Distribution des performances
Google
Anthropic
OpenAI
Z AI
DeepSeek
Kimi
Meta
Alibaba
Xiaomi| Provider | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 frontier | Anthropic | 58 | 86.5 | 92.2 | 96.3 | – | – | $5.98 |
| 2 | Claude Sonnet 5.5 frontier | Anthropic | 56 | 82.5 | 91.6 | 94.7 | – | – | $5.46 |
| 3 | Claude Fable 5.1 frontier | Anthropic | 53 | 88.0 | 91.7 | 97.7 | – | – | $7.63 |
| 4 | GPT-6 Astra frontier | OpenAI | 53 | 86.1 | 92.7 | 93.7 | – | – | $3.26 |
| 5 | Gemini 4 Argon frontier | 53 | 84.1 | 95.1 | 89.7 | – | – | $1.99 | |
| 6 | Muse Wonder 1.0 frontier | Meta | 52 | 78.1 | 90.6 | 86.2 | – | – | $4.52 |
| 7 | GPT-6.1 Sol frontier | OpenAI | 52 | 85.4 | 92.6 | 96.0 | – | – | $0.72 |
| 8 | Muse Spark 1.3 frontier | Meta | 48 | 74.8 | 89.7 | 90.2 | – | – | $1.60 |
| 9 | Grok 4.7 frontier | SpaceXAI | 46 | 74.1 | 82.7 | 84.5 | – | – | $3.74 |
| 10 | MiMo V2.6 Pro open-source | Xiaomi | 46 | 74.9 | 79.6 | 81.5 | – | – | $0.13 |
| 11 | Qwen3.8 Max open-source | Alibaba | 45 | 64.2 | 88.2 | 60.3 | – | – | $5.41 |
| 12 | DeepSeek V4.1 Flash 1017 open-source | DeepSeek | 45 | 79.2 | 89.1 | 96.0 | – | – | $0.26 |
| 13 | GLM-5.3 open-source | Z AI | 45 | 60.7 | 85.8 | 82.8 | – | – | $2.01 |
| 14 | Step 5 (Preview) open-source | StepFun | 44 | 62.0 | 83.8 | 85.6 | – | – | $1.03 |
| 15 | Kimi K3 open-source | Kimi | 44 | 63.4 | 90.7 | 59.3 | – | – | $2.00 |
| 16 | Claude Haiku 5.5 frontier | Anthropic | 43 | 75.6 | 82.4 | 91.4 | – | – | $0.21 |
Comprendre les mesures
Le rang général s'appuie sur la mesure de qualité primaire. Les autres colonnes donnent du contexte, sans favoriser un modèle dont des données seraient manquantes.
Intelligence Index
Indice composite indépendant couvrant raisonnement, expertise, code et tâches agentiques. Il sert de métrique primaire au classement.
LiveBench
Benchmark continuellement mis à jour – moyenne globale couvrant raisonnement, code, mathématiques, analyse et langage.
Raisonnement
Score de raisonnement – logique, déduction et résolution de problèmes complexes.
Code
Score de coding – génération, compréhension et debug de code.
Mathématiques
Score de mathématiques – résolution de problèmes, algèbre, calcul et statistiques.
SWE-bench
Résolution autonome de vrais bugs GitHub. Mesure la capacité de développement réelle.
Méthodologie
Les données sont collectées chaque jour depuis les classements publics ci-dessous. Un lot n'est publié que s'il contient assez de modèles valides et la mesure primaire attendue ; sinon, le dernier snapshot vérifié reste affiché.
Sources des données :
- Artificial Analysis – Intelligence Index et arènes Image, Vidéo, Voix et Musique
- LiveBench – raisonnement, code, mathématiques et moyenne globale
- SWE-bench – résolution autonome de bugs open-source
Le rang général suit l'Intelligence Index pour les LLM, l'Elo de l'arène pour Image/Vidéo/Voix, et la moyenne des deux Elo pour Musique. Les métriques secondaires restent informatives et ne compensent jamais une donnée primaire manquante.
Questions fréquentes
Comment est calculé le classement LLM ?
Le rang suit l'Intelligence Index d'Artificial Analysis. LiveBench et SWE-bench ajoutent des mesures de raisonnement, code, mathématiques et résolution de bugs, mais une donnée secondaire manquante ne peut pas améliorer artificiellement le rang.
Pourquoi un modèle récent peut-il manquer ?
Un modèle n'est publié que lorsqu'il possède une mesure primaire dans la source collectée. Cette règle évite de classer une annonce, une variante non évaluée ou un score estimé.
À quelle fréquence les données changent-elles ?
Les sept modalités sont vérifiées chaque jour. Si les sources sont indisponibles ou si le lot ne passe pas les contrôles de qualité, le dernier snapshot valide reste en ligne.