Metodologia del fedi-index
Fonti, licenze, pesi e formule dell'indice — generati dalla stessa configurazione usata per il calcolo.
Metodologia v1 · Dati in tempo reale di 2026-10 (ricalcolati ogni giorno) · Storico · JSON
- Nell'indice entrano solo fonti con licenza aperta esplicita (CC BY, MIT, Apache); le fonti ancora in attesa di autorizzazione restano disattivate.
- Contano le esecuzioni indipendenti; i dati dichiarati dai produttori sono mostrati con un'etichetta e non ricevono peso.
- Una famiglia di fonti vale un voto: categorie correlate degli stessi votanti non si sommano.
- Ogni punteggio ha una scomposizione pubblica: componente, fonte, valore, peso e data.
- L'incertezza è visibile: ogni punteggio ha il suo intervallo, pochi dati significano «provvisorio».
Fonti e licenze
| Fonte | Famiglia | Licenza | Nell'indice |
|---|---|---|---|
| LMArena Arena Leaderboard Dataset by LMArena, CC BY 4.0. Modified by fedi.software (equated, weighted, aggregated). Not endorsed by LMArena. | Arena (voti umani) | CC BY 4.0 | sì |
| 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 (benchmark) | CC BY 4.0 | sì |
| 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 (agenti) | MIT | sì |
| LiveBench | LiveBench | — | in attesa di autorizzazione |
| Terminal-Bench | Terminal-Bench | — | in attesa di autorizzazione |
| SWE-rebench | SWE-rebench | — | in attesa di autorizzazione |
| Toolathlon | Toolathlon | — | in attesa di autorizzazione |
| models.dev Pricing: models.dev, MIT License, © 2025 models.dev. | modelsdev | MIT | sì |
| LiteLLM Pricing: LiteLLM model_prices_and_context_window.json, MIT License, © 2023 Berri AI. | litellm | MIT | sì |
| Hugging Face Downloads (30 days): Hugging Face Hub, as of the snapshot date. | hf | — | sì |
Categorie e pesi
Generale
Arena (voti umani) quota 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 (benchmark) quota 50%
- Epoch Capabilities Index
eci3 - GPQA Diamond
gpqa_diamond0,50 - SimpleQA Verified
simpleqa_verified0,50
Codice
Arena (voti umani) quota 60%
- text/coding
text/coding1,5 - webdev/overall
webdev/overall1,5
Epoch AI (benchmark) quota 40%
- SWE-bench Verified
swe_bench_verified1
Agenti
Arena (voti umani) quota 60%
- agent/overall
agent/overall1
τ²-bench (agenti) quota 40%
- τ-Knowledge banking
tau2/banking_knowledge1,5 - τ²-bench retail
tau2/retail1 - τ²-bench airline
tau2/airline1 - τ²-bench telecom
tau2/telecom1
Matematica
Arena (voti umani) quota 50%
- text/math
text/math1
Epoch AI (benchmark) quota 50%
- FrontierMath Tiers 1–3
frontiermath_t1_32 - FrontierMath Tier 4
frontiermath_t41
Visione provvisorio
Arena (voti umani) quota 100%
- vision/overall
vision/overall2 - vision/ocr
vision/ocr0,50 - vision/diagram
vision/diagram0,50
Ricerca provvisorio
Arena (voti umani) quota 100%
- search/overall
search/overall1
Scrittura provvisorio
Arena (voti umani) quota 100%
- text/creative_writing
text/creative_writing2 - text/longer_query
text/longer_query1
Lingue provvisorio
Voti Arena in ciascuna lingua; la categoria è mostrata nella versione del sito in quella lingua.
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
Benchmark e loro età
| Componente | Versione rilasciata |
|---|---|
Epoch Capabilities Index eci |
in tempo reale (senza obsolescenza) |
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 |
Una versione più vecchia del benchmark riceve meno peso (contaminazione, saturazione): il peso si dimezza ogni decay_half_life mesi, fino a decay_min.
Formule
Ogni componente è riportata sulla scala Arena tramite equating lineare sui modelli misurati da entrambe (ancora A = Arena text overall). I parametri sono fissati sullo snapshot di riferimento della versione della metodologia, così i mesi restano confrontabili.
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)
All'interno di una categoria le componenti sono mediate con i loro pesi, l'affidabilità (τ) e l'età del benchmark; un modello con pochi dati viene avvicinato al prior. Parametri:
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 = il peggiore tra il tier per percentile e il tier per intervallo di confidenza; un modello con una sola famiglia di fonti ottiene al massimo A.
Tier = il peggiore tra il tier per percentile e il tier per intervallo di confidenza; un modello con una sola famiglia di fonti ottiene al massimo A.
provisional_max- A
S ≥ p95A ≥ p80B ≥ p50C ≥ p25 D < p25
Tier per intervallo di confidenza (limite superiore della posizione / modelli): S ≤ 10% · A ≤ 30% · B ≤ 60% · C ≤ 85%
Qualità-prezzo: quanto vale ciò che paghi
Il rapporto qualità-prezzo è la distanza sopra la retta di regressione della qualità sul log₂ del prezzo; il prezzo è la mediana dei provider.
slice- general
input_share- 3
output_share- 1
price_sources- modelsdev, litellm
unit- 1m_tokens
Sul tuo hardware
Locale: solo pesi aperti, la migliore quantizzazione che entra in una configurazione, il punteggio scalato in base alla velocità di generazione.
slice- general
context- 8.192
speed_ref- 20
low_penalty- 0,60
- GPU 12 GB
- GPU 24 GB
- Mac 64 GB
- 128 GB di memoria unificata
- CPU, 32 GB di RAM
Dati, licenza e archivio
L'indice (i nostri numeri e le scomposizioni) è CC BY 4.0: «fedi-index by fedi.software» con un link. Le componenti mantengono le licenze delle rispettive fonti, elencate in sources[] del JSON.
Il 1° di ogni mese viene congelato uno snapshot che non cambia più; una nuova versione della metodologia avvia una nuova serie.
JSON mensile: 2026-10
Registro delle modifiche
- 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.