Comparaison des capacités des modèles d'IA
Sciences et mathématiques
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 | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 9/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 31.71maxclaude-opus-5-5_max | 91.23maxclaude-opus-5-5_max | 95maxclaude-opus-5-5_max | 100maxclaude-opus-5-5_max | 90.59maxclaude-opus-5-5_max | — |
| 2 |  GPT-6 Astra | 31.71maxgpt-6-astra_max | 93.68maxgpt-6-astra_max | 97.6highgpt-6-astra_high | 99unknowngpt-6-astra_unknown | 95.77maxgpt-6-astra_max | 54.8unknowngpt-6-astra_unknown |
| 3 | GPT-6.1 Sol | 31.71maxgpt-6.1-sol_max | 93.68maxgpt-6.1-sol_max | 100maxgpt-6.1-sol_max | 99unknowngpt-6.1-sol_unknown | 95.39maxgpt-6.1-sol_max | — |
| 4 | Claude Fable 5.1 | 31.14xhighclaude-fable-5-1_xhigh | 90.18maxclaude-fable-5-1_max | 87.8maxclaude-fable-5-1_max | 100maxclaude-fable-5-1_max | — | 46.5xhighclaude-fable-5-1_xhigh |
| 5 |  Gemini 4 Argon | 27.14highgemini-4-argon_high | 85.96highgemini-4-argon_high | 78.05highgemini-4-argon_high | 99unknowngemini-4-argon_unknown | 96.4highgemini-4-argon_high | — |
| 6 | Claude Sonnet 5.5 | 31.43maxclaude-sonnet-5-5_max | 88.77maxclaude-sonnet-5-5_max | 80.49maxclaude-sonnet-5-5_max | 100maxclaude-sonnet-5-5_max | 95.58maxclaude-sonnet-5-5_max | 46.12xhighclaude-sonnet-5-5_xhigh |
| 7 | Claude Opus 5 | 29.14maxclaude-opus-5_max | 85.61maxclaude-opus-5_max | 73.17maxclaude-opus-5_max | 99maxclaude-opus-5_max | 93.88maxclaude-opus-5_max | — |
| 8 | GPT-6 Sol | 30.86maxgpt-6-sol_max | 89.82maxgpt-6-sol_max | 90maxgpt-6-sol_max | 83unknowngpt-6-sol_unknown | 94.32maxgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 19.43maxgpt-6-luna_max | 78.95maxgpt-6-luna_max | 56.1maxgpt-6-luna_max | 64unknowngpt-6-luna_unknown | 90.47maxgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 22.57xhighclaude-haiku-5-5_xhigh | 75.09maxclaude-haiku-5-5_max | 46.34maxclaude-haiku-5-5_max | 89maxclaude-haiku-5-5_max | 89.65maxclaude-haiku-5-5_max | 30.12unknownclaude-haiku-5-5_unknown |
| 11 | Claude Mythos Preview | — | — | — | — | — | — |
Benchmarks Epoch AI
Source: Epoch AI, CC BY 4.0 ↗ · Mis à jour 2026-10-15
CritPt · Mis à jour 2026-10-15
FrontierMath Tiers 1-3 · Mis à jour 2026-10-15
FrontierMath Tier 4 · Mis à jour 2026-10-15
ProofBench · Mis à jour 2026-10-12
GPQA Diamond · Mis à jour 2026-10-15
Humanity's Last Exam · Mis à jour 2026-10-07
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.
- CritPtProblèmes de physique de niveau recherche
- Évalue le raisonnement sur des problèmes de physique de niveau recherche non publiés dans divers domaines de la physique moderne. Méthodologie d'évaluation ↗
- FrontierMath Tiers 1-3Mathématiques de pointe — niveaux 1-3
- Évalue des problèmes de mathématiques originaux et difficiles dans les niveaux de difficulté 1–3. Ces scores ne doivent pas être fusionnés avec le niveau 4, plus difficile. Méthodologie d'évaluation ↗
- FrontierMath Tier 4Mathématiques de pointe — niveau 4
- Évalue le niveau le plus difficile des problèmes de niveau recherche de FrontierMath, séparément des niveaux 1–3. Méthodologie d'évaluation ↗
- ProofBenchBenchmark de preuve mathématique formelle
- Évalue la production de preuves mathématiques pouvant être vérifiées par un vérificateur formel. Méthodologie d'évaluation ↗
- GPQA DiamondQuestions-réponses de niveau master — Diamond
- Évalue des questions scientifiques difficiles de niveau master nécessitant des connaissances spécialisées et un raisonnement. Méthodologie d'évaluation ↗
- Humanity's Last ExamExamen final de l'humanité
- Teste des questions difficiles de niveau expert dans de nombreuses matières académiques. C'est un benchmark de questions-réponses, distinct d'Agents' Last Exam. 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.