Come funzionano le raccomandazioni
Le raccomandazioni seguono regole fisse. Nessuna IA prende la decisione e non ci sono posizionamenti a pagamento.
01 · Esclusione
Prima di tutto vengono eliminati i modelli che non soddisfano i requisiti: una finestra di contesto troppo piccola per la lunghezza del testo scelto (8.000 / 32.000 / 200.000 token), assenza di input immagine per l’analisi delle immagini, impossibilità di elaborare nel territorio richiesto, o assenza di pesi disponibili per l’uso locale.
Per un uso locale controlliamo anche se il modello entra nella memoria del tuo hardware. Stima per la versione compressa (Q4): 0.6 GB per miliardo di parametri più 1.5 GB di spazio libero.
Per l’uso lavorativo o di gruppo vengono esclusi i modelli il cui licenza vieta l’uso commerciale.
02 · Valutazione dei punteggi
Ogni modello valutato ha un livello di qualità da 1 a 3 per compito. Questi livelli derivano dalle classifiche pubbliche: il terzo superiore è livello 3, il terzo intermedio livello 2 e il terzo inferiore livello 1. Per ogni compito utilizziamo la classifica più specifica disponibile.
| Compito | Classifica (di ripiego) |
|---|---|
| Scrittura di testi | LMArena Creative Writing (Text) |
| Riassunto di documenti | LMArena Document (Longer Query, Text) |
| Chatbot | LMArena Text |
| Programmazione | LMArena Coding (WebDev) |
| Traduzione | LMArena Non-English (Text) |
| Matematica | LMArena Math |
| Analisi di immagini | LMArena Vision |
| Analisi di video | LMAArena Vision – non esiste ancora una classifica pubblica per la comprensione dei video, quindi si utilizza quella per le immagini come approssimazione |
| Creazione/modifica di immagini | LMArena Text-to-Image / Image Edit |
| Creazione di video / foto → video | LMArena Text-to-Video / Image-to-Video |
| Trascrizione audio | Hugging Face Open ASR Leaderboard (media della posizione in inglese e multilingue) |
I ranking di LMArena si basano su milioni di confronti effettuati in modo anonimo da utenti reali. La classifica Open ASR misura il tasso di errori nelle parole su registrazioni di test fisse (più basso significa meglio). Se scegli un campo specializzato (diritto, medicina, business, scienza), il ranking relativo di LMAArena per quella disciplina viene considerato un ulteriore fattore nell’media. I modelli che non appaiono in nessuno di questi ranking rimangono senza valutazione. Correggiamo manualmente i singoli livelli quando disponiamo di fonti migliori e lo indiciamo sulla pagina del modello. Il prezzo di una richiesta tipica è espresso su una scala logaritmica, poiché i prezzi variano di mille volte. Entrambi i fattori vengono ponderati in base alla tua priorità.
| Priorità | Qualità | Prezzo |
|---|---|---|
| Economico | 30 % | 70 % |
| Equilibrato | 50 % | 50 % |
| Massima qualità | 80 % | 20 % |
A partire da 10.000 richieste al mese, il punteggio cambia di 10 punti percentuali a favore del prezzo, poiché piccole differenze di costo iniziano ad accumularsi. In caso di parità, vince il prezzo più basso, e poi la finestra di contesto più ampia.
03 · Eseguire più compiti contemporaneamente
Puoi selezionare più compiti. I compiti di testo e di analisi vengono gestiti da un unico modello che deve occuparsi di tutti; la sua qualità è la media dei suoi livelli per tali compiti. Immagini, video e trascrizione hanno ognuno una tariffa propria, visto che pochissimi modelli sanno fare di tutto. Le immagini costano a secondo, i video a secondo per clip da 10 secondi e la trascrizione al minuto di audio. Queste tariffe provengono dalla lista dei prezzi pubblica di LiteLLM; quando sono elencati diversi fornitori o livelli di qualità, utilizziamo il prezzo medio (tipico), non il più economico. I modelli di riconoscimento del parlato senza servizio cloud sono consigliati solo per uso locale.
04 · Benchmark
I punteggi dei benchmark utilizzano scale diverse (percentuali, punti Elo, tassi di errore), perciò non è possibile calcolarne semplicemente la media. Convertiamo ogni punteggio in una posizione da 0 a 100 tra tutti i modelli elencati qui che hanno partecipato allo stesso benchmark (100 = migliore; per i tassi di errore, il valore più basso è migliore). Una posizione viene mostrata solo quando è possibile confrontare almeno 3 modelli. La media del benchmark è la somma di queste posizioni divisa per il numero totale. Le “forze” sono le aree con una posizione media di 75 o superiore, mentre le “debolezze” quelle con una posizione media di 30 o inferiore. I benchmark non influenzano le raccomandazioni: queste si basano invece sui nostri livelli di qualità.
05 · Fonti dei dati
Modelli e prezzi: OpenRouter. Pesi aperti e fornitori di hosting (per regione): models.dev. Licenza e dimensione dei modelli aperti: Hugging Face. Classifiche: LMArena e il Open ASR Leaderboard. Prezzi per immagine, per secondo di video e per minuto di audio: LiteLLM. Tasso di cambio: Banca Centrale Europea. Tutto viene aggiornato automaticamente ogni giorno; se una fonte è offline, rimangono i valori ultimi noti.
06 · Pubblicità
Se mostriamo annunci, questi sono chiaramente contrassegnati, appaiono solo in aree separate e non influenzano mai le classifiche o le raccomandazioni.
07 · Limiti
I livelli di qualità sono una semplificazione. I prezzi provengono da OpenRouter e possono variare se si acquista direttamente dal fornitore o in altre regioni. I valori della memoria sono approssimativi. I modelli senza la nostra valutazione appaiono nella comparazione, ma non nelle raccomandazioni.
Alcuni tipi di intelligenza artificiale non sono ancora inclusi, come la generazione musicale, i modelli 3D e il CAD, o l’output vocale (testo in voce): per questi al momento non esiste una classifica pubblica con dati aperti che possiamo utilizzare. Preferiamo escluderli piuttosto che fare raccomandazioni senza fonti.
Le note sulla privacy non costituiscono un consiglio legale. Controlla da solo i contratti (ad esempio gli accordi di elaborazione dei dati) con il fornitore.