cuanto más alta, mayor apertura)

Artificial Analysis Openness Index frente al Artificial Analysis Intelligence Index

Most attractive quadrant

Tokens de salida

Tokens de salida de los principales modelos de IA según nuestras evaluaciones independientes

Tokens de salida por tarea del Intelligence Index

Promedio ponderado de tokens de salida usados para ejecutar una tarea del Artificial Analysis Intelligence Index
No publicly available API

Costo

Precios y costos reales de los principales modelos de IA según nuestras evaluaciones independientes

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Costo de ejecutar el Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

Precios: aciertos de caché, entrada y salida

Price (USD per M Tokens)

Velocidad y latencia

Comparación del rendimiento de API de primera parte

Velocidad de salida

Output tokens per second · Higher is better

Tiempo por tarea del Intelligence Index

Weighted average decode time (minutes) per Intelligence Index task · Excludes TTFT and overhead time · Lower is better

Proveedores

Endpoint Accuracy Index: gpt-oss-120b (High)

v1.0 · Composite of BFCL v4-500, HLE-250 and AA-LCR-25 run against each provider endpoint · Percentage of the reference endpoint, with 95% confidence interval · Higher is better

Velocidad de salida vs. precio: gpt-oss-120b (High)

Output tokens per second · USD per 1M tokens (blended) · 10,000 input tokens
Most attractive quadrant
Pareto line

Precios (acierto de caché, entrada y salida): gpt-oss-120b (High)

Price (USD per M Tokens) · Lower is better · 10,000 input tokens

Velocidad de salida: gpt-oss-120b (High)

Velocidad de salida: tokens de salida por segundo · 10,000 input tokens