Comparaison des capacités des modèles d'IA
Travail de connaissance
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.
— means no published score for this candidate in this source, not zero.
| N° | Modèle | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 42.5ScoreClaude Opus 5.5 | 3.8Claude Opus 5.5 | 58.6Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 41.4ScoreGPT-6 Astra | 5.4GPT-6 Astra | 53.5GPT-6 Astra | 63.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 31.4ScoreClaude Fable 5.1 | 6.7Claude Fable 5.1 | 58.9Claude Fable 5.1 | 65.8Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 51.3ScoreGemini 4 Argon | 19.6Gemini 4 Argon | 65.4Gemini 4 Argon | 68.9Gemini 4 Argon |
| 6 | Claude Sonnet 5.5 | — | — | — | — |
| 7 | Claude Opus 5 | — | — | — | — |
| 8 | GPT-6 Sol | — | — | — | — |
| 9 | GPT-6 Luna | — | — | — | — |
| 10 | Claude Haiku 5.5 | — | — | — | — |
| 11 | Claude Mythos Preview | — | — | — | — |
Google DeepMind (model card)
Source: Google DeepMind (model card) ↗
Fiche de modèle Google : résultats de l'éditeur et scores tiers republiés, en date d'octobre 2026. Voir la méthodologie pour les paramètres d'évaluation ; ce ne sont pas toutes des évaluations indépendantes. Méthodologie d'évaluation ↗
AutomationBench — Score · Source date unknown
Harvey's Legal Agent Benchmark · Source date unknown
Vals Finance Agent v2 · Source date unknown
Vals Index · 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.
- AutomationBench — ScoreBenchmark d'automatisation — score
- Teste si un agent termine des workflows métier à travers plusieurs applications. Les scores officiels utilisent un ensemble de tâches privé et vérifient l'état final du workflow. Méthodologie d'évaluation ↗
- Harvey's Legal Agent BenchmarkBenchmark de l'agent juridique Harvey
- Teste des agents lisant et modifiant des fichiers pour produire des livrables juridiques à plusieurs étapes. Une tâche n'est réussie que lorsque chaque exigence de notation est satisfaite. Le score est le taux de réussite moyen des tâches selon deux évaluateurs ; plus il est élevé, mieux c'est. Il ne s'agit pas du pourcentage de critères individuels réussis, et il mesure les flux de travail d'agents juridiques plutôt que les questions de raisonnement juridique de LegalBench. Méthodologie d'évaluation ↗
- Vals Finance Agent v2Agent financier Vals v2
- Teste l'analyse financière avec des outils de recherche, de rapports financiers et de calcul, notamment des vérifications de données entre documents, des comparaisons de performance d'entreprise et la valorisation. La métrique principale est Partial Credit, moyenné sur trois exécutions : les vérifications de réponse reçoivent des pondérations fondées sur la gravité, et une erreur critique éliminatoire fait tomber le score de cette question à zéro. Plus élevé, c'est mieux. Cette métrique est distincte de la métrique All-Pass séparée et ne correspond pas au taux de réussite de questions entières. Méthodologie d'évaluation ↗
- Vals IndexIndice composite Vals
- Indice composite de tâches professionnelles dans des domaines tels que la finance, la programmation et le droit. Son score en pourcentage combine des résultats de benchmarks à l'aide de la méthode de pondération pour cette version publiée ; un score plus élevé signifie une performance globale plus forte, et non l'exactitude d'une seule tâche. Les domaines inclus et les pondérations changent selon les versions, donc la méthodologie plus récente ne doit pas être appliquée rétrospectivement à des instantanés de scores plus anciens. Méthodologie d'évaluation ↗
Interprétez les scores au sein d'un même benchmark, d'une même source et d'une même version. Des valeurs plus élevées indiquent une meilleure performance sur la métrique rapportée, mais les différentes colonnes ne partagent pas une échelle commune.