BroadRouter
Inizia

Alternative ad Artificial Analysis: dove confrontare gli LLM nel 2026

A cura del team di BroadNet Inference · 7 min di lettura · Pubblicato

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.

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 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 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 (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 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 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 Utilizzo Token elaborati tramite OpenRouter, in intervalli giornalieri UTC API pubblica dei modelli con prezzi Cosa usano davvero gli sviluppatori
Open LLM Leaderboard (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 (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, gestita dall’organizzazione OALL, per il testo in arabo.
  • La 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 mostra come.

Dove si collocano i dati sui prezzi di BroadRouter?

BroadRouter pubblica tre risorse sui prezzi: le pagine dei prezzi delle API LLM per modello, l’indice dei prezzi con mediane e forbici, e il database grezzo dei prezzi dei provider. 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 e nella pagina dei prezzi.
  • 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 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 predice i tuoi risultati solo nella misura in cui i suoi task somigliano ai tuoi. Come valutare un LLM prima di cambiare spiega il metodo, e la checklist in 20 punti per scegliere il provider 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 o crea un account.

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.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity

Fonti