Comment ce classement est construit

D'où vient cette liste, ce que signifie chaque chiffre et à quelle fréquence elle est mise à jour.

Retour au classement

Périmètre des évaluations Image / Video

Image et Video citent les évaluations publiques de préférence d’Arena et d’Artificial Analysis. Les organismes sont dédupliqués : plusieurs classements de tâches d’un même organisme ne sont ni plusieurs organismes indépendants ni une certification complète des capacités.

Texte vers image, retouche, texte vers vidéo et image vers vidéo ont des vues distinctes. Les classements vidéo avec audio d’Artificial Analysis forment des groupes séparés. Les conditions audio d’Arena suivent les entrées sources ; nous ne prétendons pas à un test uniformément sans audio. Chaque classement est indépendant, sans fusion des tâches, conditions audio ou réglages de qualité.

Les cellules conservent l’entrée source, la date de relevé, les tailles d’échantillon recueillies et les intervalles. Preliminary est un indicateur de la source, pas notre note. Les échantillons manquants ne sont pas remplacés par zéro ; le chevauchement des intervalles ne prouve pas une avance significative.

Les prix et temps de génération tiers sont présentés dans des onglets distincts et n’affectent pas la couverture ni le classement qualité. Les prix conservent unités et configurations. Le temps précise fournisseur et conditions : médiane sur trois jours des requêtes réussies, téléchargement inclus, nouvelles tentatives exclues. Ce ne sont ni les tarifs ni les mesures ChinaAPI, ni une preuve d’absence de dérive de nos modèles.

Choix des sources

Uniquement des classements de première main que chacun peut consulter : la même adresse, le même chiffre, vérifiable par tous. Chaque chiffre indique la page dont il provient et la date de relevé.

Aucune collecte n'est effectuée au moment de la requête. Les données résident dans un fichier du dépôt et une mise à jour prend la forme d'une Pull Request qui fait avancer la date d'instantané : ce qui change est visible dans le diff.

Aucun score composite ni classement agrégé d'un tiers n'est reproduit intégralement. Leur sélection, leur agencement et leur pondération sont leur travail ; nous ne citons que des chiffres d'origine vérifiables, ligne par ligne.

Signification des chiffres et ordre du tableau

Le texte utilise v15, l’algorithme ouvert d’AIHOT : comparaisons pondérées fixes entre modèles évalués ensemble, puis minimisation du désaccord global. Notre sélection et nos données vérifiées diffèrent d’AIHOT, donc les scores et rangs aussi.

Budgets fixes : évaluations générales 30 %, préférences humaines 10 %, évaluations spécialisées 60 %. Les données manquantes ne valent pas zéro et leur poids n’est pas redistribué. Sources et poids disponibles ci-dessous.

Il faut au moins 3 sources, 3 familles d’évaluation, 3 opérateurs, 3 spécialités et 2 modèles de référence directs, avec une sortie dans les 18 derniers mois. Les modèles insuffisamment évalués restent visibles sans rang.

Chaque source choisit une entrée selon une priorité de configuration fixe, pas le meilleur score. Le consensus Kemeny détermine le rang ; le score 0–100 repose sur les coûts d’inversion de voisins et des références fixes, pas sur l’exactitude. Les filtres préservent le rang global.

Les plages de sensibilité résultent du retrait d’une source ou d’un opérateur, de poids modifiés de ±20 % ou d’intervalles ignorés. Ce ne sont pas des intervalles de confiance statistiques.

Un score Terminal-Bench dépend du modèle et de l'échafaudage d'agent qui le pilote ; le chiffre doit donc préciser quel agent l'a produit. Cette page cite la colonne qu'Artificial Analysis exécute avec un seul harness pour tous les modèles — mini-SWE-agent v2.4.6, 66 tâches, pass@1 moyenné sur 3 répétitions par tâche — et le harness est indiqué dans la note de source de cette colonne. Auparavant, le classement officiel du benchmark était cité en retenant la meilleure ligne de chaque modèle, ce qui pouvait placer des modèles différents sur des harnesses différents ; avec un harness unique pour toute la colonne, la comparaison porte sur les modèles eux-mêmes et non sur chaque modèle assorti de son meilleur échafaudage.

MLCR-AA, cité dans la vue « Médical », provient du même opérateur que le classement principal (Artificial Analysis) mais n'en est pas une composante : Artificial Analysis le désigne comme une évaluation autonome, hors de l'Intelligence Index ; c'est donc une preuve véritablement indépendante, contrairement aux deux colonnes ci-dessus. Le benchmark sous-jacent est le MLCR ouvert de Wisedocs : synthèse multi-documents sur des dossiers médicaux synthétiques d'environ 25 000 à 64 000 tokens, avec reconstitution de la chronologie, de la causalité, des schémas de traitement et de la pertinence pour le dossier, les questions étant réparties sur six niveaux. Il mesure le raisonnement sur des dossiers longs, non la compétence médicale en général, et ne constitue pas un avis médical.

Un chiffre publié par le fournisseur n'apparaît que lorsqu'aucun classement indépendant ne couvre le modèle. Il est signalé comme tel et n'intervient jamais dans le tri.

Lorsque l'intitulé d'une ligne diffère du nom du modèle que nous proposons (version preview, version pro, palier de résolution différent), l'intitulé du classement est reproduit sous la cellule. Nous ne réattribuons pas discrètement le score d'un autre.

La colonne « Date de sortie » indique la date de publication annoncée par l'éditeur du modèle, et non la date de mise en vente sur ce site : elle provient de l'annonce officielle de l'éditeur lui-même ; pour les noms de modèles portant un suffixe daté (comme -260628), c'est la date codée par ce suffixe. Les dates relevées par des classements tiers comme Epoch servent seulement de recoupement et ne sont pas reprises telles quelles. Faute de date étayée, la cellule reste « — » plutôt qu'une supposition.

Périmètre

La première édition couvre le texte et le multimodal, la génération d'images et la génération de vidéos. La synthèse et la transcription vocales en sont absentes : les classements publics retenus ici ne les couvrent pas, et un blanc vaut mieux qu'une position inventée.

La sélection comprend les modèles chinois vendus ici, de nouveaux modèles vérifiés en observation et des modèles internationaux de référence. La présence dans la liste ne signifie pas une disponibilité sur ChinaAPI ; des poids ouverts ne garantissent pas une licence permissive. Les modèles dont les preuves sont insuffisantes restent non classés. Les modèles internationaux situent les performances des modèles chinois.

Avertissement

Cette page n'est pas notre propre évaluation. Nous n'avons participé ni à la conception, ni à l'exécution, ni à la notation de ces tests.

Les positions évoluent au fil des mises à jour des sources. Cette page ne vaut que pour la date d'instantané indiquée en haut.

Un classement public mesure la performance sur les tâches qu'il teste, lesquelles ne correspondent pas nécessairement aux vôtres. Choisissez un modèle en le testant sur votre propre cas d'usage.

Les noms, marques et contenus de chaque source appartiennent à leurs détenteurs respectifs ; cette page se limite à les citer et à les expliquer.

Rythme de mise à jour

Il n'y a ni tâche planifiée ni synchronisation automatique. Les modifications ne passent que par une Pull Request : les sources sont relues, les chiffres et les dates de relevé mis à jour, la date d'instantané avancée, puis le tout est publié avec la version suivante après revue.

Cette page peut donc être en retard sur la dernière actualisation d'un classement. Nous préférons être vérifiables et datés plutôt qu'en temps réel et non relus.

La date « Maintenu le » au-dessus du tableau ne suit que le périmètre recensé : elle change quand un modèle ou une source citée est ajouté, et une simple relecture des chiffres ne la modifie pas — c'est le rôle de la date de l'instantané. Cette date est liée aux comptes du recensement, et la compilation échoue s'ils divergent : elle ne peut donc pas se périmer en silence.

Sources publiques citées sur cette page

  • LMArena Text Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_style_control, category overall), published 2026-10-02, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · relevé le 2026-10-05
    Licence: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • Artificial Analysis Intelligence Index
    Artificial Analysis · Intelligence Index · Intelligence Index v4.3.2, read 2026-09-22; its figures are not comparable with the v4.3 figures this page quoted from its 2026-09-12 read. v4.3.1 refreshed the pairwise judge panels of AA-Briefcase and GDPval-AA, and v4.3.2 moved GDPval-AA to v2.1 (Elo scale anchored to DeepSeek V4.1 Flash (max) at 1600, fitted with a Crowd-BT model) and refitted AA-Briefcase v1.1 with Crowd-BT, so rows moved without any model changing. v4.3 had already swapped τ³-Banking out of the index for AutomationBench-AA and Terminal-Bench v2.1 for v4.0. The leaderboard's default Status: Current filter hides rows Artificial Analysis marks deprecated; they still render with Status set to All and are re-read from that view like any other row (CA-948). A trailing * is reproduced as the board prints it: the board's data marks that score as estimated (intelligenceIndexIsEstimated), i.e. not every evaluation in the index had been run for that model · relevé le 2026-09-22
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • SuperCLUE 智能指数
    SuperCLUE · 总分 (overall) · 2026-07 evaluation, published 2026-08-06. The homepage reads this edition from its data file (/data/generalboard/2026年7月.xlsx, sheet 总排行榜, last modified 2026-09-11), which also carries rows evaluated after publication, each with its own evaluation publication date (the latest 2026-09-11); the page's Latest Update line refers to a different sub-board · relevé le 2026-10-04
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • Epoch Capabilities Index (ECI)
    Epoch AI · General ECI · live board · relevé le 2026-10-04
    Licence: CC BY 4.0, as labelled on the page (https://creativecommons.org/licenses/by/4.0/)
  • Vals Index
    Vals AI · Accuracy (GDP-weighted finance, coding, legal and tax) · V2.2, page updated 2026-10-22; complete current cohort read 2026-10-23. Finance Agent v2.1 replaces v2 in this index; figures are not comparable with the V2.1 snapshot. Missing exact builds are not carried forward. · relevé le 2026-10-23
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • Vendor's own evaluation card
    the model's own vendor · varies; the benchmark is named in each row · self-reported · relevé le 2026-09-22
    déclaré par le fournisseur, jamais utilisé pour le tri
  • LMArena Text-to-Image Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_to_image, category overall), published 2026-09-24, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · relevé le 2026-10-05
    Licence: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Image Edit Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (image_edit, category overall), published 2026-09-30, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · relevé le 2026-10-05
    Licence: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Text-to-Video Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_to_video, category overall), published 2026-09-22, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · relevé le 2026-10-05
    Licence: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Image-to-Video Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (image_to_video, category overall), published 2026-09-22, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · relevé le 2026-10-05
    Licence: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Text Arena · Chinese
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_style_control, category chinese, prompts in Chinese), published 2026-10-02, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · relevé le 2026-10-05
    Licence: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Text Arena · Coding
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_style_control, category coding), published 2026-10-02, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · relevé le 2026-10-05
    Licence: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • Artificial Analysis · Output Speed
    Artificial Analysis · Median output tokens/s · live board; measured by Artificial Analysis against the vendor's own API, not through ChinaAPI. Rows Artificial Analysis marks deprecated are read with the leaderboard's Status filter set to All (CA-948) · relevé le 2026-09-22
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • Artificial Analysis · GDPval-AA v2.1
    Artificial Analysis · Agentic Real-World Work Tasks, (Elo-500)/2000 (%) · GDPval-AA v2.1, live board, read 2026-09-22. 220 agentic task-completion tasks with file outputs, ranked pairwise by a panel of three frontier LLM judges; since v2.1 the Elo scale is anchored to DeepSeek V4.1 Flash (max) at 1600 and fitted with a Crowd-BT model, so its figures are not comparable with the v2 figures this page quoted from its 2026-09-12 read. The column prints clamp((Elo-500)/2000). It carries 10% of the Agents category inside Intelligence Index v4.3.2, so this column is a component of the AA Intelligence Index shown as an individual source, not an independent operator. Rows Artificial Analysis marks deprecated are read with the leaderboard's Status filter set to All (CA-948). The column is hidden until the leaderboard's Intelligence group is expanded · relevé le 2026-09-22
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • Artificial Analysis · Terminal-Bench v4.0
    Artificial Analysis · Agentic Coding & Terminal Use (%) · Terminal-Bench 4.0 (66 tasks), run by Artificial Analysis with the mini-swe-agent harness, pass@1 averaged over 3 repeats per task; read 2026-09-22. When this column replaced the benchmark's own board on 2026-09-07 the methodology page named the harness as mini-SWE-agent v2.4.6; on 2026-09-21 it and the evaluation page name mini-swe-agent without a version, and every figure quoted before then read back unchanged. One harness for every model, so the column compares models rather than model-plus-best-scaffold — which is why it replaced the benchmark's own board, whose rows are agent × model and covered one Chinese model out of 34 (CA-788, overturning CA-734). It carries 10% of the Coding category inside Intelligence Index v4.3.2, so this column is a component of the AA Intelligence Index shown as an individual source, not an independent operator. Rows Artificial Analysis marks deprecated are read with the leaderboard's Status filter set to All (CA-948). The column is hidden until the leaderboard's Intelligence group is expanded · relevé le 2026-09-22
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • Artificial Analysis · MLCR-AA
    Artificial Analysis · Medical Long Context Reasoning (%) · MLCR-AA, live board, read 2026-09-22. Artificial Analysis marks it a standalone evaluation that is NOT part of Intelligence Index v4.3 — unlike the GDPval-AA v2 and Terminal-Bench v4.0 columns, this one is not a component of the AA Intelligence Index shown as an individual source, only the same operator. The underlying benchmark is Wisedocs' open MLCR (Wisedocs-AI/medical-long-context-reasoning): synthetic medical records of roughly 25,000-64,000 tokens, graded across six tiers from locating a single fact to expert-level clinical synthesis. It measures multi-document reasoning over long records, not medical capability in general. The main leaderboard carries no column for it; the figures were first read off the evaluation page's chart (2026-09-07) and since 2026-09-22 from the per-model pages' payload, which carries every model the chart can show (CA-956) · relevé le 2026-09-22
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • Artificial Analysis Text To Image
    Artificial Analysis · Elo · live board; exact row settings retained · relevé le 2026-09-13
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • Artificial Analysis Editing
    Artificial Analysis · Elo · live board; exact row settings retained · relevé le 2026-09-13
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • Artificial Analysis Text To Video · With Audio
    Artificial Analysis · Elo · live board; with audio pool; exact row settings retained · relevé le 2026-09-13
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.
  • Artificial Analysis Image To Video · With Audio
    Artificial Analysis · Elo · live board; with audio pool; exact row settings retained · relevé le 2026-09-13
    Cette page n'indique aucune licence de réutilisation ; nous la citons donc comme source et renvoyons vers elle.

Fichier de données

Toutes les données de cette page sont disponibles au format lisible par machine : /api/model-rankings (2026-10-23)