Metodologia do fedi-index
Fontes, licenças, pesos e fórmulas do índice — gerados a partir da mesma configuração usada no cálculo.
Metodologia v1 · Dados ao vivo de 2026-10 (recalculados diariamente) · Histórico · JSON
- Só entram no índice fontes com licença aberta explícita (CC BY, MIT, Apache); fontes que ainda aguardam permissão ficam desativadas.
- Execuções independentes contam; dados informados pelos próprios fabricantes aparecem com um rótulo e não recebem peso.
- Uma família de fontes é um único voto: categorias correlacionadas dos mesmos votantes não se somam.
- Toda pontuação tem uma decomposição pública: componente, fonte, valor, peso e data.
- A incerteza é visível: cada pontuação vem com seu intervalo, e poucos dados significam “provisório”.
Fontes e licenças
| Fonte | Família | Licença | No índice |
|---|---|---|---|
| LMArena Arena Leaderboard Dataset by LMArena, CC BY 4.0. Modified by fedi.software (equated, weighted, aggregated). Not endorsed by LMArena. | Arena (votos humanos) | CC BY 4.0 | sim |
| Epoch AI Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. CC BY. ECI by Epoch AI; Epoch-run results only. Modified by fedi.software. | Epoch AI (benchmarks) | CC BY 4.0 | sim |
| τ²-bench (Sierra) τ²-bench leaderboard, © Sierra Research, MIT License (Yao et al. 2024, arXiv:2406.12045; Barres et al. 2025, arXiv:2506.07982). Sierra-run text submissions only. | τ²-bench (agentes) | MIT | sim |
| LiveBench | LiveBench | — | aguardando permissão |
| Terminal-Bench | Terminal-Bench | — | aguardando permissão |
| SWE-rebench | SWE-rebench | — | aguardando permissão |
| Toolathlon | Toolathlon | — | aguardando permissão |
| models.dev Pricing: models.dev, MIT License, © 2025 models.dev. | modelsdev | MIT | sim |
| LiteLLM Pricing: LiteLLM model_prices_and_context_window.json, MIT License, © 2023 Berri AI. | litellm | MIT | sim |
| Hugging Face Downloads (30 days): Hugging Face Hub, as of the snapshot date. | hf | — | sim |
Categorias e pesos
Geral
Arena (votos humanos) participação 50%
- text/overall
text/overall2 - text/hard_prompts
text/hard_prompts2 - text/expert
text/expert1 - text/instruction_following
text/instruction_following1 - text/multi_turn
text/multi_turn0,50 - text/longer_query
text/longer_query0,50
Epoch AI (benchmarks) participação 50%
- Epoch Capabilities Index
eci3 - GPQA Diamond
gpqa_diamond0,50 - SimpleQA Verified
simpleqa_verified0,50
Código
Arena (votos humanos) participação 60%
- text/coding
text/coding1,5 - webdev/overall
webdev/overall1,5
Epoch AI (benchmarks) participação 40%
- SWE-bench Verified
swe_bench_verified1
Agentes
Arena (votos humanos) participação 60%
- agent/overall
agent/overall1
τ²-bench (agentes) participação 40%
- τ-Knowledge banking
tau2/banking_knowledge1,5 - τ²-bench retail
tau2/retail1 - τ²-bench airline
tau2/airline1 - τ²-bench telecom
tau2/telecom1
Matemática
Arena (votos humanos) participação 50%
- text/math
text/math1
Epoch AI (benchmarks) participação 50%
- FrontierMath Tiers 1–3
frontiermath_t1_32 - FrontierMath Tier 4
frontiermath_t41
Visão provisório
Arena (votos humanos) participação 100%
- vision/overall
vision/overall2 - vision/ocr
vision/ocr0,50 - vision/diagram
vision/diagram0,50
Busca provisório
Arena (votos humanos) participação 100%
- search/overall
search/overall1
Escrita provisório
Arena (votos humanos) participação 100%
- text/creative_writing
text/creative_writing2 - text/longer_query
text/longer_query1
Idiomas provisório
Votos da Arena em cada idioma; a categoria aparece na versão do site nesse idioma.
English — text/english · Русский — text/russian · Deutsch — text/german · Español — text/spanish · Français — text/french · 日本語 — text/japanese · 한국어 — text/korean · 繁體中文 — text/chinese · Polski — text/polish
Benchmarks e sua idade
| Componente | Versão lançada |
|---|---|
Epoch Capabilities Index eci |
ao vivo (sem defasagem) |
GPQA Diamond gpqa_diamond |
2023-11-20 |
SimpleQA Verified simpleqa_verified |
2025-09-09 |
FrontierMath Tiers 1–3 frontiermath_t1_3 |
2026-06-12 |
FrontierMath Tier 4 frontiermath_t4 |
2026-06-12 |
SWE-bench Verified swe_bench_verified |
2024-08-13 |
τ²-bench retail tau2/retail |
2024-06-17 |
τ²-bench airline tau2/airline |
2024-06-17 |
τ²-bench telecom tau2/telecom |
2025-06-09 |
τ-Knowledge banking tau2/banking_knowledge |
2026-03-04 |
Uma versão mais antiga do benchmark recebe menos peso (contaminação, saturação): o peso cai pela metade a cada decay_half_life meses, até decay_min.
Fórmulas
Cada componente é levado à escala da Arena por equalização linear sobre os modelos medidos por ambos (âncora A = Arena text overall). Os parâmetros são fixados no snapshot de referência da versão da metodologia, então os meses continuam comparáveis.
x_eq = μ_A + (x − μ_c) · σ_A / σ_c se_eq = se · σ_A / σ_c w_c = 8 · family_share[f] · base_w[c] / Σ base_w(f, present) rel_c = τ² / (τ² + se_eq²) w_eff = w_c · rel_c · decay_c · (self_report ? 0 : 1) Q = (Σ w_eff · x_eq + w0 · prior) / (Σ w_eff + w0) SE(Q) = √Σ (w_eff · se_eq)² / (Σ w_eff + w0)
Dentro de uma categoria, os componentes são combinados na média com seus pesos, confiabilidade (τ) e a idade do benchmark; um modelo com poucos dados é puxado para o prior. Parâmetros:
anchor- arena:text/overall
total_weight- 8
tau- 15
w0- 0,50
prior_pct- 25
min_anchors- 8
min_votes- 300
min_confidence- 0,90
decay_half_life- 18
decay_min- 0,25
outlier_sigma- 3
outlier_factor- 0,50
population_months- 18
jump_sigma- 3
Tier = o pior entre o tier por percentil e o tier pelo intervalo de confiança; um modelo com uma única família de fontes recebe no máximo A.
Tier = o pior entre o tier por percentil e o tier pelo intervalo de confiança; um modelo com uma única família de fontes recebe no máximo A.
provisional_max- A
S ≥ p95A ≥ p80B ≥ p50C ≥ p25 D < p25
Tier pelo intervalo de confiança (limite superior da posição / modelos): S ≤ 10% · A ≤ 30% · B ≤ 60% · C ≤ 85%
Custo-benefício: qualidade pelo preço
Custo-benefício é a distância acima da linha de regressão da qualidade sobre o log₂ do preço; o preço é a mediana dos provedores.
slice- general
input_share- 3
output_share- 1
price_sources- modelsdev, litellm
unit- 1m_tokens
No seu hardware
Local: apenas pesos abertos, a melhor quantização que cabe em uma configuração, a pontuação ajustada pela velocidade de geração.
slice- general
context- 8.192
speed_ref- 20
low_penalty- 0,60
- GPU 12 GB
- GPU 24 GB
- Mac 64 GB
- 128 GB de memória unificada
- CPU, 32 GB de RAM
Dados, licença e arquivo
O índice (nossos números e decomposições) é CC BY 4.0: “fedi-index by fedi.software” com link. Os componentes mantêm as licenças de suas fontes, listadas em sources[] do JSON.
Um snapshot é congelado no dia 1º de cada mês e nunca muda; uma nova versão da metodologia inicia uma nova série.
JSON mensal: 2026-10
Registro de alterações
- v1 2026-10-01 First version: LMArena + Epoch AI + τ²-bench, linear equating to Arena text Elo with parameters fixed on the reference snapshot, family shares, sub-scores arena / bench, value = residual of the price regression + Pareto, local = Fit on 5 stacks.
- v1.1 2026-10-01 Local quant floor: the quant is picked like local-fit (Q3 floor; below it only when nothing of Q3+ fits — "strong compression", ×0.6, ranked after every Q3+ model). Local only; the v1 scale and the published 2026-10 snapshot are unchanged.