Résultats des tests des modèles

Comparer les modèles d’IA

Vérification quotidienne

Comparez les résultats, explorez les points forts de chaque modèle et découvrez des modèles au-delà des noms connus.

LiveBench teste les modèles sur des tâches dont les réponses peuvent être vérifiées. Plus le score est élevé, mieux c’est, sur une échelle de 0 à 100.

Dernière vérification: 22 oct. 2026Version de la suite de tests: 2026-10-1449 modèles

1Claude Fable 5.1Anthropic87,986

claude-fable-5.1

Tâches agentiques longues: 80,800 / 100
Raisonnement: 91,700 / 100
Programmation: 97,700 / 100
Utilisation du navigateur: 100,000 / 100
Analyse de données: 80,300 / 100
Recherche: 82,000 / 100
Design: 83,400 / 100

Tâches individuelles

long_agentic: 80,800
reasoning: 91,700
coding: 97,700
browser: 100,000
data_analysis: 80,300
research: 82,000
design: 83,400

Source: LiveBench ↗

2Claude Opus 5.5Anthropic86,529

claude-opus-5.5

Tâches agentiques longues: 85,000 / 100
Raisonnement: 92,200 / 100
Programmation: 96,300 / 100
Utilisation du navigateur: 80,000 / 100
Analyse de données: 80,300 / 100
Recherche: 85,000 / 100
Design: 86,900 / 100

Tâches individuelles

long_agentic: 85,000
reasoning: 92,200
coding: 96,300
browser: 80,000
data_analysis: 80,300
research: 85,000
design: 86,900

Source: LiveBench ↗

3GPT-6 AstraOpenAI86,143

gpt-6-astra

Tâches agentiques longues: 82,400 / 100
Raisonnement: 92,700 / 100
Programmation: 93,700 / 100
Utilisation du navigateur: 84,000 / 100
Analyse de données: 83,000 / 100
Recherche: 85,200 / 100
Design: 82,000 / 100

Tâches individuelles

long_agentic: 82,400
reasoning: 92,700
coding: 93,700
browser: 84,000
data_analysis: 83,000
research: 85,200
design: 82,000

Source: LiveBench ↗

4GPT-6.1 SolOpenAI85,414

gpt-6.1-sol

Tâches agentiques longues: 73,000 / 100
Raisonnement: 92,600 / 100
Programmation: 96,000 / 100
Utilisation du navigateur: 88,000 / 100
Analyse de données: 82,700 / 100
Recherche: 83,500 / 100
Design: 82,100 / 100

Tâches individuelles

long_agentic: 73,000
reasoning: 92,600
coding: 96,000
browser: 88,000
data_analysis: 82,700
research: 83,500
design: 82,100

Source: LiveBench ↗

5Gemini 4 ArgonGoogle84,100

gemini-4-argon

Tâches agentiques longues: 69,900 / 100
Raisonnement: 95,100 / 100
Programmation: 89,700 / 100
Utilisation du navigateur: 92,000 / 100
Analyse de données: 85,200 / 100
Recherche: 83,100 / 100
Design: 73,700 / 100

Tâches individuelles

long_agentic: 69,900
reasoning: 95,100
coding: 89,700
browser: 92,000
data_analysis: 85,200
research: 83,100
design: 73,700

Source: LiveBench ↗

6Claude Fable 5Anthropic83,614

claude-fable-5

Tâches agentiques longues: 53,200 / 100
Raisonnement: 89,700 / 100
Programmation: 98,300 / 100
Utilisation du navigateur: 92,000 / 100
Analyse de données: 80,500 / 100
Recherche: 86,900 / 100
Design: 84,700 / 100

Tâches individuelles

long_agentic: 53,200
reasoning: 89,700
coding: 98,300
browser: 92,000
data_analysis: 80,500
research: 86,900
design: 84,700

Source: LiveBench ↗

7Claude Sonnet 5.5Anthropic82,457

claude-sonnet-5.5

Tâches agentiques longues: 78,800 / 100
Raisonnement: 91,600 / 100
Programmation: 94,700 / 100
Utilisation du navigateur: 84,000 / 100
Analyse de données: 59,500 / 100
Recherche: 83,600 / 100
Design: 85,000 / 100

Tâches individuelles

long_agentic: 78,800
reasoning: 91,600
coding: 94,700
browser: 84,000
data_analysis: 59,500
research: 83,600
design: 85,000

Source: LiveBench ↗

8Claude Opus 5Anthropic82,086

claude-opus-5

Tâches agentiques longues: 62,100 / 100
Raisonnement: 91,200 / 100
Programmation: 90,800 / 100
Utilisation du navigateur: 84,000 / 100
Analyse de données: 74,600 / 100
Recherche: 88,900 / 100
Design: 83,000 / 100

Tâches individuelles

long_agentic: 62,100
reasoning: 91,200
coding: 90,800
browser: 84,000
data_analysis: 74,600
research: 88,900
design: 83,000

Source: LiveBench ↗

9GPT-6 SolOpenAI81,914

gpt-6-sol

Tâches agentiques longues: 66,900 / 100
Raisonnement: 88,700 / 100
Programmation: 93,100 / 100
Utilisation du navigateur: 92,000 / 100
Analyse de données: 81,200 / 100
Recherche: 69,300 / 100
Design: 82,200 / 100

Tâches individuelles

long_agentic: 66,900
reasoning: 88,700
coding: 93,100
browser: 92,000
data_analysis: 81,200
research: 69,300
design: 82,200

Source: LiveBench ↗

10DeepSeek V4.1 Flash 1017DeepSeek79,200

deepseek-v4.1-flash-1017

Tâches agentiques longues: 50,900 / 100
Raisonnement: 89,100 / 100
Programmation: 96,000 / 100
Utilisation du navigateur: 76,000 / 100
Analyse de données: 79,500 / 100
Recherche: 79,500 / 100
Design: 83,400 / 100

Tâches individuelles

long_agentic: 50,900
reasoning: 89,100
coding: 96,000
browser: 76,000
data_analysis: 79,500
research: 79,500
design: 83,400

Source: LiveBench ↗

11Muse Wonder 1.0Meta78,100

muse-wonder-1.0

Tâches agentiques longues: 53,200 / 100
Raisonnement: 90,600 / 100
Programmation: 86,200 / 100
Utilisation du navigateur: 72,000 / 100
Analyse de données: 81,600 / 100
Recherche: 88,000 / 100
Design: 75,100 / 100

Tâches individuelles

long_agentic: 53,200
reasoning: 90,600
coding: 86,200
browser: 72,000
data_analysis: 81,600
research: 88,000
design: 75,100

Source: LiveBench ↗

12DeepSeek V4.1 FlashDeepSeek78,043

deepseek-v4.1-flash

Tâches agentiques longues: 40,100 / 100
Raisonnement: 86,700 / 100
Programmation: 90,200 / 100
Utilisation du navigateur: 84,000 / 100
Analyse de données: 79,300 / 100
Recherche: 86,800 / 100
Design: 79,200 / 100

Tâches individuelles

long_agentic: 40,100
reasoning: 86,700
coding: 90,200
browser: 84,000
data_analysis: 79,300
research: 86,800
design: 79,200

Source: LiveBench ↗

13Claude Opus 4.8Anthropic76,771

claude-opus-4.8

Tâches agentiques longues: 48,300 / 100
Raisonnement: 89,200 / 100
Programmation: 77,300 / 100
Utilisation du navigateur: 96,000 / 100
Analyse de données: 66,000 / 100
Recherche: 81,800 / 100
Design: 78,800 / 100

Tâches individuelles

long_agentic: 48,300
reasoning: 89,200
coding: 77,300
browser: 96,000
data_analysis: 66,000
research: 81,800
design: 78,800

Source: LiveBench ↗

14GPT-5.6 SolOpenAI76,257

gpt-5.6-sol

Tâches agentiques longues: 48,500 / 100
Raisonnement: 91,700 / 100
Programmation: 89,700 / 100
Utilisation du navigateur: 88,000 / 100
Analyse de données: 79,800 / 100
Recherche: 54,500 / 100
Design: 81,600 / 100

Tâches individuelles

long_agentic: 48,500
reasoning: 91,700
coding: 89,700
browser: 88,000
data_analysis: 79,800
research: 54,500
design: 81,600

Source: LiveBench ↗

15Claude Haiku 5.5Anthropic75,643

claude-haiku-5.5

Tâches agentiques longues: 57,600 / 100
Raisonnement: 82,400 / 100
Programmation: 91,400 / 100
Utilisation du navigateur: 80,000 / 100
Analyse de données: 53,100 / 100
Recherche: 81,900 / 100
Design: 83,100 / 100

Tâches individuelles

long_agentic: 57,600
reasoning: 82,400
coding: 91,400
browser: 80,000
data_analysis: 53,100
research: 81,900
design: 83,100

Source: LiveBench ↗

16GPT-5.6 TerraOpenAI74,986

gpt-5.6-terra

Tâches agentiques longues: 48,400 / 100
Raisonnement: 90,600 / 100
Programmation: 86,200 / 100
Utilisation du navigateur: 84,000 / 100
Analyse de données: 79,300 / 100
Recherche: 60,400 / 100
Design: 76,000 / 100

Tâches individuelles

long_agentic: 48,400
reasoning: 90,600
coding: 86,200
browser: 84,000
data_analysis: 79,300
research: 60,400
design: 76,000

Source: LiveBench ↗

17Grok 4.6 xHighxAI74,943

grok-4.6

Tâches agentiques longues: 40,700 / 100
Raisonnement: 91,200 / 100
Programmation: 89,100 / 100
Utilisation du navigateur: 64,000 / 100
Analyse de données: 75,300 / 100
Recherche: 84,500 / 100
Design: 79,800 / 100

Tâches individuelles

long_agentic: 40,700
reasoning: 91,200
coding: 89,100
browser: 64,000
data_analysis: 75,300
research: 84,500
design: 79,800

Source: LiveBench ↗

18MiMo V2.6 ProXiaomi74,871

mimo-v2.6-pro

Tâches agentiques longues: 47,500 / 100
Raisonnement: 79,600 / 100
Programmation: 81,500 / 100
Utilisation du navigateur: 88,000 / 100
Analyse de données: 72,300 / 100
Recherche: 76,700 / 100
Design: 78,500 / 100

Tâches individuelles

long_agentic: 47,500
reasoning: 79,600
coding: 81,500
browser: 88,000
data_analysis: 72,300
research: 76,700
design: 78,500

Source: LiveBench ↗

19Muse Spark 1.3Meta74,757

muse-spark-1.3

Tâches agentiques longues: 40,400 / 100
Raisonnement: 89,700 / 100
Programmation: 90,200 / 100
Utilisation du navigateur: 80,000 / 100
Analyse de données: 79,600 / 100
Recherche: 68,600 / 100
Design: 74,800 / 100

Tâches individuelles

long_agentic: 40,400
reasoning: 89,700
coding: 90,200
browser: 80,000
data_analysis: 79,600
research: 68,600
design: 74,800

Source: LiveBench ↗

20Grok 4.7xAI74,086

grok-4.7

Tâches agentiques longues: 50,100 / 100
Raisonnement: 82,700 / 100
Programmation: 84,500 / 100
Utilisation du navigateur: 60,000 / 100
Analyse de données: 76,900 / 100
Recherche: 86,400 / 100
Design: 78,000 / 100

Tâches individuelles

long_agentic: 50,100
reasoning: 82,700
coding: 84,500
browser: 60,000
data_analysis: 76,900
research: 86,400
design: 78,000

Source: LiveBench ↗

Classement établi à partir des résultats non arrondis. Des scores similaires ne démontrent pas une différence significative.

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.

Méthode de comparaison

Le score global affiché ici correspond à la moyenne équipondérée de toutes les catégories LiveBench d’une même version du benchmark. Un score total exige un résultat pour chaque tâche. Les notes Arena sont présentées séparément, car elles mesurent les préférences. Nous ne rapprochons pas les modèles aux noms similaires entre les sources : les versions et les paramètres de raisonnement peuvent différer. Ces tests ne couvrent pas tous les modèles ni toutes les tâches du monde réel.

Données sources : LiveBench ; Arena / LMArena (CC BY 4.0). Oossa calcule les moyennes des tâches affichées et présente les résultats dans un format simplifié. Arena ↗ · Source ↗ · CC BY 4.0 ↗