Comparaison des capacités des modèles d'IA
Utilisation d'ordinateur
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
Coarena · tâches mixtes
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| N° | Modèle | Moteur de l’agent | Effort de raisonnement | Intervalle à 95 % | |
|---|---|---|---|---|---|
| 1 |  GPT-6 Solgpt-6-sol | Coarena | medium | 1043 | 985–1101 |
| 2 | GPT-6.1 Solgpt-6.1-sol | Coarena | medium | 1025 | 965–1085 |
| 3 | GPT-6 Lunagpt-6-luna | Coarena | medium | 1018 | 966–1070 |
| 4 |  Claude Opus 5.5claude-opus-5-5 | Coarena | medium | 1010 | 973–1047 |
| 5 | Claude Fable 5.1claude-fable-5-1 | Coarena | medium | 1001 | 968–1034 |
| 6 | Claude Sonnet 5.5claude-sonnet-5-5 | Coarena | medium | 989 | 928–1050 |
| 7 | GPT-6 Astragpt-6-astra | Coarena | medium | 976 | 936–1016 |
Coarena · tâches mixtes
Source: Coarena ↗ · Récupéré 21 oct. 2026, 06:00 UTC
Coarena · tâches mixtes · Source date unknown
PandaNpc Mis à jour 21 oct. 2026, 06:01 UTC
Source: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guide des colonnes
- N°
- Ordre d'affichage uniquement. Le tri modifie ce numéro ; il ne s'agit pas d'un classement de capacité publié.
- Modèle
- Le nom du modèle évalué et l'icône de son fournisseur. Un tiret dans une colonne de score signifie qu'aucun score publié n'est disponible ici, et non un zéro.
- Moteur de l’agent
- Coarena
- Effort de raisonnement
- medium
- Score
- Note de préférence humaine en aveugle sur des tâches mixtes de navigateur, de bureau, de codage et de questions-réponses dans l’environnement d’évaluation de Coarena. Il s’agit d’une note Bradley–Terry, pas d’un pourcentage ni d’une réussite vérifiée à une tâche. L’intervalle est de 95 % ; des intervalles qui se chevauchent n’établissent pas de vainqueur. Il s’agit de résultats globaux, pas du sous-ensemble bureau. L’effort de raisonnement n’est affiché que lorsqu’il est publié. Le classement utilise les 20 000 dernières batailles jugées éligibles ; PandaNpc affiche son heure de récupération car cet instantané ne fournit aucun horodatage de calcul. Méthodologie d'évaluation ↗
- Intervalle à 95 %
- Intervalle à 95 %