Comparaison des capacités des modèles d'IA
Ingénierie ML
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 | 10/11 recent-year models have scores |
|---|---|---|
| 1 |  Claude Opus 5.5 | 31.2xhigh · claude_codeclaude-opus-5-5_xhigh |
| 2 |  GPT-6 Astra | 42.22xhigh · codex_cligpt-6-astra_xhigh |
| 3 | GPT-6.1 Sol | 38.25xhigh · codex_cligpt-6.1-sol_xhigh |
| 4 | Claude Fable 5.1 | 25.97xhigh · claude_codeclaude-fable-5-1_xhigh |
| 5 |  Gemini 4 Argon | 20.22high · gemini_cligemini-4-argon_high |
| 6 | Claude Sonnet 5.5 | 19.94xhigh · claude_codeclaude-sonnet-5-5_xhigh |
| 7 | Claude Opus 5 | 19.01xhigh · claude_codeclaude-opus-5_xhigh |
| 8 | GPT-6 Sol | 19.73xhigh · codex_cligpt-6-sol_xhigh |
| 9 | GPT-6 Luna | 7.87xhigh · codex_cligpt-6-luna_xhigh |
| 10 | Claude Haiku 5.5 | 11.7xhigh · claude_codeclaude-haiku-5-5_xhigh |
| 11 | Claude Mythos Preview | — |
Benchmarks Epoch AI
Source: Epoch AI, CC BY 4.0 ↗ · Mis à jour 2026-10-15
WeirdML v3 · Mis à jour 2026-10-12
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.
- WeirdML v3Apprentissage automatique non conventionnel v3
- Évalue l'apprentissage automatique et l'analyse de données sur des tâches peu familières avec un retour limité. Son score de progression composite n'est pas une précision de classification ordinaire. 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.