---
title: "Alternative ad Artificial Analysis per confrontare LLM"
description: "Alternative ad Artificial Analysis a confronto: Arena, Epoch AI, Vals AI, classifiche OpenRouter, Hugging Face e dati sui prezzi, per cosa misurano e quando usarle."
url: https://broadrouter.com/it/blog/artificial-analysis-alternatives/
lang: it
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/artificial-analysis-alternatives/) (aggiornato il 2026-11-15).

# Alternative ad Artificial Analysis: dove confrontare gli LLM nel 2026

A cura del team di BroadNet Inference · 7 min di lettura · Pubblicato 2026-11-15

Artificial Analysis è la principale fonte indipendente di velocità, latenza e punteggi di intelligenza degli LLM per provider di API. Ogni alternativa misura altro: Arena classifica la preferenza umana, Epoch AI e Vals AI pubblicano risultati di benchmark, OpenRouter classifica l’utilizzo, e i database di prezzi come quello di BroadRouter (il sito di BroadNet) elencano solo prezzi. Usane due insieme, poi testa sui tuoi dati.

## Punti chiave

-   Artificial Analysis vince sulla velocità e sulla latenza misurate per endpoint di ogni provider: cronometra richieste reali e ne fa la media sugli ultimi 5 giorni.
-   Arena (ex LMArena) classifica i modelli con voti umani alla cieca; Epoch AI e Vals AI pubblicano punteggi di benchmark; OpenRouter classifica per token elaborati, non per qualità.
-   Epoch AI offre download in CSV con licenza CC BY; Artificial Analysis ha un’API gratuita che richiede l’attribuzione.
-   BroadRouter è il sito di BroadNet. I suoi dati sui prezzi elencano i prezzi pubblicati dai provider con le fonti; non misura velocità né qualità.
-   Nessuna classifica sostituisce un test su 50–100 dei tuoi input.

**In questa pagina**

1.  In cosa è forte Artificial Analysis?
2.  Quali alternative ad Artificial Analysis esistono?
3.  In cosa è diversa Arena?
4.  Quando sono più adatti Epoch AI e Vals AI?
5.  Cosa mostrano davvero le classifiche di OpenRouter?
6.  Vale ancora la pena usare la Open LLM Leaderboard di Hugging Face?
7.  Dove si confrontano i modelli per l’arabo?
8.  Dove si collocano i dati sui prezzi di BroadRouter?
9.  Come combinare questi siti?
10.  Dove si colloca BroadNet Inference

Artificial Analysis è spesso la prima tappa quando confronti API LLM, perché cronometra richieste reali verso ogni provider. Ma è solo una prospettiva. Altri siti classificano per voti umani, per punteggi di benchmark, per utilizzo o per prezzo, e ognuno risponde a una domanda diversa. Questa guida spiega cosa misura ciascuno, come, quali dati puoi portarti via e quando usarlo. Ogni informazione qui sotto è stata letta sulle pagine dei siti stessi il 15 novembre 2026.

Prima una premessa: BroadRouter è il sito di BroadNet. Indirizza gli sviluppatori verso BroadNet Inference e pubblica dati sui prezzi. Non fa benchmark dei modelli, e compare in questo elenco solo per i prezzi.

## In cosa è forte Artificial Analysis?

Artificial Analysis si descrive come «Independent analysis of AI» (traduzione: «Analisi indipendente dell’IA»). La sua [pagina sulla metodologia](https://artificialanalysis.ai/methodology) spiega tre cose che fa e che pochi altri fanno:

-   **Velocità per endpoint di provider.** La velocità di output è «output tokens per second over each request’s full duration» (traduzione: «token di output al secondo sull’intera durata di ogni richiesta»), token di ragionamento compresi, in media «over the workloads we measured in the past 5 days» (traduzione: «sui carichi che abbiamo misurato negli ultimi 5 giorni»). Poiché un modello «may have multiple endpoints across different providers» (traduzione: «può avere più endpoint presso provider diversi»), puoi vedere lo stesso modello girare più veloce su un host che su un altro.
-   **Latenze confrontabili.** Riporta il tempo al primo token, il tempo al primo token della risposta (che include il ragionamento, così modelli con e senza ragionamento si confrontano in modo equo) e il tempo totale.
-   **Valutazioni proprie.** L’Intelligence Index v5.0.1 combina nove valutazioni in quattro gruppi di pari peso (lavoro di conoscenza, coding, scienze, generale). Diverse sono benchmark suoi o sue esecuzioni di task altrui, con il numero di ripetizioni dichiarato.

La sua classifica dei provider copre «over 500 AI Model endpoints» (traduzione: «oltre 500 endpoint di modelli di IA») con costo per task, tempo per task, latenza al primo token della risposta, tasso di errore, finestra di contesto e licenza. I prezzi sono «the current prices listed by providers» (traduzione: «i prezzi attuali indicati dai provider»), e il suo prezzo misto usa un rapporto 7:2:1 tra token in cache, di input e di output. Ricalcola mentalmente quel mix se il tuo carico è sbilanciato sull’output.

Se ti servono velocità e tassi di errore misurati per provider, è difficile da sostituire. Si cercano alternative quando si vuole un segnale diverso: la preferenza umana, un dominio specifico, dati grezzi scaricabili o un listino prezzi con una fonte per ogni riga.

## Quali alternative ad Artificial Analysis esistono?

| Sito | Cosa misura | Metodo | Dati che puoi portarti via | Ideale per |
| --- | --- | --- | --- | --- |
| [Artificial Analysis](https://artificialanalysis.ai/) | Indice di intelligenza, velocità di output, latenza, tasso di errore, prezzo per endpoint | Esegue valutazioni proprie e richieste cronometrate; finestra mobile di 5 giorni per la velocità | API gratuita, attribuzione obbligatoria | Velocità e latenza per provider |
| [Arena](https://arena.ai/leaderboard) (ex LMArena) | Preferenza umana | Due modelli anonimi rispondono, una persona vota, i nomi si rivelano dopo | Dataset di preferenze aperti su Hugging Face | Come le risposte vengono percepite dalle persone |
| [Epoch AI Benchmarking Hub](https://epoch.ai/benchmarks) | Punteggi di benchmark nel tempo | Esegue alcuni benchmark in proprio con Inspect; raccoglie gli altri dalle classifiche ufficiali | CSV e un client Python; i suoi dati sono CC BY | Tendenze e punteggi grezzi |
| [Vals AI](https://www.vals.ai/benchmarks) | Accuratezza per dominio, costo e latenza | 42 benchmark, alcuni privati o tenuti da parte | Non indicato nella pagina dei benchmark | Legale, finanza, fisco e altri domini |
| [Classifiche di OpenRouter](https://openrouter.ai/rankings) | Utilizzo | Token elaborati tramite OpenRouter, in intervalli giornalieri UTC | API pubblica dei modelli con prezzi | Cosa usano davvero gli sviluppatori |
| [Open LLM Leaderboard](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/about) (Hugging Face) | Punteggi dei modelli open-weight | Sei benchmark con l’harness di Eleuther AI | Dataset dei risultati e delle richieste | Confrontare checkpoint open |
| [Dati sui prezzi di BroadRouter](https://broadrouter.com/data/llm-api-provider-prices/) (sito di BroadNet) | Solo prezzi pubblicati | Letti dalla pagina prezzi di ogni provider, con URL, data e citazione | CSV e JSON, CC BY 4.0 per la raccolta | Verificare un prezzo alla fonte |

## In cosa è diversa Arena?

Arena (lmarena.ai ora reindirizza ad arena.ai) chiede a persone reali di confrontare due risposte anonime e sceglierne una. I nomi dei modelli compaiono solo dopo il voto. Così misura la preferenza, che mescola accuratezza, tono, lunghezza e formattazione. La sua classifica ha tabelle separate, tra cui Text, WebDev, Vision, Document e Search, e la vista di Pareto mostra un costo per task. Arena dice di aver reso open source i suoi dati di preferenza su Hugging Face, utile se vuoi studiare i voti invece di leggere una posizione in classifica.

Usala per vedere come una risposta in chat viene accolta dalle persone. Non usarla per scegliere un provider di API: classifica modelli, non host, e non dice nulla sulla velocità di un dato endpoint.

## Quando sono più adatti Epoch AI e Vals AI?

**Epoch AI** mantiene un database di risultati di benchmark: quando l’abbiamo controllato seguiva 99 benchmark e 428 modelli. Alcuni risultati li produce in proprio con il framework Inspect; gli altri arrivano dalle classifiche ufficiali curate dagli autori dei benchmark. Puoi scaricare i dati in CSV o usare il suo client Python. I suoi dati sono liberamente riutilizzabili citando la fonte, con licenza CC BY; i risultati di fonte esterna mantengono le licenze originali. Scegli Epoch quando vuoi punteggi grezzi o una linea di tendenza, non un indice unico.

**Vals AI** esegue 42 benchmark tra legale, finanza, sanità, coding, matematica e altro, e alcuni set sono privati o tenuti da parte, il che riduce il rischio che un modello sia stato addestrato sul test. Le sue classifiche confrontano accuratezza, costo e latenza, e il suo Inference Provider Index confronta i provider per accuratezza, costo e velocità. Il suo indice composito, il Vals Index, pesa i settori in base alla loro quota del PIL statunitense. Scegli Vals quando il tuo task somiglia a uno dei suoi domini.

## Cosa mostrano davvero le classifiche di OpenRouter?

L’utilizzo. Ogni modello è classificato in base ai «tokens it processed through the OpenRouter API» (traduzione: «token che ha elaborato tramite l’API di OpenRouter»), prompt e completamento insieme, sugli ultimi uno, sette o trenta giorni. La pagina dice chiaramente che le classifiche «do not rank models by accuracy, reasoning ability, or benchmark performance» (traduzione: «non classificano i modelli per accuratezza, capacità di ragionamento o prestazioni nei benchmark»). Un modello che scrive risposte lunghe o gira in lunghi loop di agenti sale in classifica. Leggila come un segnale di popolarità e un elenco di modelli da testare. OpenRouter ha anche un endpoint pubblico dei modelli con i prezzi per modello, che riguarda quanto fa pagare OpenRouter, non quanto fa pagare direttamente ciascun host.

## Vale ancora la pena usare la Open LLM Leaderboard di Hugging Face?

Per i checkpoint open-weight, sì, con cautela. La documentazione di Hugging Face dice che la prima versione è stata archiviata a giugno 2024 e sostituita. La versione attuale valuta i modelli su IFEval, BBH, MATH livello 5, GPQA, MuSR e MMLU-Pro con l’harness di valutazione di Eleuther AI, e pubblica i risultati come dataset. Valuta file di modelli, non API ospitate, quindi non può dirti nulla su prezzo, velocità o su come un provider serve il modello.

## Dove si confrontano i modelli per l’arabo?

Le classifiche generaliste dicono poco sull’arabo, e i filtri visibili di Arena non includono la lingua. Due Space di Hugging Face colmano in parte il vuoto:

-   La [Open Arabic LLM Leaderboard](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard), gestita dall’organizzazione OALL, per il testo in arabo.
-   La [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard), descritta come «a benchmark for open-source multi-dialect Arabic ASR models» (traduzione: «un benchmark per modelli ASR arabi open source multi-dialetto»), per il riconoscimento vocale. BroadNet riporta che il suo modello Transcribe Arabic è #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026). È un dato di BroadNet, e la classifica cambia man mano che si aggiungono modelli.

Leggi i risultati vocali per dialetto, non solo la media. [Il word error rate dell’ASR arabo spiegato](https://broadrouter.com/it/blog/arabic-asr-wer-explained/) mostra come.

## Dove si collocano i dati sui prezzi di BroadRouter?

BroadRouter pubblica tre risorse sui prezzi: le [pagine dei prezzi delle API LLM](https://broadrouter.com/it/llm-api-pricing/) per modello, l’[indice dei prezzi](https://broadrouter.com/data/llm-api-price-index/) con mediane e forbici, e il [database grezzo dei prezzi dei provider](https://broadrouter.com/data/llm-api-provider-prices/). Ogni riga è letta dalla pagina prezzi del provider e salvata con URL della fonte, data e citazione letterale, e uno script settimanale riscarica le fonti. Non si usa alcun feed di aggregatori.

Quello che non fa conta altrettanto:

-   **Non misura velocità, latenza, uptime né qualità.** Per quelli, usa Artificial Analysis, Arena, Epoch AI o Vals AI.
-   **Contiene solo prezzi di terzi.** I prezzi di BroadNet sono nel suo [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-artificial-analysis-alternatives&utm_content=body) e nella [pagina dei prezzi](https://broadrouter.com/it/pricing/).
-   **È il sito di BroadNet**, quindi trattalo come la raccolta di un fornitore che puoi verificare riga per riga, non come un giudice neutrale.

## Come combinare questi siti?

1.  **Fai la rosa sulla qualità.** Usa Arena per la resa in chat ed Epoch AI o Vals AI per i punteggi sui task del tuo dominio. Tieni da tre a cinque modelli.
2.  **Verifica la velocità sull’host che userai.** Artificial Analysis mostra velocità e latenza per endpoint. [La latenza degli LLM spiegata](https://broadrouter.com/it/blog/llm-latency-ttft-throughput/) chiarisce quale numero conta per la tua app.
3.  **Verifica il prezzo alla fonte.** Usa un database di prezzi per trovare i provider, poi apri la pagina di ciascun provider. Guarda i prezzi dell’input in cache e dell’output, che per molti carichi spostano la fattura più dell’input.
4.  **Testa sui tuoi dati.** Fai passare 50–100 input reali da ogni finalista e dai un punteggio. Un [benchmark](https://broadrouter.com/it/glossary/llm-benchmark/) predice i tuoi risultati solo nella misura in cui i suoi task somigliano ai tuoi. [Come valutare un LLM prima di cambiare](https://broadrouter.com/it/blog/evaluate-llm-before-switching/) spiega il metodo, e la [checklist in 20 punti per scegliere il provider](https://broadrouter.com/it/blog/choose-llm-api-provider-checklist/) copre limiti, privacy e supporto.

## Dove si colloca BroadNet Inference

BroadNet Inference è un’API compatibile con OpenAI, non una classifica. Serve un piccolo insieme di modelli: DeepSeek V4.1 Flash (ospitato da partner), GLM 5.3, Qwen3.8 27B, Gemma 4 VL 26B e due modelli di speech-to-text. Tool calling e output strutturato sono documentati solo per GLM 5.3 e Qwen3.8 27B. Gli account self-service non hanno SLA, e non ci sono API batch né embedding. Se uno di questi modelli entra nella tua rosa, il credito iniziale di $5 copre Gemma 4 VL 26B, entrambi i modelli Transcribe e le chiavi orarie Gemma, così puoi eseguire il passo 4 sui tuoi input prima di pagare; DeepSeek, GLM e Qwen richiedono una ricarica. Prompt e risposte non vengono conservati. [Confronta i modelli](https://broadrouter.com/it/models/) o [crea un account](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-artificial-analysis-alternatives&utm_content=body).

Strumenti gratuiti sul tema (in inglese)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

[Token](https://broadrouter.com/it/glossary/token/)

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Speech-to-text (riconoscimento vocale)](https://broadrouter.com/it/glossary/speech-to-text/)

Lo speech-to-text, detto anche riconoscimento automatico del parlato (ASR), è la tecnologia che converte l’audio parlato in testo scritto. Un’API speech-to-text riceve un file o uno stream audio e restituisce una trascrizione, di solito a prezzo per minuto di audio. L’accuratezza si misura con il word error rate e varia con accento, dialetto e qualità della registrazione.

[Token al secondo (tokens per second)](https://broadrouter.com/it/glossary/tokens-per-second/)

I token al secondo (TPS) sono la velocità con cui un modello linguistico genera token di output, di solito misurata per una richiesta dopo l’arrivo del primo token. Stabiliscono quanto scorre veloce una risposta una volta partita. Sommati su tutte le richieste concorrenti diventano throughput di sistema; l’attesa del primo token si misura a parte.

[Provider di inferenza (inference provider)](https://broadrouter.com/it/glossary/inference-provider/)

Un provider di inferenza è un’azienda che fa girare modelli di machine learning, spesso LLM open-weight, su GPU di proprietà, in leasing o a noleggio, e ne vende l’accesso tramite un’API, di solito a prezzo per token, per richiesta o per unità di tempo. Si occupa di serving, scalabilità e hardware.

[Time to first token (TTFT)](https://broadrouter.com/it/glossary/time-to-first-token/)

Il time to first token (TTFT) è il tempo che passa dall’invio di una richiesta a un modello linguistico all’arrivo del primo token di output. Comprende il tempo di rete, la coda sul server e il prefill, la fase in cui il modello legge l’intero prompt, quindi cresce con la lunghezza del prompt e con il carico.

[Token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/)

I token di input sono quelli che un modello linguistico legge in una richiesta: system prompt, cronologia, definizioni degli strumenti e immagini. I token di output sono quelli che genera in risposta, ragionamento compreso. Le API LLM di solito li prezzano separatamente, e l’output costa di più.

[Token di input in cache (cached input)](https://broadrouter.com/it/glossary/cached-input-tokens/)

I token di input in cache sono token del prompt che un provider LLM ha elaborato da poco e può riusare da una cache invece di ricalcolarli, di solito un prefisso ripetuto come un system prompt o un documento. I provider li fatturano a una tariffa più bassa dei token di input nuovi.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

## Domande frequenti

### Qual è la migliore alternativa ad Artificial Analysis?

Dipende da cosa vuoi confrontare. Per la preferenza umana, usa Arena. Per punteggi di benchmark scaricabili, Epoch AI. Per task di dominio come legale, finanza e fisco, Vals AI. Per sapere cosa usano davvero gli sviluppatori, le classifiche di OpenRouter. Per la velocità misurata per provider, tra questi siti Artificial Analysis non ha un vero sostituto.

### Artificial Analysis ha un’API?

Sì. La sua documentazione (verificata il 15 novembre 2026) descrive un’API gratuita «focused on model benchmarks» (traduzione: «incentrata sui benchmark dei modelli»), con una chiave dalla sua Insights Platform. Per ogni uso dell’API gratuita è obbligatoria l’attribuzione ad artificialanalysis.ai. Ai partner viene offerta un’API commerciale con più dati.

### La Open LLM Leaderboard di Hugging Face è ancora utile?

Secondo la documentazione di Hugging Face, la prima versione è stata archiviata a giugno 2024. La versione 2 valuta i modelli open-weight su sei benchmark come IFEval, GPQA e MMLU-Pro, con i risultati in dataset pubblici. Copre checkpoint open-weight, non API ospitate, e non dice nulla su prezzo o velocità.

### Le classifiche di OpenRouter mostrano qual è il modello migliore?

No. La pagina delle classifiche dice che contano i token elaborati tramite OpenRouter e che «do not rank models by accuracy, reasoning ability, or benchmark performance» (traduzione: «non classificano i modelli per accuratezza, capacità di ragionamento o prestazioni nei benchmark»). Mostrano la popolarità, che i modelli prolissi e i lunghi loop degli agenti gonfiano.

### BroadRouter fa benchmark dei modelli?

No. BroadRouter è il sito di BroadNet. Pubblica i prezzi letti dalle pagine dei provider, con fonti e date, più misurazioni dei tokenizer. Non misura velocità, latenza né qualità delle risposte, quindi non sostituisce Artificial Analysis né un sito di benchmark.

### Dove si possono confrontare i modelli per l’arabo?

Per il testo in arabo, la Open Arabic LLM Leaderboard (OALL) su Hugging Face. Per il riconoscimento vocale in arabo, la Open Universal Arabic ASR Leaderboard, che si descrive come un benchmark per modelli ASR arabi open source multi-dialetto. Leggi i word error rate per dialetto, non solo la media.

## Continua a leggere

-   [Come valutare un LLM prima di cambiare provider](https://broadrouter.com/it/blog/evaluate-llm-before-switching/)
-   [Come scegliere un provider di API LLM: checklist in 20 punti](https://broadrouter.com/it/blog/choose-llm-api-provider-checklist/)
-   [Prezzi dei modelli open-weight: 6 provider di inferenza a confronto](https://broadrouter.com/it/blog/llm-inference-provider-pricing-compared/)
-   [Latenza degli LLM: TTFT, token al secondo e tempo end-to-end](https://broadrouter.com/it/blog/llm-latency-ttft-throughput/)
-   [Word error rate (WER) nell’ASR in arabo: guida pratica](https://broadrouter.com/it/blog/arabic-asr-wer-explained/)
-   [SLA delle API LLM: cosa promettono Azure, Bedrock, Google e OpenAI](https://broadrouter.com/it/blog/llm-api-sla-uptime-compared/)
-   [I modelli che BroadNet ha valutato e scartato, e perché](https://broadrouter.com/it/blog/models-broadnet-ruled-out/)
-   [Guida: Provare BroadNet Inference nel browser, senza account](https://broadrouter.com/it/guides/try-broadnet-inference-playground/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-artificial-analysis-alternatives&utm_content=page-cta) ·

**Fonti**

-   [Artificial Analysis, home page: «Independent analysis of AI» (verificata il 2026-11-15)](https://artificialanalysis.ai/)
-   [Artificial Analysis, metodologia: velocità di output, latenza, finestra di 5 giorni, prezzo misto (verificata il 2026-11-15)](https://artificialanalysis.ai/methodology)
-   [Artificial Analysis, valutazioni dell’Intelligence Index v5.0.1 (verificate il 2026-11-15)](https://artificialanalysis.ai/methodology/intelligence-benchmarking)
-   [Artificial Analysis, classifica dei provider di API: oltre 500 endpoint di modelli (verificata il 2026-11-15)](https://artificialanalysis.ai/leaderboards/providers)
-   [Artificial Analysis, documentazione API: API gratuita, attribuzione obbligatoria (verificata il 2026-11-15)](https://artificialanalysis.ai/documentation)
-   [Arena (ex LMArena), come funziona: sfide alla cieca, dataset di preferenze aperti (verificata il 2026-11-15)](https://arena.ai/how-it-works)
-   [Categorie della classifica di Arena (verificate il 2026-11-15)](https://arena.ai/leaderboard)
-   [Classifiche di OpenRouter: token elaborati, finestre temporali, non una classifica di qualità (verificate il 2026-11-15)](https://openrouter.ai/rankings)
-   [Riferimento API di OpenRouter, elenco dei modelli: catalogo pubblico con prezzi (verificato il 2026-11-15)](https://openrouter.ai/docs/api-reference/list-available-models)
-   [Epoch AI Benchmarking Hub: risultati interni ed esterni, CSV, CC BY (verificato il 2026-11-15)](https://epoch.ai/benchmarks)
-   [Benchmark di Vals AI: 42 benchmark, set privati, Inference Provider Index (verificati il 2026-11-15)](https://www.vals.ai/benchmarks)
-   [Documentazione di Hugging Face, Open LLM Leaderboard v1: archiviata a giugno 2024 (verificata il 2026-11-15)](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/archive)
-   [Documentazione di Hugging Face, task e dataset dei risultati della Open LLM Leaderboard (v2) (verificata il 2026-11-15)](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/about)
-   [Open Arabic LLM Leaderboard (OALL) su Hugging Face (verificata il 2026-11-15)](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard)
-   [Open Universal Arabic ASR Leaderboard su Hugging Face (verificata il 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine, pricing.json (verificati il 2026-11-15) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-artificial-analysis-alternatives&utm_content=sources)
