Résultats des tests des modèles
Global
Comparez les résultats au sein du même ensemble LiveBench. La première colonne est la moyenne à pondération égale de ses catégories ; chaque catégorie est aussi présentée séparément. Il s’agit de scores de benchmark, et non d’une note universelle.
Trier par test
LiveBench · Version de la suite de tests 14 oct. 2026Dernière vérification 49 configurations testéesCliquez sur un en-tête de colonne pour trier.
| # | Modèle et réglage | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| 1 | 88,0 | 80,8 | 91,7 | 97,7 | 100,0 | 80,3 | 82,0 | 83,4 | |
| 2 | 86,5 | 85,0 | 92,2 | 96,3 | 80,0 | 80,3 | 85,0 | 86,9 | |
| 3 | 86,1 | 82,4 | 92,7 | 93,7 | 84,0 | 83,0 | 85,2 | 82,0 | |
| 4 | 85,4 | 73,0 | 92,6 | 96,0 | 88,0 | 82,7 | 83,5 | 82,1 | |
| 5 | 84,1 | 69,9 | 95,1 | 89,7 | 92,0 | 85,2 | 83,1 | 73,7 | |
| 6 | 83,6 | 53,2 | 89,7 | 98,3 | 92,0 | 80,5 | 86,9 | 84,7 | |
| 7 | 82,5 | 78,8 | 91,6 | 94,7 | 84,0 | 59,5 | 83,6 | 85,0 | |
| 8 | 82,1 | 62,1 | 91,2 | 90,8 | 84,0 | 74,6 | 88,9 | 83,0 | |
| 9 | 81,9 | 66,9 | 88,7 | 93,1 | 92,0 | 81,2 | 69,3 | 82,2 | |
| 10 | 79,2 | 50,9 | 89,1 | 96,0 | 76,0 | 79,5 | 79,5 | 83,4 | |
| 11 | 78,1 | 53,2 | 90,6 | 86,2 | 72,0 | 81,6 | 88,0 | 75,1 | |
| 12 | 78,0 | 40,1 | 86,7 | 90,2 | 84,0 | 79,3 | 86,8 | 79,2 | |
| 13 | 76,8 | 48,3 | 89,2 | 77,3 | 96,0 | 66,0 | 81,8 | 78,8 | |
| 14 | 76,3 | 48,5 | 91,7 | 89,7 | 88,0 | 79,8 | 54,5 | 81,6 | |
| 15 | 75,6 | 57,6 | 82,4 | 91,4 | 80,0 | 53,1 | 81,9 | 83,1 | |
| 16 | 75,0 | 48,4 | 90,6 | 86,2 | 84,0 | 79,3 | 60,4 | 76,0 | |
| 17 | 74,9 | 40,7 | 91,2 | 89,1 | 64,0 | 75,3 | 84,5 | 79,8 | |
| 18 | 74,9 | 47,5 | 79,6 | 81,5 | 88,0 | 72,3 | 76,7 | 78,5 | |
| 19 | 74,8 | 40,4 | 89,7 | 90,2 | 80,0 | 79,6 | 68,6 | 74,8 | |
| 20 | 74,1 | 50,1 | 82,7 | 84,5 | 60,0 | 76,9 | 86,4 | 78,0 |
Faites défiler horizontalement pour afficher toutes les colonnes de test.
Ce que mesurent les colonnes
- Tâches agentiques longues:
- Travail de code et d’application sur de nombreuses étapes
- Raisonnement:
- Énigmes logiques et résolution de problèmes
- Programmation:
- Écrire et compléter du code
- Utilisation du navigateur:
- Tâches en plusieurs étapes dans de vraies applis web
- Analyse de données:
- Questions sur des tableaux et des données
- Recherche:
- Rapports de recherche ouverts
- Design:
- Mise en page de documents et de diapositives
Tests et méthodologie
Une seule source de tests : LiveBench. Les colonnes sont des composantes de cette source, pas des benchmarks indépendants. Les scores utilisent l’échelle d’origine de 0 à 100. Choisissez la colonne utilisée pour le classement ; un tiret indique une donnée manquante.
Chaque configuration exacte de modèle est présentée séparément. La moyenne d’une catégorie exige des résultats pour toutes ses tâches ; la moyenne générale exige des résultats pour toutes les catégories. Les tâches ont le même poids au sein d’une catégorie, et les catégories ont le même poids dans la moyenne générale. Les résultats manquants ne valent jamais zéro. Le classement repose sur les valeurs non arrondies de la colonne choisie, les ex æquo partagent le même rang ; la recherche conserve le rang dans l’ensemble complet des tests. Les anciens scores ne déterminent pas le classement. Les décimales affichées ne suffisent pas à établir une différence significative. Cette vue porte sur un seul ensemble de tests, et non sur tous les modèles actuels ou tous les types de capacités.
La date de la suite indique la version des tests. LiveBench continue d’ajouter des modèles et de mettre à jour les résultats pour cette version ; la date de vérification indique quand nous avons récupéré ses données en direct.
LiveBench · Source ↗Autres tests et résultats historiques →