{"api":"discoveria/1","endpoint":"/api/modeles.json","genere_le":"2026-10-18T17:58:45Z","source":{"depot":null,"commit":"f47441d0f03f4d0804cda52a2f84062a6b9a228f"},"licence":{"id":"CC-BY-4.0","url":"https://creativecommons.org/licenses/by/4.0/","attribution":"DiscoverIA"},"schema_donnees":2,"donnees":{"meta":{"genere_par":"scripts/modeles/construire.py","entrees":{"data/modeles/catalogue.json":"510f49dd47acfefb4ec1cd96900ff619d60306e98cad09859b62aeb0b50ea189","data/modeles/labos.json":"123cc456c4a2b6d69e8a96e232e4688efc3c3dbe815de076344c5c299e839657","data/modeles/valeurs-epoch.json":"32c6c6629232ecfbbf251119a6c02c77927e72bc6a503957e135300795f9bd8e","data/modeles/valeurs-releves.json":"98c6bba6a9d19c4adb1a48446bba57428d97a8212b51df05b44cd953fe0ca1ee"},"licences":["CC BY 4.0 : Epoch AI, « Capabilities & benchmarking », https://epoch.ai/benchmarks. Les lignes externes gardent la licence de leur source (Epoch AI, use-this-data)."],"lecture":"Un écart (déclaré − mesuré) n'existe qu'à version égale, sans efforts ni harnais (benchmarks d'agents) connus différents ; conditions-incompletes : effort ou harnais inconnu d'un côté, à ne jamais afficher comme un écart simple. Il est montré, pas arbitré. Une case vide veut dire : aucune valeur lue, pas zéro."},"labos":[{"id":"alibaba","nom":"Alibaba (Qwen)"},{"id":"anthropic","nom":"Anthropic"},{"id":"deepseek","nom":"DeepSeek"},{"id":"google-deepmind","nom":"Google DeepMind"},{"id":"meta","nom":"Meta"},{"id":"moonshot","nom":"Moonshot AI"},{"id":"openai","nom":"OpenAI"},{"id":"xai","nom":"xAI"},{"id":"zhipu","nom":"Z.ai (Zhipu)"}],"modeles":[{"id":"claude-opus-5-5","nom":"Claude Opus 5.5","labo":"anthropic","date_sortie":"2026-09-22","acces":"api","noms_epoch":["Claude Opus 5.5"],"source":{"url":"https://www.anthropic.com/news/claude-opus-5-5","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Claude Opus 5.5 is now available on all platforms, including Amazon Web Services, Google Cloud, and Microsoft Azure."}},{"id":"claude-sonnet-5-5","nom":"Claude Sonnet 5.5","labo":"anthropic","date_sortie":"2026-09-28","acces":"api","noms_epoch":["Claude Sonnet 5.5"],"source":{"url":"https://www.anthropic.com/claude-sonnet-5-5","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Claude Sonnet 5.5 is now available on all platforms, including Amazon Web Services, Google Cloud, and Microsoft Azure."}},{"id":"claude-fable-5-1","nom":"Claude Fable 5.1","labo":"anthropic","date_sortie":"2026-09-01","acces":"api","noms_epoch":["Claude Fable 5.1"],"source":{"url":"https://www.anthropic.com/claude/fable","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"To get started, use claude-fable-5-1 via the Claude API."}},{"id":"gpt-6-astra","nom":"GPT-6 Astra","labo":"openai","date_sortie":"2026-09-03","acces":"api","noms_epoch":["GPT-6 Astra"],"source":{"url":"https://openai.com/index/gpt-6-astra/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"as well as through the OpenAI API, Microsoft Azure, and AWS Bedrock."}},{"id":"gpt-6-1-sol","nom":"GPT-6.1 Sol","labo":"openai","date_sortie":"2026-09-29","acces":"api","noms_epoch":["GPT-6.1 Sol"],"source":{"url":"https://openai.com/index/introducing-gpt-6-1-sol/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Developers can also access it through the OpenAI API as gpt-6.1-sol."}},{"id":"gpt-6-sol","nom":"GPT-6 Sol","labo":"openai","date_sortie":"2026-09-22","acces":"api","noms_epoch":["GPT-6 Sol"],"source":{"url":"https://openai.com/index/introducing-gpt-6-sol-and-luna/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"In the OpenAI API, they are available as gpt-6-sol and gpt-6-luna"}},{"id":"gemini-4-argon","nom":"Gemini 4 Argon","labo":"google-deepmind","acces":"restreint","noms_epoch":["Gemini 4 Argon"],"source":{"url":"https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Argon is currently rolling out to trusted cyber defenders through the Fairwind Program."},"notes":["Absent de l’Epoch Capabilities Index au 2026-10-12 ; date lue sur la page officielle."],"date_sortie":"2026-09-30"},{"id":"gemini-3-8-flash","nom":"Gemini 3.8 Flash","labo":"google-deepmind","date_sortie":"2026-09-02","acces":"api","noms_epoch":["Gemini 3.8 Flash"],"source":{"url":"https://ai.google.dev/gemini-api/docs/changelog","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"September 2, 2026 Gemini 3.8 Flash generally available (GA): Released gemini-3.8-flash"}},{"id":"gemini-3-1-pro","nom":"Gemini 3.1 Pro","labo":"google-deepmind","date_sortie":"2026-02-19","acces":"api","noms_epoch":["Gemini 3.1 Pro"],"source":{"url":"https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"developers and enterprises can access 3.1 Pro now in preview in the Gemini API via AI Studio"}},{"id":"grok-4-7","nom":"Grok 4.7","labo":"xai","date_sortie":"2026-09-21","acces":"api","noms_epoch":["Grok 4.7"],"source":{"url":"https://x.ai/news/grok-4-7","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Grok 4.7 is available today in Cursor and Grok Build. It is also available through the Grok API"}},{"id":"muse-spark-1-3","nom":"Muse Spark 1.3","labo":"meta","date_sortie":"2026-09-02","acces":"api","noms_epoch":["Muse Spark 1.3"],"source":{"url":"https://research.meta.ai/blog/introducing-muse-spark-1-3","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Muse Spark 1.3 is available today in Muse Code and in Meta Model API."}},{"id":"kimi-k3","nom":"Kimi K3","labo":"moonshot","date_sortie":"2026-07-16","acces":"poids-ouverts","noms_epoch":["Kimi K3"],"notes":["Epoch : « Open weights (non-commercial) »."],"source":{"url":"https://www.moonshot.ai/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-07-16","citation":"2026-07-16 Kimi K3"}},{"id":"qwen-3-8-max","nom":"Qwen 3.8 Max","labo":"alibaba","date_sortie":"2026-08-03","acces":"api","noms_epoch":["Qwen 3.8 Max"],"notes":["Distinct de « Qwen3.8 Max (0902) » chez Epoch : seule la version du 2026-08-02 est suivie.","Date chez Epoch AI : 2026-08-02 ; date lue sur la page officielle : 2026-08-03 (retenue)."],"source":{"url":"https://www.alibabacloud.com/blog/qwen3-8-max-a-new-bar-for-coding-and-cowork_603421","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-08-03","citation":"August 3, 2026 [...] Today, we are officially releasing Qwen 3.8-Max"}},{"id":"deepseek-v4-pro-0813","nom":"DeepSeek V4 Pro (0813)","labo":"deepseek","date_sortie":"2026-08-13","acces":"poids-ouverts","noms_epoch":["DeepSeek V4 Pro 0813"],"source":{"url":"https://api-docs.deepseek.com/updates/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-08-13","citation":"Date: 2026-08-13 [...] DeepSeek-V4-Pro Update [...] The GA release of DeepSeek-V4-Pro has been rolled out on the APP, Web, and API."}},{"id":"glm-5-3","nom":"GLM-5.3","labo":"zhipu","date_sortie":"2026-08-14","acces":"poids-ouverts","noms_epoch":["GLM-5.3"],"notes":["Accès : carte Hugging Face du compte officiel de Z.ai lue le 2026-10-12 (poids publiés, plus API) ; Epoch AI indique « Closed weights ».","Date : blog Z.ai 2026-08-14 ; journal docs.z.ai 2026-08-18, non réconciliés."],"source":{"url":"https://z.ai/blog/glm-5.3","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-08-14","citation":"date:`2026-08-14`,title:`GLM-5.3: Frontier Coding with Emergent Cyber Capabilities`"}}],"benchmarks":[{"id":"gpqa-diamond","nom":"GPQA Diamond","domaine":"sciences","unite":"pourcent","sens":"plus-haut","mainteneur":"Rein et al. (NYU)","url":"https://arxiv.org/abs/2311.12022","description":{"fr":"Sous-ensemble le plus difficile (« Diamond ») de 448 questions à choix multiples de biologie, physique et chimie écrites par des experts pour résister à une recherche sur le web. Hasard : 25 %."},"version_suivie":"Diamond","version_suivie_raison":"Seule version lue (26 valeurs, 12 modèles ; archive Epoch AI relue le 2026-10-13).","fichiers_epoch":["gpqa_diamond.csv"]},{"id":"hle","nom":"Humanity's Last Exam","domaine":"connaissances","unite":"pourcent","sens":"plus-haut","mainteneur":"Center for AI Safety et Scale AI","url":"https://lastexam.ai","description":{"fr":"Environ 2 500 questions d'experts, toutes disciplines, au niveau de la recherche. Les scores avec et sans outils ne se comparent pas."},"version_suivie":"complet, outils non précisés","version_suivie_raison":"Leaderboard de Scale AI (SEAL), co-mainteneur du benchmark (https://labs.scale.com/leaderboard/humanitys_last_exam, lu le 2026-10-13) : 5 modèles, tous mesurés par un tiers, sur les 2 500 questions publiques ; la page ne dit pas si des outils sont permis. « Non précisée, avec outils » couvre 7 modèles, mais seulement par déclarations des labos (QCM d'Antoine du 2026-10-13).","fichiers_epoch":["hle_external.csv"],"notes":["hle_external.csv d'Epoch ne dit pas qui a produit chaque chiffre : non importé ; les mesures de tiers viennent du leaderboard de Scale AI."]},{"id":"swe-bench-pro","nom":"SWE-bench Pro","domaine":"code","unite":"pourcent","sens":"plus-haut","mainteneur":"Scale AI","url":"https://scale.com/leaderboard/swe_bench_pro_public","description":{"fr":"Corriger de vrais tickets de dépôts logiciels, plus longs et moins exposés à la contamination que SWE-bench Verified."},"version_suivie":"V2 public, complet","version_suivie_raison":"Version lue pour le plus de modèles (7) et seule mesurée par un tiers : leaderboard Scale AI (SEAL), mainteneur du benchmark, https://labs.scale.com/leaderboard/swe_bench_pro_public_v2 relu le 2026-10-13. Les labos publient « non précisée » ou « public »."},{"id":"terminal-bench","nom":"Terminal-Bench","domaine":"agents","unite":"pourcent","sens":"plus-haut","mainteneur":"Stanford et Laude Institute","url":"https://www.tbench.ai","description":{"fr":"Tâches réelles à accomplir seul dans un terminal (compiler, configurer, déboguer). Le score dépend aussi de l'agent qui pilote le modèle."},"version_suivie":"4.0","version_suivie_raison":"Version de toutes les lignes lues sur le leaderboard du mainteneur (https://www.tbench.ai/leaderboard, relu le 2026-10-13) et la plus couverte (11 modèles) ; 2.0, 2.1 et 3.0 ne viennent que de cartes de modèles ou de l'archive Epoch.","fichiers_epoch":["terminalbench_external.csv"]},{"id":"arc-agi-2","nom":"ARC-AGI-2","domaine":"raisonnement-abstrait","unite":"pourcent","sens":"plus-haut","mainteneur":"ARC Prize Foundation","url":"https://arcprize.org/arc-agi/2/","description":{"fr":"Puzzles visuels de grilles : deviner une règle à partir de quelques exemples. Faciles pour un humain, conçus pour être durs pour une IA."},"version_suivie":"semi-privé","version_suivie_raison":"Jeu des évaluations d'ARC Prize, mainteneur (https://arcprize.org/media/data/evaluations.json, relu le 2026-10-13) : 10 modèles ; seule autre valeur, OpenAI « non précisée ».","fichiers_epoch":["arc_agi_2_external.csv"],"notes":["arc_agi_2_external.csv d'Epoch n'a pas de colonne source : non importé ; les mesures viennent du leaderboard d'ARC Prize."]},{"id":"frontiermath-t1-3","nom":"FrontierMath (niveaux 1 à 3)","domaine":"mathematiques","unite":"pourcent","sens":"plus-haut","mainteneur":"Epoch AI","url":"https://epoch.ai/frontiermath","description":{"fr":"Problèmes de mathématiques inédits, du niveau licence avancé à la recherche, à réponse vérifiable automatiquement. Jeu de test privé."},"version_suivie":"Tiers 1-3 v2 (jeu privé)","version_suivie_raison":"Seule version lue : runs internes d'Epoch AI, mainteneur (archive relue le 2026-10-13).","fichiers_epoch":["frontiermath_tiers_1_3_v2.csv"],"notes":["Lien d’intérêt à afficher : OpenAI a commandé 300 questions de FrontierMath, les possède et a accès aux énoncés et solutions sauf un sous-ensemble réservé (page epoch.ai/frontiermath/the-benchmark, lue le 2026-10-12)."]},{"id":"simpleqa-verified","nom":"SimpleQA Verified","domaine":"factualite","unite":"pourcent","sens":"plus-haut","mainteneur":"Google DeepMind (Haas et al.)","url":"https://arxiv.org/abs/2509.07968","description":{"fr":"1 000 questions factuelles courtes à réponse unique : mesure si le modèle sait sans inventer, sans recherche web."},"version_suivie":"Verified","version_suivie_raison":"Seule version lue (13 modèles, runs d'Epoch AI, archive relue le 2026-10-13).","fichiers_epoch":["simpleqa_verified.csv"],"notes":["Benchmark publié par Google DeepMind, lui-même labo du comparateur : lien d'intérêt à afficher."]},{"id":"webdev-arena","nom":"WebDev Arena","domaine":"preference-humaine","unite":"elo","sens":"plus-haut","mainteneur":"LMArena","url":"https://web.lmarena.ai/leaderboard","description":{"fr":"Des internautes comparent à l'aveugle deux applications web générées et votent ; le classement Elo bouge chaque semaine."},"version_suivie":"classement WebDev","version_suivie_raison":"Seule version lue (classement Elo de LMArena via Epoch AI) ; la valeur vaut pour sa date de lecture.","fichiers_epoch":["webdev_arena_external.csv"]}],"couverture":{"gpqa-diamond":{"modeles_avec_valeur":12,"modeles_avec_mesure_tierce":12,"modeles":15},"hle":{"modeles_avec_valeur":10,"modeles_avec_mesure_tierce":5,"modeles":15},"swe-bench-pro":{"modeles_avec_valeur":10,"modeles_avec_mesure_tierce":7,"modeles":15},"terminal-bench":{"modeles_avec_valeur":15,"modeles_avec_mesure_tierce":3,"modeles":15},"arc-agi-2":{"modeles_avec_valeur":10,"modeles_avec_mesure_tierce":10,"modeles":15},"frontiermath-t1-3":{"modeles_avec_valeur":14,"modeles_avec_mesure_tierce":14,"modeles":15},"simpleqa-verified":{"modeles_avec_valeur":13,"modeles_avec_mesure_tierce":13,"modeles":15},"webdev-arena":{"modeles_avec_valeur":15,"modeles_avec_mesure_tierce":15,"modeles":15}},"cellules":[{"modele":"claude-opus-5-5","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-opus-5-5","benchmark":"gpqa-diamond","version":"Diamond","valeur":90.59,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id 6gmbahPSxHf9xVhAYqpnhi : claude-opus-5-5_max = 0.9059343434343434","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-22"},"incertitude":1.94,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-opus-5-5","benchmark":"hle","declare_par_labo":[{"modele":"claude-opus-5-5","benchmark":"hle","version":"non précisée, avec outils","valeur":67.7,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max (adaptive thinking) selon le tableau ; thinking « auto » selon la section HLE","outils":null,"tentatives":"moyenne de 5 essais","harnais":null,"note":"plafond 1M tokens ; liste de blocage des sources HLE ; transcriptions suspectes re-notées ; correcteur Claude Opus 4.6; outils : recherche web, web fetch (restreint aux URL déjà vues), appel d'outils programmatique, exécution de code"},"source":{"url":"https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"With tools 67.7 63.6 65.6 57.2"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Cellules de tableau lues sur lignes successives du texte brut ; colonnes identifiées par l'en-tête de la ligne du tableau.","Colonnes: Opus 5.5, Opus 5, Fable 5.1, GPT-6 Astra. Même chiffre (67.7%) dans le billet d'annonce.","Version telle que la source la nomme : Humanity's Last Exam, avec outils"],"fichier":"valeurs-releves.json"},{"modele":"claude-opus-5-5","benchmark":"hle","version":"non précisée, sans outils","valeur":64.4,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max (adaptive thinking) selon le tableau ; thinking « auto » selon la section HLE","outils":false,"tentatives":"moyenne de 5 essais","harnais":null,"note":"plafond 1M tokens ; correcteur Claude Opus 4.6 ; sans compaction de contexte"},"source":{"url":"https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"Humanity’s Last Exam No tools 64.4 56.6 60.9 –"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Cellules de tableau lues sur lignes successives du texte brut ; colonnes identifiées par l'en-tête de la ligne du tableau.","Colonnes: Opus 5.5, Opus 5, Fable 5.1, GPT-6 Astra.","Version telle que la source la nomme : Humanity's Last Exam, sans outils"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"claude-opus-5-5","benchmark":"swe-bench-pro","declare_par_labo":[{"modele":"claude-opus-5-5","benchmark":"swe-bench-pro","version":"non précisée","valeur":89.9,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max (adaptive thinking)","outils":null,"tentatives":"moyenne de 5 essais","harnais":null,"note":"sampling par défaut (temperature, top_p)"},"source":{"url":"https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"Claude Opus 5.5 achieved 89.9%."},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Annexe: SWE-bench Pro cité arXiv:2509.16941 (ref. 16 de la carte).","Version telle que la source la nomme : SWE-bench Pro (variante du jeu non précisée)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"claude-opus-5-5","benchmark":"terminal-bench","declare_par_labo":[{"modele":"claude-opus-5-5","benchmark":"terminal-bench","version":"4.0","valeur":64.8,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max","outils":null,"tentatives":"moyenne de 5 essais par tâche ; erreur-type ±2.6 pts","harnais":"Claude Code en mode --bare","note":"garde-fous de production activés (voir ligne xhigh)"},"source":{"url":"https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"which at max effort scores 64.8 %, within noise of xhigh"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Le texte écrit « 64.8 % » avec une espace. Anthropic retient xhigh (66.36) comme score publié.","Version telle que la source la nomme : Terminal-Bench 4.0"],"fichier":"valeurs-releves.json"},{"modele":"claude-opus-5-5","benchmark":"terminal-bench","version":"4.0","valeur":66.36,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"xhigh","outils":null,"tentatives":"moyenne de 5 essais par tâche (330 essais) ; erreur-type ±2.6 pts","harnais":"Claude Code en mode --bare","note":"garde-fous de production activés ; requêtes signalées traitées par un modèle de repli (2.5% des requêtes, 10% des essais)"},"source":{"url":"https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"Claude Opus 5.5 scored 66.36% on Terminal-Bench 4.0 with safeguards enabled"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Le billet d'annonce arrondit à 66.4% (https://www.anthropic.com/news/claude-opus-5-5).","Version telle que la source la nomme : Terminal-Bench 4.0"],"fichier":"valeurs-releves.json"},{"modele":"claude-opus-5-5","benchmark":"terminal-bench","version":"4.0","valeur":64.85,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max","outils":null,"tentatives":"n_trials = 330","harnais":"Claude Code","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"\"label\":\"Opus 5.5\"},\"reasoning_effort\":\"max\"},\"metrics\":{\"accuracy\":64.85"},"notes":["nom affiché : 'Opus 5.5' ; agent_org = 'Anthropic' ; model_org = 'Anthropic'","affichage de la page : **64.8%** ± 3.1% ; n_trials = 330 ; coût total affiché $$4.7k ; rang 1","date de ligne (metadata.date) = 2026-09-22 ; lien modèle : https://www.anthropic.com/claude-opus-5-5","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"claude-opus-5-5","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-opus-5-5","benchmark":"arc-agi-2","version":"semi-privé","valeur":70.1,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.24127179999999998 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-opus-5-5-low\", \"score\": 0.701388888888889, \"costPerTask\": 0.24127179999999998"},"notes":["nom affiché (models.json) : 'Claude Opus 5.5 (Low)' ; modelId anthropic-claude-opus-5-5-low ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.701388888888889 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"claude-opus-5-5","benchmark":"arc-agi-2","version":"semi-privé","valeur":87.5,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"medium","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.3369188 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-opus-5-5-medium\", \"score\": 0.875, \"costPerTask\": 0.3369188"},"notes":["nom affiché (models.json) : 'Claude Opus 5.5 (Medium)' ; modelId anthropic-claude-opus-5-5-medium ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.875 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"claude-opus-5-5","benchmark":"arc-agi-2","version":"semi-privé","valeur":91.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 1.8517409666666667 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-opus-5-5-max\", \"score\": 0.9166666666666666, \"costPerTask\": 1.8517409666666667"},"notes":["nom affiché (models.json) : 'Claude Opus 5.5 (Max)' ; modelId anthropic-claude-opus-5-5-max ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9166666666666666 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"claude-opus-5-5","benchmark":"arc-agi-2","version":"semi-privé","valeur":92.5,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.6709066333333333 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-opus-5-5-xhigh\", \"score\": 0.925, \"costPerTask\": 0.6709066333333333"},"notes":["nom affiché (models.json) : 'Claude Opus 5.5 (XHigh)' ; modelId anthropic-claude-opus-5-5-xhigh ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.925 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"claude-opus-5-5","benchmark":"arc-agi-2","version":"semi-privé","valeur":93.3,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.4078964666666666 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-opus-5-5-high\", \"score\": 0.9333333333333333, \"costPerTask\": 0.4078964666666666"},"notes":["nom affiché (models.json) : 'Claude Opus 5.5 (High)' ; modelId anthropic-claude-opus-5-5-high ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9333333333333333 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"claude-opus-5-5","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-opus-5-5","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":91.23,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id LPxhvBNEn7S3xkRZUgcvc9 : claude-opus-5-5_max = 0.9122807017543859","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-22"},"incertitude":1.68,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-opus-5-5","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-opus-5-5","benchmark":"simpleqa-verified","version":"Verified","valeur":72.2,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id CgLfiGcNwMPVzxr8GdNUAK : claude-opus-5-5_max = 0.722","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-22"},"incertitude":1.42,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-opus-5-5","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-opus-5-5","benchmark":"webdev-arena","version":"classement WebDev","valeur":1820.31,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recmgLSDio5a8hfWC : claude-opus-5-5_max = 1820.31","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["1887 votes ; IC 95 % : 1803.38 – 1837.24."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-sonnet-5-5","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-sonnet-5-5","benchmark":"gpqa-diamond","version":"Diamond","valeur":95.58,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id QPk8jbJvo4986sbWtdte6J : claude-sonnet-5-5_max = 0.9558080808080808","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-29"},"incertitude":1.37,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-sonnet-5-5","benchmark":"hle","declare_par_labo":[{"modele":"claude-sonnet-5-5","benchmark":"hle","version":"non précisée, avec outils","valeur":64.5,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max (adaptive thinking) selon le tableau ; thinking « auto » selon la section HLE","outils":null,"tentatives":"moyenne de 5 essais","harnais":null,"note":"budget de 980k tokens par tentative ; liste de blocage des sources HLE ; correcteur Claude Opus 4.6; outils : recherche web, web fetch, appel d'outils programmatique, exécution de code"},"source":{"url":"https://www-cdn.anthropic.com/870c8f525702625d2c62fc6dd04c857e3250bec1/Claude%20Sonnet%205.5%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-28","citation":"With tools 64.5 54.9 67.7 -"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Cellules de tableau lues sur lignes successives du texte brut ; colonnes identifiées par l'en-tête de la ligne du tableau.","Colonnes: Sonnet 5.5, Sonnet 5, Opus 5.5, GPT-6 Sol.","Version telle que la source la nomme : Humanity's Last Exam, avec outils"],"fichier":"valeurs-releves.json"},{"modele":"claude-sonnet-5-5","benchmark":"hle","version":"non précisée, sans outils","valeur":56.9,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max (adaptive thinking) selon le tableau ; thinking « auto » selon la section HLE","outils":false,"tentatives":"moyenne de 5 essais","harnais":null,"note":"budget de 980k tokens par tentative ; sans compaction ; correcteur Claude Opus 4.6"},"source":{"url":"https://www-cdn.anthropic.com/870c8f525702625d2c62fc6dd04c857e3250bec1/Claude%20Sonnet%205.5%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-28","citation":"Humanity’s Last Exam No tools 56.9 43.1 64.4 -"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Cellules de tableau lues sur lignes successives du texte brut ; colonnes identifiées par l'en-tête de la ligne du tableau.","Colonnes: Sonnet 5.5, Sonnet 5, Opus 5.5, GPT-6 Sol.","Version telle que la source la nomme : Humanity's Last Exam, sans outils"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"claude-sonnet-5-5","benchmark":"hle","version":"complet, outils non précisés","valeur":46.12,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":"la page ne dit pas si des outils sont utilisés ; effort lu dans le nom affiché"},"source":{"url":"https://labs.scale.com/leaderboard/humanitys_last_exam","fiabilite":"PAGE","consulte_le":"2026-10-13","date_page":"2026-10-12","citation":"{\"model\":\"Sonnet 5.5 (xhigh)\",\"version\":\"anthropic/claude-sonnet-5-5\",\"rank\":4,\"score\":46.12,\"confidenceInterval_upper\":1.95"},"notes":["nom affiché : 'Sonnet 5.5 (xhigh)'","rang 4 ; intervalle de confiance affiché : +-1.95 ; date de ligne = createdAt 2026-10-12T23:23:20.000Z","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : Humanity's Last Exam (leaderboard Scale SEAL, 2 500 questions)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"claude-sonnet-5-5","benchmark":"swe-bench-pro","declare_par_labo":[{"modele":"claude-sonnet-5-5","benchmark":"swe-bench-pro","version":"non précisée","valeur":81.3,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max (adaptive thinking)","outils":null,"tentatives":"moyenne de 5 essais","harnais":null,"note":"sampling par défaut (temperature, top_p)"},"source":{"url":"https://www-cdn.anthropic.com/870c8f525702625d2c62fc6dd04c857e3250bec1/Claude%20Sonnet%205.5%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-28","citation":"Sonnet 5.5 achieved 81.3%"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Version telle que la source la nomme : SWE-Bench Pro (variante du jeu non précisée)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"claude-sonnet-5-5","benchmark":"swe-bench-pro","version":"V2 public, complet","valeur":95.79,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"xhigh","outils":false,"tentatives":null,"harnais":"mini-swe-agent","note":"split public (page V2 : « a refreshed public split ») ; onglet Full ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-13","date_page":"2026-10-12","citation":"{\"model\":\"Sonnet 5.5 (mini-swe-agent) xhigh\",\"version\":\"anthropic/claude-sonnet-5-5\",\"rank\":6,\"score\":95.79,\"confidenceInterval_upper\":1.3"},"notes":["nom affiché : 'Sonnet 5.5 (mini-swe-agent) xhigh' ; onglet Full (onglet actif par défaut : hard)","rang 6 ; intervalle de confiance affiché : +-1.3 ; date de ligne = createdAt 2026-10-12T23:21:32.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 Full (split public)"],"fichier":"valeurs-releves.json"},{"modele":"claude-sonnet-5-5","benchmark":"swe-bench-pro","version":"V2 public, difficile","valeur":70.59,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"xhigh","outils":false,"tentatives":null,"harnais":"mini-swe-agent","note":"split public (page V2 : « a refreshed public split ») ; onglet HARD ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-13","date_page":"2026-10-12","citation":"{\"model\":\"Sonnet 5.5 (mini-swe-agent) xhigh\",\"version\":\"anthropic/claude-sonnet-5-5\",\"rank\":9,\"score\":70.59,\"confidenceInterval_upper\":0"},"notes":["nom affiché : 'Sonnet 5.5 (mini-swe-agent) xhigh' ; onglet HARD (onglet actif par défaut : hard)","rang 9 ; intervalle de confiance affiché : +-0 ; date de ligne = createdAt 2026-10-12T23:21:32.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 HARD (split public)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"claude-sonnet-5-5","benchmark":"terminal-bench","declare_par_labo":[{"modele":"claude-sonnet-5-5","benchmark":"terminal-bench","version":"4.0","valeur":70.6,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max","outils":null,"tentatives":"moyenne de 5 essais par tâche (330 essais) ; erreur-type ±2.5 pts","harnais":"Claude Code en mode --bare","note":"garde-fous activés (repli sur 1.2% des requêtes, 1.5% des essais) ; aucune sortie internet autorisée, ressources pré-mises en cache"},"source":{"url":"https://www-cdn.anthropic.com/870c8f525702625d2c62fc6dd04c857e3250bec1/Claude%20Sonnet%205.5%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-28","citation":"Claude Sonnet 5.5 scored 70.6% on Terminal-Bench 4.0 with safeguards enabled"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Le billet https://www.anthropic.com/claude-sonnet-5-5 donne aussi 70.6% (Sonnet 5 : 10.3%).","Version telle que la source la nomme : Terminal-Bench 4.0"],"fichier":"valeurs-releves.json"},{"modele":"claude-sonnet-5-5","benchmark":"terminal-bench","version":"4.0","valeur":61.82,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max","outils":null,"tentatives":"n_trials = 330","harnais":"Claude Code","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-28","citation":"\"label\":\"Sonnet 5.5\"},\"reasoning_effort\":\"max\"},\"metrics\":{\"accuracy\":61.82"},"notes":["nom affiché : 'Sonnet 5.5' ; agent_org = 'Anthropic' ; model_org = 'Anthropic'","affichage de la page : **61.8%** ± 2.9% ; n_trials = 330 ; coût total affiché $$7.3k ; rang 2","date de ligne (metadata.date) = 2026-09-28 ; lien modèle : https://www.anthropic.com/claude-sonnet-5-5","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"claude-sonnet-5-5","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"claude-sonnet-5-5","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-sonnet-5-5","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":88.77,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id 4tZWwV9tqEgsCaKeSuSoG4 : claude-sonnet-5-5_max = 0.887719298245614","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-29"},"incertitude":1.87,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-sonnet-5-5","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-sonnet-5-5","benchmark":"simpleqa-verified","version":"Verified","valeur":46.5,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id GtJ5yd3ZPQ7HVcm6Q9ssQz : claude-sonnet-5-5_max = 0.465","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-29"},"incertitude":1.58,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-sonnet-5-5","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-sonnet-5-5","benchmark":"webdev-arena","version":"classement WebDev","valeur":1698.82,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recToBiKpCTvPAk25 : claude-sonnet-5-5_high = 1698.82","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["1205 votes ; IC 95 % : 1679.82 – 1717.81."],"fichier":"valeurs-epoch.json"},{"modele":"claude-sonnet-5-5","benchmark":"webdev-arena","version":"classement WebDev","valeur":1786.26,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recbYf0qhP7q08OwS : claude-sonnet-5-5_xhigh = 1786.26","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["1531 votes ; IC 95 % : 1768.08 – 1804.45."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-fable-5-1","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"claude-fable-5-1","benchmark":"hle","declare_par_labo":[{"modele":"claude-fable-5-1","benchmark":"hle","version":"non précisée, avec outils","valeur":65,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max (adaptive thinking) selon le tableau ; thinking « auto » selon la section HLE","outils":null,"tentatives":"moyenne de 5 essais","harnais":null,"note":"plafond 1M tokens ; liste de blocage ; correcteur Claude Opus 4.6; outils : recherche web, web fetch (restreint aux URL déjà vues), appel d'outils programmatique, exécution de code"},"source":{"url":"https://www-cdn.anthropic.com/0339e6a7c5c7b87f5c07798616dc32c215d14235/Claude%20Fable%205.1%20&%20Claude%20Mythos%205.1%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"With tools 65.0% 63.8% 63.6% -"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Cellules de tableau lues sur lignes successives du texte brut ; colonnes identifiées par l'en-tête de la ligne du tableau.","AMBIGUÏTÉ: colonne « Claude Fable 5.1/ Mythos 5.1 ».","DÉSACCORD entre deux pages d'Anthropic: la carte Opus 5.5 (colonne « Claude Fable 5.1 ») et son billet donnent 65.6% pour Fable 5.1 avec outils (https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf ; https://www.anthropic.com/news/claude-opus-5-5). La page OpenAI (Astra) recopie 65.0%.","Version telle que la source la nomme : Humanity's Last Exam, avec outils"],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"hle","version":"non précisée, sans outils","valeur":60.9,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max (adaptive thinking) selon le tableau ; thinking « auto » selon la section HLE","outils":false,"tentatives":"moyenne de 5 essais","harnais":null,"note":"plafond 1M tokens ; correcteur Claude Opus 4.6"},"source":{"url":"https://www-cdn.anthropic.com/0339e6a7c5c7b87f5c07798616dc32c215d14235/Claude%20Fable%205.1%20&%20Claude%20Mythos%205.1%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"Humanity’s Last Exam No tools 60.9% 57.8% 56.6% -"},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Cellules de tableau lues sur lignes successives du texte brut ; colonnes identifiées par l'en-tête de la ligne du tableau.","AMBIGUÏTÉ: la colonne du tableau s'intitule « Claude Fable 5.1/ Mythos 5.1 » et aucune phrase de la section HLE ne donne le chiffre. Le tableau 8.1 de la carte Opus 5.5 (colonne « Claude Fable 5.1 » seule) donne aussi 60.9.","Version telle que la source la nomme : Humanity's Last Exam, sans outils"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"claude-fable-5-1","benchmark":"hle","version":"complet, outils non précisés","valeur":46.5,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":"la page ne dit pas si des outils sont utilisés ; effort lu dans le nom affiché"},"source":{"url":"https://labs.scale.com/leaderboard/humanitys_last_exam","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-03","citation":"\"model\":\"Fable 5.1 (xhigh)\\n\",\"version\":\"\",\"rank\":2,\"score\":46.5,\"confidenceInterval_upper\":2"},"notes":["nom affiché : 'Fable 5.1 (xhigh)'","rang 2 ; intervalle de confiance affiché : +-2 ; date de ligne = createdAt 2026-09-03T18:22:21.000Z","contaminationMessage de la page : Potential contamination warning: This model was evaluated after the public release of HLE, allowing model builder access to the prompts and solutions.","citation issue du payload JSON décodé (flight Next.js) de la page, pas de l'HTML brut échappé","Version telle que la source la nomme : Humanity's Last Exam (leaderboard Scale SEAL, 2 500 questions)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"claude-fable-5-1","benchmark":"swe-bench-pro","declare_par_labo":[{"modele":"claude-fable-5-1","benchmark":"swe-bench-pro","version":"non précisée","valeur":81.2,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max (adaptive thinking)","outils":null,"tentatives":"moyenne de 5 essais","harnais":null,"note":"sampling par défaut (temperature, top_p)"},"source":{"url":"https://www-cdn.anthropic.com/0339e6a7c5c7b87f5c07798616dc32c215d14235/Claude%20Fable%205.1%20&%20Claude%20Mythos%205.1%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"Fable 5.1 achieved 81.2%."},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Version telle que la source la nomme : SWE-bench Pro (variante du jeu non précisée)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"claude-fable-5-1","benchmark":"swe-bench-pro","version":"V2 public, complet","valeur":99.1,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"high","outils":false,"tentatives":null,"harnais":"Claude Code","note":"split public (page V2 : « a refreshed public split ») ; onglet Full ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-10-07","citation":"\"model\":\"Fable 5.1 (Claude Code) high\",\"version\":\"\",\"rank\":2,\"score\":99.1,\"confidenceInterval_upper\":0.5"},"notes":["nom affiché : 'Fable 5.1 (Claude Code) high' ; onglet Full (onglet actif par défaut : hard)","rang 2 ; intervalle de confiance affiché : +-0.5 ; date de ligne = createdAt 2026-10-07T01:44:58.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 Full (split public)"],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"swe-bench-pro","version":"V2 public, difficile","valeur":92.2,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"high","outils":false,"tentatives":null,"harnais":"Claude Code","note":"split public (page V2 : « a refreshed public split ») ; onglet HARD ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"\"model\":\"Fable 5.1 (Claude Code) high\",\"version\":\"\",\"rank\":2,\"score\":92.2,\"confidenceInterval_upper\":0"},"notes":["nom affiché : 'Fable 5.1 (Claude Code) high' ; onglet HARD (onglet actif par défaut : hard)","rang 2 ; intervalle de confiance affiché : +-0 ; date de ligne = createdAt 2026-09-22T15:34:45.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 HARD (split public)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"claude-fable-5-1","benchmark":"terminal-bench","declare_par_labo":[{"modele":"claude-fable-5-1","benchmark":"terminal-bench","version":"4.0","valeur":55.8,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max","outils":null,"tentatives":"moyenne de 15 essais par tâche (990 essais) ; erreur-type ±1.6-2 pts","harnais":"Claude Code en mode --bare","note":"garde-fous de production activés"},"source":{"url":"https://www-cdn.anthropic.com/0339e6a7c5c7b87f5c07798616dc32c215d14235/Claude%20Fable%205.1%20&%20Claude%20Mythos%205.1%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"Claude Mythos 5.1 scored 60.9% on Terminal-Bench 4.0, while Claude Fable 5.1 scored 55.8%."},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Le tableau 8.1.A écrit « 56% (61%) » (Fable / Mythos). Le classement public cité par OpenAI donne aussi 55.8% pour Fable 5.1 (page Astra).","Version telle que la source la nomme : Terminal-Bench 4.0"],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"terminal-bench","version":"4.0","valeur":43.33,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"low","outils":null,"tentatives":"n_trials = 330","harnais":"Claude Code","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"\"label\":\"Fable 5.1\"},\"reasoning_effort\":\"low\"},\"metrics\":{\"accuracy\":43.33"},"notes":["nom affiché : 'Fable 5.1' ; agent_org = 'Anthropic' ; model_org = 'Anthropic'","affichage de la page : **43.3%** ± 3.6% ; n_trials = 330 ; coût total affiché $$2.4k ; rang 19","date de ligne (metadata.date) = 2026-09-01 ; lien modèle : https://docs.anthropic.com/en/docs/about-claude/models/all-models","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"terminal-bench","version":"4.0","valeur":53.94,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"medium","outils":null,"tentatives":"n_trials = 330","harnais":"Claude Code","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"\"label\":\"Fable 5.1\"},\"reasoning_effort\":\"medium\"},\"metrics\":{\"accuracy\":53.94"},"notes":["nom affiché : 'Fable 5.1' ; agent_org = 'Anthropic' ; model_org = 'Anthropic'","affichage de la page : **53.9%** ± 3.4% ; n_trials = 330 ; coût total affiché $$2.8k ; rang 11","date de ligne (metadata.date) = 2026-09-01 ; lien modèle : https://docs.anthropic.com/en/docs/about-claude/models/all-models","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"terminal-bench","version":"4.0","valeur":54.55,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"high","outils":null,"tentatives":"n_trials = 330","harnais":"Claude Code","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"\"label\":\"Fable 5.1\"},\"reasoning_effort\":\"high\"},\"metrics\":{\"accuracy\":54.55"},"notes":["nom affiché : 'Fable 5.1' ; agent_org = 'Anthropic' ; model_org = 'Anthropic'","affichage de la page : **54.5%** ± 3.4% ; n_trials = 330 ; coût total affiché $$4.0k ; rang 9","date de ligne (metadata.date) = 2026-09-01 ; lien modèle : https://docs.anthropic.com/en/docs/about-claude/models/all-models","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"terminal-bench","version":"4.0","valeur":57.88,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"max","outils":null,"tentatives":"n_trials = 330","harnais":"Claude Code","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"\"label\":\"Fable 5.1\"},\"reasoning_effort\":\"max\"},\"metrics\":{\"accuracy\":57.88"},"notes":["nom affiché : 'Fable 5.1' ; agent_org = 'Anthropic' ; model_org = 'Anthropic'","affichage de la page : **57.9%** ± 3.8% ; n_trials = 330 ; coût total affiché $$6.2k ; rang 5","date de ligne (metadata.date) = 2026-09-01 ; lien modèle : https://docs.anthropic.com/en/docs/about-claude/models/all-models","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"terminal-bench","version":"4.0","valeur":57.88,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Anthropic","configuration":{"effort":"xhigh","outils":null,"tentatives":"n_trials = 330","harnais":"Claude Code","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"\"label\":\"Fable 5.1\"},\"reasoning_effort\":\"xhigh\"},\"metrics\":{\"accuracy\":57.88"},"notes":["nom affiché : 'Fable 5.1' ; agent_org = 'Anthropic' ; model_org = 'Anthropic'","affichage de la page : **57.9%** ± 3.4% ; n_trials = 330 ; coût total affiché $$4.9k ; rang 5","date de ligne (metadata.date) = 2026-09-01 ; lien modèle : https://docs.anthropic.com/en/docs/about-claude/models/all-models","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"claude-fable-5-1","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-fable-5-1","benchmark":"arc-agi-2","version":"semi-privé","valeur":78.3,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.9523265833333336 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-fable-5-1-low\", \"score\": 0.7833333333333333, \"costPerTask\": 0.9523265833333336"},"notes":["nom affiché (models.json) : 'Claude Fable 5.1 (Low)' ; modelId anthropic-claude-fable-5-1-low ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.7833333333333333 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-01 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"arc-agi-2","version":"semi-privé","valeur":86.2,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"medium","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 1.2239411666666673 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-fable-5-1-medium\", \"score\": 0.8625, \"costPerTask\": 1.2239411666666673"},"notes":["nom affiché (models.json) : 'Claude Fable 5.1 (Medium)' ; modelId anthropic-claude-fable-5-1-medium ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.8625 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-01 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"arc-agi-2","version":"semi-privé","valeur":88.8,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 1.6673061666666666 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-fable-5-1-high\", \"score\": 0.8875, \"costPerTask\": 1.6673061666666666"},"notes":["nom affiché (models.json) : 'Claude Fable 5.1 (High)' ; modelId anthropic-claude-fable-5-1-high ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.8875 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-01 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"arc-agi-2","version":"semi-privé","valeur":90,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 4.492348833333334 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-fable-5-1-max\", \"score\": 0.9, \"costPerTask\": 4.492348833333334"},"notes":["nom affiché (models.json) : 'Claude Fable 5.1 (Max)' ; modelId anthropic-claude-fable-5-1-max ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-01 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"arc-agi-2","version":"semi-privé","valeur":90,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 3.120216916666669 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"anthropic-claude-fable-5-1-xhigh\", \"score\": 0.9, \"costPerTask\": 3.120216916666669"},"notes":["nom affiché (models.json) : 'Claude Fable 5.1 (XHigh)' ; modelId anthropic-claude-fable-5-1-xhigh ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-01 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"claude-fable-5-1","benchmark":"arc-agi-2","version":"semi-privé","valeur":90,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"jeu de données semi-privé ; score « vérifié » par l'ARC Prize Foundation, recopié dans la carte système d'Anthropic"},"source":{"url":"https://www-cdn.anthropic.com/0339e6a7c5c7b87f5c07798616dc32c215d14235/Claude%20Fable%205.1%20&%20Claude%20Mythos%205.1%20System%20Card.pdf","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-01","citation":"Claude Fable 5.1 achieved 90% on ARC-AGI-2 at max effort."},"notes":["Citation extraite du texte du PDF (pypdf), espaces multiples réduits à un seul.","Le tableau 8.1.A écrit 90.0%.","Version telle que la source la nomme : ARC-AGI-2, jeu semi-privé, score vérifié"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"claude-fable-5-1","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-fable-5-1","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":90.18,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id g7dXwZH2tWvqLg3X5idGs2 : claude-fable-5-1_max = 0.9017543859649123","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-01"},"incertitude":1.77,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-fable-5-1","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-fable-5-1","benchmark":"simpleqa-verified","version":"Verified","valeur":70.8,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id ExyL3GN8s34tizrXV3VmS3 : claude-fable-5-1_max = 0.708","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-01"},"incertitude":1.44,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"claude-fable-5-1","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"claude-fable-5-1","benchmark":"webdev-arena","version":"classement WebDev","valeur":1758.05,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recW7c6YS46DN6aYk : claude-fable-5-1_max = 1758.05","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["3036 votes ; IC 95 % : 1744.44 – 1771.65."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-astra","benchmark":"gpqa-diamond","declare_par_labo":[{"modele":"gpt-6-astra","benchmark":"gpqa-diamond","version":"Diamond","valeur":94.9,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":"« At a lower-cost setting » ; niveau d'effort non précisé par la page"},"source":{"url":"https://openai.com/index/gpt-6-astra/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"At a lower-cost setting, it also exceeds GPT‑5.6 Sol’s best score—94.9% versus 94.6%"},"notes":["date_page null (voir ligne 96.0).","Version telle que la source la nomme : GPQA Diamond (réglage à moindre coût)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"gpqa-diamond","version":"Diamond","valeur":96,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":"OpenAI: « Evaluation scores are the maximum at any effort » ; évaluations dans l'environnement de recherche ou via l'API OpenAI"},"source":{"url":"https://openai.com/index/gpt-6-astra/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"GPT‑6 Astra reaches a new high in the comparison shown at 96.0%."},"notes":["date_page null: la page ne porte que des dates de mise à jour (29 et 22 septembre 2026).","Version telle que la source la nomme : GPQA Diamond"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"gpt-6-astra","benchmark":"gpqa-diamond","version":"Diamond","valeur":95.77,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id 3h8STJpG2VzY9LiBUzwotv : gpt-6-astra_max = 0.9577020202020202","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-30"},"incertitude":1.37,"fichier":"valeurs-epoch.json"}],"ecarts":[{"version":"Diamond","declare":0,"mesure":0,"difference":-0.87,"conditions":"conditions-incompletes"},{"version":"Diamond","declare":1,"mesure":0,"difference":0.23,"conditions":"conditions-incompletes"}]},{"modele":"gpt-6-astra","benchmark":"hle","declare_par_labo":[{"modele":"gpt-6-astra","benchmark":"hle","version":"non précisée, avec outils","valeur":57.2,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":null,"outils":true,"tentatives":null,"harnais":null,"note":"« w/ tools » ; nature des outils non précisée par la page ; « Evaluation scores are the maximum at any effort »"},"source":{"url":"https://openai.com/index/gpt-6-astra/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Humanity's Last Exam (w/ tools) 57.2%"},"notes":["Cellules de tableau lues sur lignes successives du texte brut ; colonnes identifiées par l'en-tête de la ligne du tableau.","Aucun chiffre HLE sans outils pour Astra sur la page.","Le même 57.2% est repris par Anthropic (billet Opus 5.5).","date_page null.","Version telle que la source la nomme : Humanity's Last Exam, avec outils"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"gpt-6-astra","benchmark":"hle","version":"complet, outils non précisés","valeur":54.8,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":"la page ne précise ni effort ni outils"},"source":{"url":"https://labs.scale.com/leaderboard/humanitys_last_exam","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-09","citation":"\"model\":\"GPT 6 Astra\",\"version\":\"\",\"rank\":1,\"score\":54.8,\"confidenceInterval_upper\":1.94"},"notes":["nom affiché : 'GPT 6 Astra'","rang 1 ; intervalle de confiance affiché : +-1.94 ; date de ligne = createdAt 2026-09-09T18:59:21.000Z","contaminationMessage de la page : Potential contamination warning: This model was evaluated after the public release of HLE, allowing model builder access to the prompts and solutions.","citation issue du payload JSON décodé (flight Next.js) de la page, pas de l'HTML brut échappé","Version telle que la source la nomme : Humanity's Last Exam (leaderboard Scale SEAL, 2 500 questions)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gpt-6-astra","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-astra","benchmark":"swe-bench-pro","version":"V2 public, complet","valeur":96.9,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"high","outils":false,"tentatives":null,"harnais":"Codex","note":"split public (page V2 : « a refreshed public split ») ; onglet Full ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-10-07","citation":"\"model\":\"GPT-6-Astra (Codex) high\",\"version\":\"\",\"rank\":4,\"score\":96.9,\"confidenceInterval_upper\":1.1"},"notes":["nom affiché : 'GPT-6-Astra (Codex) high' ; onglet Full (onglet actif par défaut : hard)","rang 4 ; intervalle de confiance affiché : +-1.1 ; date de ligne = createdAt 2026-10-07T01:44:58.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 Full (split public)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"swe-bench-pro","version":"V2 public, difficile","valeur":90.2,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"high","outils":false,"tentatives":null,"harnais":"Codex","note":"split public (page V2 : « a refreshed public split ») ; onglet HARD ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"\"model\":\"GPT-6 Astra (Codex) high \",\"version\":\"\",\"rank\":3,\"score\":90.2,\"confidenceInterval_upper\":0"},"notes":["nom affiché : 'GPT-6 Astra (Codex) high ' ; onglet HARD (onglet actif par défaut : hard)","rang 3 ; intervalle de confiance affiché : +-0 ; date de ligne = createdAt 2026-09-22T15:35:13.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 HARD (split public)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gpt-6-astra","benchmark":"terminal-bench","declare_par_labo":[{"modele":"gpt-6-astra","benchmark":"terminal-bench","version":"4.0","valeur":57.9,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":"OpenAI: « Evaluation scores are the maximum at any effort »"},"source":{"url":"https://openai.com/index/gpt-6-astra/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"GPT‑6 Astra reaches a new high at 57.9%, compared with 37.3% for GPT‑5.6 Sol"},"notes":["Détail d'effort venant d'Anthropic (pas d'OpenAI): « scored at high thinking effort (in their reporting, max effort fared slightly lower than high, so we picked their highest number) » (carte Sonnet 5.5 : https://www-cdn.anthropic.com/870c8f525702625d2c62fc6dd04c857e3250bec1/Claude%20Sonnet%205.5%20System%20Card.pdf).","Le chiffre 57.9% est aussi repris par Anthropic « as reported by OpenAI » (billet Opus 5.5).","date_page null.","Version telle que la source la nomme : Terminal-Bench 4.0"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"terminal-bench","version":"4.0","valeur":50.61,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":"low","outils":null,"tentatives":"n_trials = 330","harnais":"Codex","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-03","citation":"\"label\":\"GPT-6 Astra\"},\"reasoning_effort\":\"low\"},\"metrics\":{\"accuracy\":50.61"},"notes":["nom affiché : 'GPT-6 Astra' ; agent_org = 'OpenAI' ; model_org = 'OpenAI'","affichage de la page : **50.6%** ± 2.8% ; n_trials = 330 ; coût total affiché $$1.6k ; rang 14","date de ligne (metadata.date) = 2026-09-03 ; lien modèle : https://developers.openai.com/api/docs/models/gpt-6-astra","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"terminal-bench","version":"4.0","valeur":54.24,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":"medium","outils":null,"tentatives":"n_trials = 330","harnais":"Codex","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-03","citation":"\"label\":\"GPT-6 Astra\"},\"reasoning_effort\":\"medium\"},\"metrics\":{\"accuracy\":54.24"},"notes":["nom affiché : 'GPT-6 Astra' ; agent_org = 'OpenAI' ; model_org = 'OpenAI'","affichage de la page : **54.2%** ± 2.7% ; n_trials = 330 ; coût total affiché $$1.9k ; rang 10","date de ligne (metadata.date) = 2026-09-03 ; lien modèle : https://developers.openai.com/api/docs/models/gpt-6-astra","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"terminal-bench","version":"4.0","valeur":57.88,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":"xhigh","outils":null,"tentatives":"n_trials = 330","harnais":"Codex","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-03","citation":"\"label\":\"GPT-6 Astra\"},\"reasoning_effort\":\"xhigh\"},\"metrics\":{\"accuracy\":57.88"},"notes":["nom affiché : 'GPT-6 Astra' ; agent_org = 'OpenAI' ; model_org = 'OpenAI'","affichage de la page : **57.9%** ± 2.7% ; n_trials = 330 ; coût total affiché $$2.4k ; rang 5","date de ligne (metadata.date) = 2026-09-03 ; lien modèle : https://developers.openai.com/api/docs/models/gpt-6-astra","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"terminal-bench","version":"4.0","valeur":57.88,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":"high","outils":null,"tentatives":"n_trials = 330","harnais":"Codex","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-03","citation":"\"label\":\"GPT-6 Astra\"},\"reasoning_effort\":\"high\"},\"metrics\":{\"accuracy\":57.88"},"notes":["nom affiché : 'GPT-6 Astra' ; agent_org = 'OpenAI' ; model_org = 'OpenAI'","affichage de la page : **57.9%** ± 3.0% ; n_trials = 330 ; coût total affiché $$2.3k ; rang 5","date de ligne (metadata.date) = 2026-09-03 ; lien modèle : https://developers.openai.com/api/docs/models/gpt-6-astra","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"terminal-bench","version":"4.0","valeur":58.18,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":"max","outils":null,"tentatives":"n_trials = 330","harnais":"Codex","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-03","citation":"\"label\":\"GPT-6 Astra\"},\"reasoning_effort\":\"max\"},\"metrics\":{\"accuracy\":58.18"},"notes":["nom affiché : 'GPT-6 Astra' ; agent_org = 'OpenAI' ; model_org = 'OpenAI'","affichage de la page : **58.2%** ± 2.8% ; n_trials = 330 ; coût total affiché $$3.3k ; rang 3","date de ligne (metadata.date) = 2026-09-03 ; lien modèle : https://developers.openai.com/api/docs/models/gpt-6-astra","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gpt-6-astra","benchmark":"arc-agi-2","declare_par_labo":[{"modele":"gpt-6-astra","benchmark":"arc-agi-2","version":"non précisée","valeur":95,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":"« Evaluation scores are the maximum at any effort » ; la page ne dit pas qui a mesuré ni si le jeu est semi-privé (la citation ARC Prize et la note 1 de la page concernent ARC-AGI-3)"},"source":{"url":"https://openai.com/index/gpt-6-astra/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"ARC-AGI-2 95.0%"},"notes":["Cellules de tableau lues sur lignes successives du texte brut ; colonnes identifiées par l'en-tête de la ligne du tableau.","Mesureur non indiqué par la page: enregistré comme déclaré par OpenAI par défaut.","date_page null.","Version telle que la source la nomme : ARC-AGI-2 (jeu non précisé)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"gpt-6-astra","benchmark":"arc-agi-2","version":"semi-privé","valeur":59.6,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"none","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.3696743333333333 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-astra-none\", \"score\": 0.5958333333333333, \"costPerTask\": 0.3696743333333333"},"notes":["nom affiché (models.json) : 'GPT-6 Astra (None)' ; modelId openai-gpt-6-astra-none ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.5958333333333333 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-02 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"arc-agi-2","version":"semi-privé","valeur":85.4,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.4162418333333334 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-astra-low\", \"score\": 0.8541666666666666, \"costPerTask\": 0.4162418333333334"},"notes":["nom affiché (models.json) : 'GPT-6 Astra (Low)' ; modelId openai-gpt-6-astra-low ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.8541666666666666 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-02 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"arc-agi-2","version":"semi-privé","valeur":92.1,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.6680793333333332 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-astra-high\", \"score\": 0.9208333333333333, \"costPerTask\": 0.6680793333333332"},"notes":["nom affiché (models.json) : 'GPT-6 Astra (High)' ; modelId openai-gpt-6-astra-high ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9208333333333333 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-02 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"arc-agi-2","version":"semi-privé","valeur":92.1,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"medium","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.4800926666666667 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-astra-medium\", \"score\": 0.9208333333333333, \"costPerTask\": 0.4800926666666667"},"notes":["nom affiché (models.json) : 'GPT-6 Astra (Medium)' ; modelId openai-gpt-6-astra-medium ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9208333333333333 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-02 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"arc-agi-2","version":"semi-privé","valeur":93.3,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.8286855833333331 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-astra-xhigh\", \"score\": 0.9333333333333333, \"costPerTask\": 0.8286855833333331"},"notes":["nom affiché (models.json) : 'GPT-6 Astra (XHigh)' ; modelId openai-gpt-6-astra-xhigh ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9333333333333333 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-02 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-astra","benchmark":"arc-agi-2","version":"semi-privé","valeur":95,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 1.1194680833333335 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-astra-max\", \"score\": 0.95, \"costPerTask\": 1.1194680833333335"},"notes":["nom affiché (models.json) : 'GPT-6 Astra (Max)' ; modelId openai-gpt-6-astra-max ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.95 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-02 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gpt-6-astra","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-astra","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":93.68,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id csK2fe5T8p2R7WgoJUu6bZ : gpt-6-astra_max = 0.9368421052631579","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-30"},"incertitude":1.44,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-astra","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-astra","benchmark":"simpleqa-verified","version":"Verified","valeur":75.6,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id PppwnX7EjXx2SeTcFN8Ujn : gpt-6-astra_max = 0.756","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-30"},"incertitude":1.36,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-astra","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-astra","benchmark":"webdev-arena","version":"classement WebDev","valeur":1800.28,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id rec5pxBoPZ09DjlAl : gpt-6-astra_max = 1800.28","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["2281 votes ; IC 95 % : 1783.81 – 1816.76."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-1-sol","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-1-sol","benchmark":"gpqa-diamond","version":"Diamond","valeur":95.39,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id LspviLnbeZ82WCngWp6rwR : gpt-6.1-sol_max = 0.9539141414141414","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-29"},"incertitude":1.38,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-1-sol","benchmark":"hle","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gpt-6-1-sol","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-1-sol","benchmark":"swe-bench-pro","version":"V2 public, complet","valeur":96.11,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"xhigh","outils":false,"tentatives":null,"harnais":"mini-swe-agent","note":"split public (page V2 : « a refreshed public split ») ; onglet Full ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-10-07","citation":"\"model\":\"GPT-6.1-Sol (mini-swe-agent) xhigh\",\"version\":\"gpt-6.1-sol\",\"rank\":5,\"score\":96.11,\"confidenceInterval_upper\":1.24"},"notes":["nom affiché : 'GPT-6.1-Sol (mini-swe-agent) xhigh' ; onglet Full (onglet actif par défaut : hard)","rang 5 ; intervalle de confiance affiché : +-1.24 ; date de ligne = createdAt 2026-10-07T01:44:58.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 Full (split public)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gpt-6-1-sol","benchmark":"terminal-bench","declare_par_labo":[{"modele":"gpt-6-1-sol","benchmark":"terminal-bench","version":"4.0","valeur":58.18,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":"max","outils":null,"tentatives":"n_trials = 330","harnais":"Codex","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-29","citation":"\"label\":\"GPT-6.1 Sol\"},\"reasoning_effort\":\"max\"},\"metrics\":{\"accuracy\":58.18"},"notes":["nom affiché : 'GPT-6.1 Sol' ; agent_org = 'OpenAI' ; model_org = 'OpenAI'","affichage de la page : **58.2%** ± 3.1% ; n_trials = 330 ; coût total affiché $$634.24 ; rang 3","date de ligne (metadata.date) = 2026-09-29 ; lien modèle : https://developers.openai.com/api/docs/models/gpt-6.1-sol","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gpt-6-1-sol","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-1-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":76.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.08553803333333333 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-1-sol-low\", \"score\": 0.7666666666666667, \"costPerTask\": 0.08553803333333333"},"notes":["nom affiché (models.json) : 'GPT-6.1 Sol (Low)' ; modelId openai-gpt-6-1-sol-low ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.7666666666666667 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-29 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-1-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":86.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"medium","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.10037736666666668 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-1-sol-medium\", \"score\": 0.8666666666666667, \"costPerTask\": 0.10037736666666668"},"notes":["nom affiché (models.json) : 'GPT-6.1 Sol (Medium)' ; modelId openai-gpt-6-1-sol-medium ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.8666666666666667 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-29 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-1-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":91.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.17808970000000007 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-1-sol-xhigh\", \"score\": 0.9166666666666666, \"costPerTask\": 0.17808970000000007"},"notes":["nom affiché (models.json) : 'GPT-6.1 Sol (XHigh)' ; modelId openai-gpt-6-1-sol-xhigh ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9166666666666666 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-29 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-1-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":91.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.13468670000000002 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-1-sol-high\", \"score\": 0.9166666666666666, \"costPerTask\": 0.13468670000000002"},"notes":["nom affiché (models.json) : 'GPT-6.1 Sol (High)' ; modelId openai-gpt-6-1-sol-high ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9166666666666666 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-29 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-1-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":94.2,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.25374978333333337 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-1-sol-max\", \"score\": 0.9416666666666667, \"costPerTask\": 0.25374978333333337"},"notes":["nom affiché (models.json) : 'GPT-6.1 Sol (Max)' ; modelId openai-gpt-6-1-sol-max ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.9416666666666667 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-29 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gpt-6-1-sol","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-1-sol","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":93.68,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id aBoQLaqnXsLPrsbN8wYgUp : gpt-6.1-sol_max = 0.9368421052631579","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-29"},"incertitude":1.44,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-1-sol","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-1-sol","benchmark":"simpleqa-verified","version":"Verified","valeur":73.9,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id dfT5VD7cQug8XW6GQHyJUF : gpt-6.1-sol_max = 0.739","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-29"},"incertitude":1.39,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-1-sol","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-1-sol","benchmark":"webdev-arena","version":"classement WebDev","valeur":1758.72,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recxV1YByh3vPMhLz : gpt-6.1-sol_max = 1758.72","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["1264 votes ; IC 95 % : 1739.63 – 1777.82."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-sol","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-sol","benchmark":"gpqa-diamond","version":"Diamond","valeur":94.32,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id aJD7ZfFftu2cZoToJhhzF7 : gpt-6-sol_max = 0.9431818181818182","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-22"},"incertitude":1.49,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-sol","benchmark":"hle","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gpt-6-sol","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gpt-6-sol","benchmark":"terminal-bench","declare_par_labo":[{"modele":"gpt-6-sol","benchmark":"terminal-bench","version":"4.0","valeur":49.39,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"OpenAI","configuration":{"effort":"max","outils":null,"tentatives":"n_trials = 330","harnais":"Codex","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"\"label\":\"GPT-6 Sol\"},\"reasoning_effort\":\"max\"},\"metrics\":{\"accuracy\":49.39"},"notes":["nom affiché : 'GPT-6 Sol' ; agent_org = 'OpenAI' ; model_org = 'OpenAI'","affichage de la page : **49.4%** ± 3.2% ; n_trials = 330 ; coût total affiché $$1.5k ; rang 16","date de ligne (metadata.date) = 2026-09-22 ; lien modèle : https://developers.openai.com/api/docs/models/gpt-6-sol","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gpt-6-sol","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":1.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"none","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.0740642 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-sol-none\", \"score\": 0.016666666666666666, \"costPerTask\": 0.0740642"},"notes":["nom affiché (models.json) : 'GPT-6 Sol (None)' ; modelId openai-gpt-6-sol-none ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.016666666666666666 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":31.5,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.1008582166666667 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-sol-low\", \"score\": 0.3152777777777777, \"costPerTask\": 0.1008582166666667"},"notes":["nom affiché (models.json) : 'GPT-6 Sol (Low)' ; modelId openai-gpt-6-sol-low ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.3152777777777777 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":57.8,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"medium","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.14762708333333335 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-sol-medium\", \"score\": 0.5777777777777778, \"costPerTask\": 0.14762708333333335"},"notes":["nom affiché (models.json) : 'GPT-6 Sol (Medium)' ; modelId openai-gpt-6-sol-medium ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.5777777777777778 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":68.9,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.20273668333333333 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-sol-high\", \"score\": 0.6888888888888888, \"costPerTask\": 0.20273668333333333"},"notes":["nom affiché (models.json) : 'GPT-6 Sol (High)' ; modelId openai-gpt-6-sol-high ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.6888888888888888 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":78.1,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.27722933333333344 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-sol-xhigh\", \"score\": 0.7805555555555556, \"costPerTask\": 0.27722933333333344"},"notes":["nom affiché (models.json) : 'GPT-6 Sol (XHigh)' ; modelId openai-gpt-6-sol-xhigh ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.7805555555555556 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gpt-6-sol","benchmark":"arc-agi-2","version":"semi-privé","valeur":89.6,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.43889828333333336 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"openai-gpt-6-sol-max\", \"score\": 0.8958333333333334, \"costPerTask\": 0.43889828333333336"},"notes":["nom affiché (models.json) : 'GPT-6 Sol (Max)' ; modelId openai-gpt-6-sol-max ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.8958333333333334 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-22 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gpt-6-sol","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-sol","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":89.82,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id RHjHEPHEsWZqFuMjBTeC6r : gpt-6-sol_max = 0.8982456140350877","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-22"},"incertitude":1.79,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-sol","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-sol","benchmark":"simpleqa-verified","version":"Verified","valeur":60.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id donMeEKBZZdqpQsojKWJEm : gpt-6-sol_max = 0.607","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-22"},"incertitude":1.55,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gpt-6-sol","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gpt-6-sol","benchmark":"webdev-arena","version":"classement WebDev","valeur":1689.33,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id rec7T9l5XF7aKZFWM : gpt-6-sol_max = 1689.33","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["3197 votes ; IC 95 % : 1677.53 – 1701.14."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gemini-4-argon","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gemini-4-argon","benchmark":"hle","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gemini-4-argon","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gemini-4-argon","benchmark":"terminal-bench","declare_par_labo":[{"modele":"gemini-4-argon","benchmark":"terminal-bench","version":"4.0","valeur":57.4,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Google DeepMind","configuration":{"effort":"Réglages de réflexion les plus élevés de l'API Gemini","outils":null,"tentatives":"pass@1","harnais":null,"note":"Auto-calculé par Google pour Gemini 4 Argon"},"source":{"url":"https://deepmind.google/models/gemini/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Terminal-bench 4.0 Agentic coding | | 57.4% | 58.2% | 57.9% | 66.4%"},"notes":["Page deepmind.google/models/gemini/ non datée ; billet blog.google du 2026-09-30. Colonnes : Gemini 4 Argon, GPT-6 Astra, Claude Fable 5.1, Claude Opus 5.5.","Méthodologie (PDF https://deepmind.google/models/evals-methodology/gemini-4-argon, 'results as of October, 2026') : 'Terminal-Bench 4.0 results for Gemini 4 Argon are self computed' ; tous les scores pass@1 sauf mention, API Gemini, réglages de réflexion les plus élevés. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Version telle que la source la nomme : Terminal-Bench 4.0"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gemini-4-argon","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gemini-4-argon","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gemini-4-argon","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gemini-4-argon","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-4-argon","benchmark":"webdev-arena","version":"classement WebDev","valeur":1679.5,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recwdOhldUOnpwUJK : gemini-4-argon_high = 1679.5","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["2422 votes ; IC 95 % : 1666.24 – 1692.77."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gemini-3-8-flash","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-8-flash","benchmark":"gpqa-diamond","version":"Diamond","valeur":95.39,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id Br3mjs2GrYcCwX9AMwcihU : gemini-3.8-flash_high = 0.9539141414141414","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-02"},"incertitude":1.4,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gemini-3-8-flash","benchmark":"hle","declare_par_labo":[{"modele":"gemini-3-8-flash","benchmark":"hle","version":"HLE-Verified (1 811 questions)","valeur":54.9,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Google DeepMind","configuration":{"effort":null,"outils":null,"tentatives":"pass@1","harnais":null,"note":"Auto-calculé ; jeu 'verified' de 1 811 items (668 vérifiés du HLE original + 1 143 révisés, 689 incertains exclus) ; l'outillage n'est pas précisé"},"source":{"url":"https://deepmind.google/models/model-cards/gemini-3-8-flash/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-02","citation":"HLE-Verified Multidisciplinary expert reasoning | | 54.9%"},"notes":["Carte de modèle publiée 2026-09-02, résultats 'as of September, 2026'. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Méthodologie (PDF https://deepmind.google/models/evals-methodology/gemini-3-8-flash) : scores Gemini en pass@1 sauf mention, 'single attempt' sans vote majoritaire ni calcul parallèle ; API gemini-3.8-flash, échantillonnage par défaut ; niveau d'effort du tableau non précisé.","Variante HLE-Verified, pas le HLE standard : à traiter comme une valeur distincte.","Version telle que la source la nomme : HLE-Verified (1 811 questions vérifiées/révisées), pas le HLE complet"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"gemini-3-8-flash","benchmark":"hle","version":"complet, outils non précisés","valeur":44.52,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":"la page ne précise ni effort ni outils"},"source":{"url":"https://labs.scale.com/leaderboard/humanitys_last_exam","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-09","citation":"\"model\":\"Gemini 3.8 Flash\",\"version\":\"\",\"rank\":4,\"score\":44.52,\"confidenceInterval_upper\":1.96"},"notes":["nom affiché : 'Gemini 3.8 Flash'","rang 4 ; intervalle de confiance affiché : +-1.96 ; date de ligne = createdAt 2026-09-09T19:01:48.000Z","contaminationMessage de la page : Potential contamination warning: This model was evaluated after the public release of HLE, allowing model builder access to the prompts and solutions.","citation issue du payload JSON décodé (flight Next.js) de la page, pas de l'HTML brut échappé","Version telle que la source la nomme : Humanity's Last Exam (leaderboard Scale SEAL, 2 500 questions)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gemini-3-8-flash","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-8-flash","benchmark":"swe-bench-pro","version":"V2 public, complet","valeur":94.86,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"high","outils":false,"tentatives":null,"harnais":"mini-swe-agent","note":"split public (page V2 : « a refreshed public split ») ; onglet Full ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-10-07","citation":"\"model\":\"Gemini 3.8 Flash (mini-swe-agent) high\",\"version\":\"\",\"rank\":8,\"score\":94.86,\"confidenceInterval_upper\":1.46"},"notes":["nom affiché : 'Gemini 3.8 Flash (mini-swe-agent) high' ; onglet Full (onglet actif par défaut : hard)","rang 8 ; intervalle de confiance affiché : +-1.46 ; date de ligne = createdAt 2026-10-07T01:44:58.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 Full (split public)"],"fichier":"valeurs-releves.json"},{"modele":"gemini-3-8-flash","benchmark":"swe-bench-pro","version":"V2 public, difficile","valeur":58.8,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"high","outils":false,"tentatives":null,"harnais":"mini-swe-agent","note":"split public (page V2 : « a refreshed public split ») ; onglet HARD ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"\"model\":\"Gemini 3.8 Flash (mini-swe-agent) high\",\"version\":\"\",\"rank\":9,\"score\":58.8,\"confidenceInterval_upper\":0"},"notes":["nom affiché : 'Gemini 3.8 Flash (mini-swe-agent) high' ; onglet HARD (onglet actif par défaut : hard)","rang 9 ; intervalle de confiance affiché : +-0 ; date de ligne = createdAt 2026-09-22T03:41:37.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 HARD (split public)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gemini-3-8-flash","benchmark":"terminal-bench","declare_par_labo":[{"modele":"gemini-3-8-flash","benchmark":"terminal-bench","version":"2.1","valeur":89.4,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Google DeepMind","configuration":{"effort":null,"outils":null,"tentatives":"pass@1","harnais":"Terminus 2 (harnais agent par défaut uniquement)","note":"Auto-calculé par Google pour les modèles Gemini"},"source":{"url":"https://deepmind.google/models/model-cards/gemini-3-8-flash/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-02","citation":"Terminal-bench 2.1 Agentic terminal coding | | 89.4%"},"notes":["Carte de modèle publiée 2026-09-02, résultats 'as of September, 2026'. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Méthodologie (PDF https://deepmind.google/models/evals-methodology/gemini-3-8-flash) : scores Gemini en pass@1 sauf mention, 'single attempt' sans vote majoritaire ni calcul parallèle ; API gemini-3.8-flash, échantillonnage par défaut ; niveau d'effort du tableau non précisé.","Version telle que la source la nomme : Terminal-Bench 2.1"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"gemini-3-8-flash","benchmark":"terminal-bench","version":"4.0","valeur":19.1,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"tbench.ai","configuration":{"effort":"Niveau de réflexion le plus élevé de chaque modèle, selon les auteurs de Terminal Bench","outils":null,"tentatives":null,"harnais":null,"note":"Repris par Google depuis le classement public officiel (méthodologie)"},"source":{"url":"https://deepmind.google/models/model-cards/gemini-3-8-flash/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-02","citation":"Terminal-bench 4.0 General agent capabilities | | 19.1%"},"notes":["Carte de modèle publiée 2026-09-02, résultats 'as of September, 2026'. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Méthodologie : 'Terminal-Bench 4.0 results are reported from the official public leaderboard.' Version 4.0, non comparable à la 2.0/2.1.","Version telle que la source la nomme : Terminal-Bench 4.0"],"fichier":"valeurs-releves.json"},{"modele":"gemini-3-8-flash","benchmark":"terminal-bench","version":"4.0","valeur":19.09,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"tbench.ai","configuration":{"effort":"high","outils":null,"tentatives":"n_trials = 330","harnais":"mini-SWE-agent","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-02","citation":"\"label\":\"Gemini 3.8 Flash\"},\"reasoning_effort\":\"high\"},\"metrics\":{\"accuracy\":19.09"},"notes":["nom affiché : 'Gemini 3.8 Flash' ; agent_org = 'SWE-agent' ; model_org = 'Google'","affichage de la page : **19.1%** ± 3.4% ; n_trials = 330 ; coût total affiché $$1.8k ; rang 29","date de ligne (metadata.date) = 2026-09-02 ; lien modèle : https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gemini-3-8-flash","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-8-flash","benchmark":"arc-agi-2","version":"semi-privé","valeur":77.5,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.15445401874999998 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"google-gemini-3-8-flash-low\", \"score\": 0.775, \"costPerTask\": 0.15445401874999998"},"notes":["nom affiché (models.json) : 'Gemini 3.8 Flash (Low)' ; modelId google-gemini-3-8-flash-low ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.775 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-02 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gemini-3-8-flash","benchmark":"arc-agi-2","version":"semi-privé","valeur":82.9,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"medium","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.2477876749999999 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"google-gemini-3-8-flash-medium\", \"score\": 0.8291666666666667, \"costPerTask\": 0.2477876749999999"},"notes":["nom affiché (models.json) : 'Gemini 3.8 Flash (Medium)' ; modelId google-gemini-3-8-flash-medium ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.8291666666666667 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-02 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"gemini-3-8-flash","benchmark":"arc-agi-2","version":"semi-privé","valeur":89.2,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.39972941250000005 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"google-gemini-3-8-flash-high\", \"score\": 0.8916666666666667, \"costPerTask\": 0.39972941250000005"},"notes":["nom affiché (models.json) : 'Gemini 3.8 Flash (High)' ; modelId google-gemini-3-8-flash-high ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.8916666666666667 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-02 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gemini-3-8-flash","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-8-flash","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":68.42,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id Utgs6DuaQDDdi98ZWH22qL : gemini-3.8-flash_high = 0.6842105263157895","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-02"},"incertitude":2.76,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gemini-3-8-flash","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-8-flash","benchmark":"simpleqa-verified","version":"Verified","valeur":69.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id gZ4bwozTKtpmZTqnqX3a33 : gemini-3.8-flash_high = 0.697","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-02"},"incertitude":1.45,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gemini-3-8-flash","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-8-flash","benchmark":"webdev-arena","version":"classement WebDev","valeur":1567.88,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recHMg6xBTMJBE8o8 : gemini-3.8-flash_high = 1567.88","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["2732 votes ; IC 95 % : 1555.5 – 1580.25."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gemini-3-1-pro","benchmark":"gpqa-diamond","declare_par_labo":[{"modele":"gemini-3-1-pro","benchmark":"gpqa-diamond","version":"Diamond","valeur":94.3,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Google DeepMind","configuration":{"effort":"Thinking (High)","outils":false,"tentatives":"pass@1","harnais":null,"note":"Auto-calculé par Google"},"source":{"url":"https://deepmind.google/models/model-cards/gemini-3-1-pro/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-02-19","citation":"GPQA Diamond Scientific knowledge | No tools | 94.3%"},"notes":["Carte de modèle publiée 2026-02-19 ; colonne 'Gemini 3.1 Pro Thinking (High)'. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Méthodologie (PDF https://deepmind.google/models/evals-methodology/gemini-3-1-pro) : scores Gemini en pass@1 sauf mention, 'single attempt' sans vote majoritaire ni calcul parallèle ; API gemini-3.1-pro-preview, échantillonnage par défaut.","Version telle que la source la nomme : GPQA Diamond"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"gemini-3-1-pro","benchmark":"gpqa-diamond","version":"Diamond","valeur":94.1,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id kR9F3oHBCnwQW4AiTPKwpd : gemini-3.1-pro-preview = 0.941","origine":"run interne d'Epoch AI","date_page":"run du 2026-02-20"},"incertitude":1.7,"fichier":"valeurs-epoch.json"},{"modele":"gemini-3-1-pro","benchmark":"gpqa-diamond","version":"Diamond","valeur":94.44,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id BgmrBFsbsaD8rNpebv49Da : gemini-3.1-pro-preview_high = 0.9444444444444444","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-06"},"incertitude":1.63,"fichier":"valeurs-epoch.json"}],"ecarts":[{"version":"Diamond","declare":0,"mesure":0,"difference":0.2,"conditions":"conditions-incompletes"},{"version":"Diamond","declare":0,"mesure":1,"difference":-0.14,"conditions":"memes-conditions"}]},{"modele":"gemini-3-1-pro","benchmark":"hle","declare_par_labo":[{"modele":"gemini-3-1-pro","benchmark":"hle","version":"complet, avec outils","valeur":51.4,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Google DeepMind","configuration":{"effort":"Thinking (High)","outils":true,"tentatives":"pass@1","harnais":null,"note":"Recherche avec liste de blocage (sites pouvant contenir les résultats du benchmark) + exécution de code ; auto-calculé"},"source":{"url":"https://deepmind.google/models/model-cards/gemini-3-1-pro/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-02-19","citation":"Search (blocklist) + Code | 51.4%"},"notes":["Carte de modèle publiée 2026-02-19 ; colonne 'Gemini 3.1 Pro Thinking (High)'. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Deuxième ligne HLE du tableau (avec outils).","Version telle que la source la nomme : Humanity's Last Exam, jeu complet (texte + multimodal), recherche + code"],"fichier":"valeurs-releves.json"},{"modele":"gemini-3-1-pro","benchmark":"hle","version":"complet, sans outils","valeur":44.4,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Google DeepMind","configuration":{"effort":"Thinking (High)","outils":false,"tentatives":"pass@1","harnais":null,"note":"Auto-calculé par Google (méthodologie)"},"source":{"url":"https://deepmind.google/models/model-cards/gemini-3-1-pro/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-02-19","citation":"Humanity's Last Exam Academic reasoning (full set, text + MM) | No tools | 44.4%"},"notes":["Carte de modèle publiée 2026-02-19 ; colonne 'Gemini 3.1 Pro Thinking (High)'. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Méthodologie (PDF https://deepmind.google/models/evals-methodology/gemini-3-1-pro) : scores Gemini en pass@1 sauf mention, 'single attempt' sans vote majoritaire ni calcul parallèle ; API gemini-3.1-pro-preview, échantillonnage par défaut.","Version telle que la source la nomme : Humanity's Last Exam, jeu complet (texte + multimodal)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"gemini-3-1-pro","benchmark":"hle","version":"complet, outils non précisés","valeur":46.44,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"la page ne dit pas si des outils sont utilisés ; effort lu dans le nom affiché"},"source":{"url":"https://labs.scale.com/leaderboard/humanitys_last_exam","fiabilite":"PAGE","consulte_le":"2026-10-13","date_page":"2026-04-10","citation":"{\"model\":\"gemini-3.1-pro-preview (thinking high)\",\"version\":\"\",\"rank\":3,\"score\":46.44,\"confidenceInterval_upper\":1.96"},"notes":["nom affiché : 'gemini-3.1-pro-preview (thinking high)'","rang 3 ; intervalle de confiance affiché : +-1.96 ; date de ligne = createdAt 2026-04-10T15:51:06.000Z","contaminationMessage de la page : Potential contamination warning: This model was evaluated after the public release of HLE, allowing model builder access to the prompts and solutions.","gemini-3.1-pro-preview = identifiant API de Gemini 3.1 Pro (méthodologie DeepMind citée dans la valeur déclarée) ; ligne présente depuis avril, absente du relevé du 2026-10-12","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : Humanity's Last Exam (leaderboard Scale SEAL, 2 500 questions)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gemini-3-1-pro","benchmark":"swe-bench-pro","declare_par_labo":[{"modele":"gemini-3-1-pro","benchmark":"swe-bench-pro","version":"public","valeur":54.2,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Google DeepMind","configuration":{"effort":"Thinking (High)","outils":null,"tentatives":"Single attempt, moyenne de 5 exécutions","harnais":"Scaffolding maison : outil bash, outils d'édition de fichiers, outil submit","note":"Variante 'Public' du benchmark"},"source":{"url":"https://deepmind.google/models/model-cards/gemini-3-1-pro/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-02-19","citation":"SWE-Bench Pro (Public) Diverse agentic coding tasks | Single attempt | 54.2%"},"notes":["Carte de modèle publiée 2026-02-19 ; colonne 'Gemini 3.1 Pro Thinking (High)'. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Méthodologie (PDF) : 'Averaged over 10x runs for SWE-Bench Verified and 5x runs for SWE-Bench Pro'.","Version telle que la source la nomme : SWE-Bench Pro (Public)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"gemini-3-1-pro","benchmark":"terminal-bench","declare_par_labo":[{"modele":"gemini-3-1-pro","benchmark":"terminal-bench","version":"2.0","valeur":59.36,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Google","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":"Gemini CLI","note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"terminalbench_external.csv, id rechRUph4VPi4BkPa : gemini-3.1-pro-preview = 0.593632958801","origine":"https://www.tbench.ai/leaderboard/terminal-bench/2.0 (relayé par Epoch AI)","date_page":"run du 2026-02-19"},"incertitude":4.2,"notes":["Run soumis au leaderboard tbench.ai par le labo du modèle."],"fichier":"valeurs-epoch.json"},{"modele":"gemini-3-1-pro","benchmark":"terminal-bench","version":"2.0","valeur":68.5,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Google DeepMind","configuration":{"effort":"Thinking (High)","outils":null,"tentatives":"pass@1","harnais":"Terminus-2 (harnais agent par défaut)","note":"Auto-calculé par Google pour Gemini 3.1 Pro ; ligne 'autre meilleur harnais auto-déclaré' = '—' pour Gemini 3.1 Pro"},"source":{"url":"https://deepmind.google/models/model-cards/gemini-3-1-pro/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-02-19","citation":"Terminal-Bench 2.0 Agentic terminal coding | Terminus-2 harness | 68.5%"},"notes":["Carte de modèle publiée 2026-02-19 ; colonne 'Gemini 3.1 Pro Thinking (High)'. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Méthodologie (PDF https://deepmind.google/models/evals-methodology/gemini-3-1-pro) : scores Gemini en pass@1 sauf mention, 'single attempt' sans vote majoritaire ni calcul parallèle ; API gemini-3.1-pro-preview, échantillonnage par défaut.","Version telle que la source la nomme : Terminal-Bench 2.0"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"gemini-3-1-pro","benchmark":"terminal-bench","version":"2.0","valeur":78.4,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ForgeCode","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":"ForgeCode","note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"terminalbench_external.csv, id rec64ox7LJjoKhMmd : gemini-3.1-pro-preview = 0.784","origine":"https://www.tbench.ai/leaderboard/terminal-bench/2.0 (relayé par Epoch AI)","date_page":"run du 2026-03-02"},"incertitude":1.8,"fichier":"valeurs-epoch.json"},{"modele":"gemini-3-1-pro","benchmark":"terminal-bench","version":"2.0","valeur":74.83,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"KRAFTON AI","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":"Terminus-KIRA","note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"terminalbench_external.csv, id recwQlLxqWmKqLyki : gemini-3.1-pro-preview = 0.748314606742","origine":"https://www.tbench.ai/leaderboard/terminal-bench/2.0 (relayé par Epoch AI)","date_page":"run du 2026-02-19"},"incertitude":2.57,"fichier":"valeurs-epoch.json"},{"modele":"gemini-3-1-pro","benchmark":"terminal-bench","version":"2.0","valeur":80.22,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"BIGAI","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":"TongAgents","note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"terminalbench_external.csv, id recWIDb8VVaXoNXGP : gemini-3.1-pro-preview = 0.8022471910110001","origine":"https://www.tbench.ai/leaderboard/terminal-bench/2.0 (relayé par Epoch AI)","date_page":"run du 2026-02-19"},"incertitude":2.62,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gemini-3-1-pro","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-1-pro","benchmark":"arc-agi-2","version":"semi-privé","valeur":77.1,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"Thinking (High)","outils":null,"tentatives":null,"harnais":null,"note":"Résultat 'ARC Prize Verified', jeu semi-privé, repris par Google depuis le site ARC Prize"},"source":{"url":"https://deepmind.google/models/model-cards/gemini-3-1-pro/","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-02-19","citation":"ARC-AGI-2 Abstract reasoning puzzles | ARC Prize Verified | 77.1%"},"notes":["Carte de modèle publiée 2026-02-19 ; colonne 'Gemini 3.1 Pro Thinking (High)'. Texte extrait de la page HTML ; '|' = séparateur de cellules du tableau, ajouté à l'extraction.","Méthodologie : 'ARC-AGI-2 results are sourced from the ARC Prize website and are ARC Prize Verified. The set reported is semi-private.' Le billet blog.google du 2026-02-19 dit aussi 'verified score of 77.1%'.","Version telle que la source la nomme : ARC-AGI-2, ARC Prize Verified, jeu semi-privé"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"gemini-3-1-pro","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-1-pro","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":59.65,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id hVifTUdQZrFEYabgCRu8Qq : gemini-3.1-pro-preview = 0.5964912280701754","origine":"run interne d'Epoch AI","date_page":"run du 2026-06-11"},"incertitude":2.91,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gemini-3-1-pro","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-1-pro","benchmark":"simpleqa-verified","version":"Verified","valeur":73.5,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id VGeF8Xac4WcSAGgSXVdEBi : gemini-3.1-pro-preview_high = 0.735","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-10"},"incertitude":1.4,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"gemini-3-1-pro","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"gemini-3-1-pro","benchmark":"webdev-arena","version":"classement WebDev","valeur":1446.64,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id reczlQxaml8buBx3t : gemini-3.1-pro-preview = 1446.64","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["22891 votes ; IC 95 % : 1441.48 – 1451.8."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"grok-4-7","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[{"modele":"grok-4-7","benchmark":"gpqa-diamond","version":"Diamond","valeur":92.74,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id hxAhYJfXdPNanxatXpG5hC : grok-4.7_xhigh = 0.92739898989899","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-22"},"incertitude":1.55,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"grok-4-7","benchmark":"hle","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"grok-4-7","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"grok-4-7","benchmark":"terminal-bench","declare_par_labo":[{"modele":"grok-4-7","benchmark":"terminal-bench","version":"4.0","valeur":37.58,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"xAI","configuration":{"effort":"xhigh","outils":null,"tentatives":"n_trials = 330","harnais":"Grok Build","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-21","citation":"\"label\":\"Grok 4.7\"},\"reasoning_effort\":\"xhigh\"},\"metrics\":{\"accuracy\":37.58"},"notes":["nom affiché : 'Grok 4.7' ; agent_org = 'xAI' ; model_org = 'xAI'","affichage de la page : **37.6%** ± 3.5% ; n_trials = 330 ; coût total affiché $$3.68k (partial: 324/330) ; rang 21","date de ligne (metadata.date) = 2026-09-21 ; lien modèle : https://docs.x.ai/developers/models/grok-4.7","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"},{"modele":"grok-4-7","benchmark":"terminal-bench","version":"4.0","valeur":37.6,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"xAI","configuration":{"effort":"xHigh","outils":null,"tentatives":null,"harnais":null,"note":"Colonne 'Grok 4.7 xHigh' ; la page ne dit rien d'autre (outils, tentatives, harnais)"},"source":{"url":"https://x.ai/news/grok-4-7","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-21","citation":"Multi-hour terminal work Terminal-Bench 4.0 37.6% 20.3% 37.3% 57.9%"},"notes":["Colonnes : Grok 4.7 xHigh, Grok 4.6 High, GPT-5.6 Sol Max, Fable 5.1 Max. Texte de la page rendu en cellules séparées sur des lignes distinctes ; chiffres de Grok 4.7 en premier.","L'astérisque '* high effort' de la page ne concerne que DeepSWE v1.1, pas Terminal-Bench.","Version telle que la source la nomme : Terminal-Bench 4.0 ('Multi-hour terminal work')"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"grok-4-7","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[{"modele":"grok-4-7","benchmark":"arc-agi-2","version":"semi-privé","valeur":16.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.17369760000000004 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"xai-grok-4-7-low\", \"score\": 0.16666666666666666, \"costPerTask\": 0.17369760000000004"},"notes":["nom affiché (models.json) : 'Grok 4.7 (Low)' ; modelId xai-grok-4-7-low ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.16666666666666666 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-21 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"grok-4-7","benchmark":"arc-agi-2","version":"semi-privé","valeur":58.3,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 1.549013099999999 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"xai-grok-4-7-high\", \"score\": 0.5833333333333334, \"costPerTask\": 1.549013099999999"},"notes":["nom affiché (models.json) : 'Grok 4.7 (High)' ; modelId xai-grok-4-7-high ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.5833333333333334 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-21 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"grok-4-7","benchmark":"arc-agi-2","version":"semi-privé","valeur":58.8,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"medium","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 1.4759098000000002 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"xai-grok-4-7-medium\", \"score\": 0.5875, \"costPerTask\": 1.4759098000000002"},"notes":["nom affiché (models.json) : 'Grok 4.7 (Medium)' ; modelId xai-grok-4-7-medium ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.5875 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-21 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"grok-4-7","benchmark":"arc-agi-2","version":"semi-privé","valeur":61.4,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 2.0149060666666663 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"xai-grok-4-7-xhigh\", \"score\": 0.6138888888888888, \"costPerTask\": 2.0149060666666663"},"notes":["nom affiché (models.json) : 'Grok 4.7 (XHigh)' ; modelId xai-grok-4-7-xhigh ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.6138888888888888 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-09-21 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"grok-4-7","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"grok-4-7","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":52.98,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id F4unBbW5M4VJogzCq4vGAb : grok-4.7_xhigh = 0.5298245614035088","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-22"},"incertitude":2.96,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"grok-4-7","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"grok-4-7","benchmark":"simpleqa-verified","version":"Verified","valeur":56,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id 6izDCw5ygCLZJEKPS8jV5T : grok-4.7_xhigh = 0.56","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-22"},"incertitude":1.57,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"grok-4-7","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"grok-4-7","benchmark":"webdev-arena","version":"classement WebDev","valeur":1637.52,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recxFONeSIPSZlVez : grok-4.7_xhigh = 1637.52","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["3216 votes ; IC 95 % : 1625.76 – 1649.29."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"muse-spark-1-3","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"muse-spark-1-3","benchmark":"hle","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"muse-spark-1-3","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"muse-spark-1-3","benchmark":"terminal-bench","declare_par_labo":[{"modele":"muse-spark-1-3","benchmark":"terminal-bench","version":"2.1","valeur":88.8,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Meta","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"Colonne 'Muse Spark 1.3 (max)' ; la page ne dit rien d'autre"},"source":{"url":"https://developer.meta.com/ai/models/muse-spark/","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Terminal-Bench 2.1Agentic terminal coding ... 75.4 | 59.4 | 88.8"},"notes":["Page développeurs Meta, non datée ; billet https://research.meta.ai/blog/introducing-muse-spark-1-3 daté 2026-09-02. Dans le texte brut, libellés et valeurs sont en colonnes séparées : la 11e valeur de la colonne Muse Spark 1.3 (max) est 88.8, rang de Terminal-Bench 2.1 (dernier des 11 benchmarks).","Confirmé visuellement sur l'image 'benchmark-scorecard-v6' du billet research.meta.ai (88.8 pour Muse Spark 1.3 (max), 88.8 pour GPT 5.6 Sol (max), 86.7 Opus 5 (max)). La citation est donc un assemblage de morceaux du texte brut, non une phrase contiguë.","Version telle que la source la nomme : Terminal-Bench 2.1"],"fichier":"valeurs-releves.json"},{"modele":"muse-spark-1-3","benchmark":"terminal-bench","version":"4.0","valeur":14.55,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Meta","configuration":{"effort":"xhigh","outils":null,"tentatives":"n_trials = 330","harnais":"Muse Code","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-02","citation":"\"label\":\"Muse Spark 1.3\"},\"reasoning_effort\":\"xhigh\"},\"metrics\":{\"accuracy\":14.55"},"notes":["nom affiché : 'Muse Spark 1.3' ; agent_org = 'Meta' ; model_org = 'Meta'","affichage de la page : **14.5%** ± 2.9% ; n_trials = 330 ; coût total affiché $$0.00 ; rang 32","date de ligne (metadata.date) = 2026-09-02 ; lien modèle : https://ai.meta.com/tools/muse/","citation issue du payload JSON décodé (flight Next.js) de la page","harnais du labo (agent_org = model_org) ; l'organisation qui a soumis la ligne n'est PAS affichée par la page : à trancher par l'appelant","total_cost_usd = 0 sur la page (tel quel)","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)","Harnais du labo du modèle ; publié sur tbench.ai, soumetteur non affiché : compté comme déclaré par le labo."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"muse-spark-1-3","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"muse-spark-1-3","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"muse-spark-1-3","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":74.04,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id 6735DShGR4Zu5KZ2U6n4pC : muse-spark-1.3_max = 0.7403508771929824","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-18"},"incertitude":2.6,"fichier":"valeurs-epoch.json"},{"modele":"muse-spark-1-3","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":74.39,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id JeYksd3f2RkegmxCcZyBMQ : muse-spark-1.3_xhigh = 0.743859649122807","origine":"run interne d'Epoch AI","date_page":"run du 2026-09-16"},"incertitude":2.59,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"muse-spark-1-3","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"muse-spark-1-3","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"muse-spark-1-3","benchmark":"webdev-arena","version":"classement WebDev","valeur":1651.94,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recLl8orHc32h5fTt : muse-spark-1.3_max = 1651.94","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["2972 votes ; IC 95 % : 1639.8 – 1664.07."],"fichier":"valeurs-epoch.json"},{"modele":"muse-spark-1-3","benchmark":"webdev-arena","version":"classement WebDev","valeur":1623.12,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recJf8XU8Ck0yrLX9 : muse-spark-1.3_xhigh = 1623.12","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["2123 votes ; IC 95 % : 1609.11 – 1637.13."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"kimi-k3","benchmark":"gpqa-diamond","declare_par_labo":[{"modele":"kimi-k3","benchmark":"gpqa-diamond","version":"Diamond","valeur":93.5,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Moonshot AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"Tous les résultats K3 : reasoning effort 'max', temperature 1.0 ; top-p 0.95 pour tâches mono-étape (GPQA, HLE-Full), 1.0 pour tâches agentiques."},"source":{"url":"https://huggingface.co/moonshotai/Kimi-K3","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"GPQA Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 93.5 | 91.2"},"notes":["Colonne 'Kimi K3 (max)' = première colonne du tableau HTML (cellules aplaties).","Version telle que la source la nomme : GPQA Diamond (taille non précisée)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"kimi-k3","benchmark":"gpqa-diamond","version":"Diamond","valeur":91.92,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id AoAD5uVtgVDnXmwA7STuno : kimi-k3_high = 0.9191919191919192","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-07"},"incertitude":1.94,"fichier":"valeurs-epoch.json"},{"modele":"kimi-k3","benchmark":"gpqa-diamond","version":"Diamond","valeur":84.85,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id mvNb3hNgSZ2gS6jHMtvCdk : kimi-k3_low = 0.8484848484848485","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-07"},"incertitude":2.55,"fichier":"valeurs-epoch.json"},{"modele":"kimi-k3","benchmark":"gpqa-diamond","version":"Diamond","valeur":93.12,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id B8MaPUe3EYwUZASsNqE7C9 : kimi-k3_max = 0.9311868686868687","origine":"run interne d'Epoch AI","date_page":"run du 2026-07-16"},"incertitude":1.49,"fichier":"valeurs-epoch.json"}],"ecarts":[{"version":"Diamond","declare":0,"mesure":2,"difference":0.38,"conditions":"memes-conditions"}]},{"modele":"kimi-k3","benchmark":"hle","declare_par_labo":[{"modele":"kimi-k3","benchmark":"hle","version":"complet, avec outils","valeur":56,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Moonshot AI","configuration":{"effort":"max","outils":true,"tentatives":null,"harnais":null,"note":"Tous les résultats K3 : reasoning effort 'max', temperature 1.0 ; top-p 0.95 pour tâches mono-étape (GPQA, HLE-Full), 1.0 pour tâches agentiques. Outils généraux."},"source":{"url":"https://huggingface.co/moonshotai/Kimi-K3","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"HLE-Full | 43.5 / 56.0 | 53.3 / 63.0 | 44.5 / 58.0"},"notes":["Second chiffre de la cellule '43.5 / 56.0' (avec outils). La page GLM-5.3 donne 59.8 pour Kimi K3 sur 'HLE w/ Tools' (voir remarques).","Version telle que la source la nomme : HLE-Full, avec outils généraux"],"fichier":"valeurs-releves.json"},{"modele":"kimi-k3","benchmark":"hle","version":"complet, sans outils","valeur":43.5,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Moonshot AI","configuration":{"effort":"max","outils":false,"tentatives":null,"harnais":null,"note":"Tous les résultats K3 : reasoning effort 'max', temperature 1.0 ; top-p 0.95 pour tâches mono-étape (GPQA, HLE-Full), 1.0 pour tâches agentiques. Cellule 'sans / avec outils' (outils généraux pour HLE-Full)."},"source":{"url":"https://huggingface.co/moonshotai/Kimi-K3","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"HLE-Full | 43.5 / 56.0 | 53.3 / 63.0 | 44.5 / 58.0"},"notes":["Premier chiffre de la cellule '43.5 / 56.0' (sans outils, d'après la note de bas de tableau).","Version telle que la source la nomme : HLE-Full, sans outils"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"kimi-k3","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[{"modele":"kimi-k3","benchmark":"swe-bench-pro","version":"V2 public, complet","valeur":97.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"max","outils":false,"tentatives":null,"harnais":"mini-swe-agent","note":"split public (page V2 : « a refreshed public split ») ; onglet Full ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-10-07","citation":"\"model\":\"Kimi-K3 (mini-swe-agent) max\",\"version\":\"\",\"rank\":3,\"score\":97.7,\"confidenceInterval_upper\":0.9"},"notes":["nom affiché : 'Kimi-K3 (mini-swe-agent) max' ; onglet Full (onglet actif par défaut : hard)","rang 3 ; intervalle de confiance affiché : +-0.9 ; date de ligne = createdAt 2026-10-07T01:44:58.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 Full (split public)"],"fichier":"valeurs-releves.json"},{"modele":"kimi-k3","benchmark":"swe-bench-pro","version":"V2 public, difficile","valeur":88.2,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"max","outils":false,"tentatives":null,"harnais":"mini-swe-agent","note":"split public (page V2 : « a refreshed public split ») ; onglet HARD ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"\"model\":\"Kimi-K3 (mini-swe-agent) max\",\"version\":\"\",\"rank\":4,\"score\":88.2,\"confidenceInterval_upper\":0"},"notes":["nom affiché : 'Kimi-K3 (mini-swe-agent) max' ; onglet HARD (onglet actif par défaut : hard)","rang 4 ; intervalle de confiance affiché : +-0 ; date de ligne = createdAt 2026-09-22T03:41:35.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 HARD (split public)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"kimi-k3","benchmark":"terminal-bench","declare_par_labo":[{"modele":"kimi-k3","benchmark":"terminal-bench","version":"2.1","valeur":88.3,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Moonshot AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":"Kimi Code","note":"Tous les résultats K3 : reasoning effort 'max', temperature 1.0 ; top-p 0.95 pour tâches mono-étape (GPQA, HLE-Full), 1.0 pour tâches agentiques."},"source":{"url":"https://huggingface.co/moonshotai/Kimi-K3","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Terminal-Bench 2.1 | 88.3 | 88.0 | 88.8 | 84.6 | 83.4 | 82.7"},"notes":["Note de page : 'Kimi K3 is evaluated with the Kimi Code harness'. Autres modèles : meilleur score parmi les harnais."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"kimi-k3","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[{"modele":"kimi-k3","benchmark":"arc-agi-2","version":"semi-privé","valeur":12.4,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.2541386750000001 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"moonshot-kimi-k3-low\", \"score\": 0.12361111111111112, \"costPerTask\": 0.2541386750000001"},"notes":["nom affiché (models.json) : 'Kimi K3 (Low)' ; modelId moonshot-kimi-k3-low ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.12361111111111112 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-07-16 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"kimi-k3","benchmark":"arc-agi-2","version":"semi-privé","valeur":55,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.9472229249999998 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"moonshot-kimi-k3-high\", \"score\": 0.55, \"costPerTask\": 0.9472229249999998"},"notes":["nom affiché (models.json) : 'Kimi K3 (High)' ; modelId moonshot-kimi-k3-high ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.55 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-07-16 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"kimi-k3","benchmark":"arc-agi-2","version":"semi-privé","valeur":60.4,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 1.5926940250000003 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"moonshot-kimi-k3-max\", \"score\": 0.6041666666666666, \"costPerTask\": 1.5926940250000003"},"notes":["nom affiché (models.json) : 'Kimi K3 (Max)' ; modelId moonshot-kimi-k3-max ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.6041666666666666 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-07-16 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"kimi-k3","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"kimi-k3","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":72.18,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id bcntamvGsSH6QgETdoaSph : kimi-k3_max = 0.721830985915493","origine":"run interne d'Epoch AI","date_page":"run du 2026-07-17"},"incertitude":2.66,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"kimi-k3","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"kimi-k3","benchmark":"simpleqa-verified","version":"Verified","valeur":50.6,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id mZLWt2JSYvJyGhMvji7CT8 : kimi-k3_max = 0.506","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-27"},"incertitude":1.58,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"kimi-k3","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"kimi-k3","benchmark":"webdev-arena","version":"classement WebDev","valeur":1674.26,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recDg44iIUtAe2RhI : kimi-k3_max = 1674.26","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["4547 votes ; IC 95 % : 1663.05 – 1685.47."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"qwen-3-8-max","benchmark":"gpqa-diamond","declare_par_labo":[{"modele":"qwen-3-8-max","benchmark":"gpqa-diamond","version":"Diamond","valeur":92.6,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Alibaba (Qwen)","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":"Colonnes du tableau : Opus 4.8 | Fable 5 | GPT 5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max (dernière colonne = valeur retenue). Effort de raisonnement non précisé pour les benchmarks. AMBIGUITÉ : carte du dépôt Qwen3.8-2.4T-A95B (poids ouverts post-entraînés) ; la carte dit que 'Qwen3.8-Max' est la version officielle basée sur ce modèle, et l'en-tête du tableau est 'Qwen3.8-Max'."},"source":{"url":"https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"GPQA Diamond | 92.0 | 92.6 | 94.1 | 92.4 | 92.6"},"notes":["Version telle que la source la nomme : GPQA Diamond (taille non précisée)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"qwen-3-8-max","benchmark":"gpqa-diamond","version":"Diamond","valeur":92.68,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id TEVNDC9QXBh7PQvX9kHZip : qwen3.8-max_xhigh = 0.9267676767676768","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-04"},"incertitude":1.69,"fichier":"valeurs-epoch.json"}],"ecarts":[{"version":"Diamond","declare":0,"mesure":0,"difference":-0.08,"conditions":"conditions-incompletes"}]},{"modele":"qwen-3-8-max","benchmark":"hle","declare_par_labo":[{"modele":"qwen-3-8-max","benchmark":"hle","version":"non précisée, avec outils","valeur":56.2,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Alibaba (Qwen)","configuration":{"effort":null,"outils":true,"tentatives":null,"harnais":null,"note":"Colonnes du tableau : Opus 4.8 | Fable 5 | GPT 5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max (dernière colonne = valeur retenue). Effort de raisonnement non précisé pour les benchmarks. AMBIGUITÉ : carte du dépôt Qwen3.8-2.4T-A95B (poids ouverts post-entraînés) ; la carte dit que 'Qwen3.8-Max' est la version officielle basée sur ce modèle, et l'en-tête du tableau est 'Qwen3.8-Max'."},"source":{"url":"https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"HLE w/ tools | 57.9 | 64.5 | 58.0 | 53.5 | 56.2"},"notes":["Même chiffre (56.2) sur la page GLM-5.3 pour Qwen3.8-Max.","Version telle que la source la nomme : HLE w/ tools"],"fichier":"valeurs-releves.json"},{"modele":"qwen-3-8-max","benchmark":"hle","version":"non précisée, outils non précisés","valeur":43.6,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Alibaba (Qwen)","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":"Colonnes du tableau : Opus 4.8 | Fable 5 | GPT 5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max (dernière colonne = valeur retenue). Effort de raisonnement non précisé pour les benchmarks. AMBIGUITÉ : carte du dépôt Qwen3.8-2.4T-A95B (poids ouverts post-entraînés) ; la carte dit que 'Qwen3.8-Max' est la version officielle basée sur ce modèle, et l'en-tête du tableau est 'Qwen3.8-Max'. Ligne séparée de 'HLE w/ tools' ; absence d'outils déduite du libellé seulement."},"source":{"url":"https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"HLE | 45.7 | 53.3 | 47.2 | 41.4 | 43.6"},"notes":["Version telle que la source la nomme : HLE (ligne 'HLE', sans mention d'outils)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"qwen-3-8-max","benchmark":"swe-bench-pro","declare_par_labo":[{"modele":"qwen-3-8-max","benchmark":"swe-bench-pro","version":"public, tâches corrigées par le labo","valeur":67.7,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Alibaba (Qwen)","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":"Claude Code","note":"temp=1.0, top_p=0.95, fenêtre de contexte 256K. Colonnes du tableau : Opus 4.8 | Fable 5 | GPT 5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max (dernière colonne = valeur retenue). Effort de raisonnement non précisé pour les benchmarks. AMBIGUITÉ : carte du dépôt Qwen3.8-2.4T-A95B (poids ouverts post-entraînés) ; la carte dit que 'Qwen3.8-Max' est la version officielle basée sur ce modèle, et l'en-tête du tableau est 'Qwen3.8-Max'."},"source":{"url":"https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"SWE-bench Pro | 69.2 | 80.0 | 64.6 | 60.6 | 67.7"},"notes":["Note 3 de la carte : 'Problematic tasks corrected and all baselines evaluated on the refined benchmark' : version non standard.","Version telle que la source la nomme : SWE-bench Pro (tâches problématiques corrigées, 'refined benchmark')"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"qwen-3-8-max","benchmark":"terminal-bench","declare_par_labo":[{"modele":"qwen-3-8-max","benchmark":"terminal-bench","version":"2.1","valeur":86.6,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Alibaba (Qwen)","configuration":{"effort":null,"outils":null,"tentatives":"avg@10","harnais":"Claude Code","note":"Timeout 5 h, max_tokens=131,072. Colonnes du tableau : Opus 4.8 | Fable 5 | GPT 5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max (dernière colonne = valeur retenue). Effort de raisonnement non précisé pour les benchmarks. AMBIGUITÉ : carte du dépôt Qwen3.8-2.4T-A95B (poids ouverts post-entraînés) ; la carte dit que 'Qwen3.8-Max' est la version officielle basée sur ce modèle, et l'en-tête du tableau est 'Qwen3.8-Max'."},"source":{"url":"https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"Terminal Bench 2.1 | 84.6 | 84.6 | 88.8 | 74.5 | 86.6"},"notes":["Note 2 : 'Evaluated with Claude Code (avg@10), using a 5-hour timeout and max_tokens=131,072'. Même chiffre sur la page GLM-5.3."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"qwen-3-8-max","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"qwen-3-8-max","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"qwen-3-8-max","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":74.74,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id ABT89ieSWGnGj4RYMduHiG : qwen3.8-max_xhigh = 0.7473684210526316","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-04"},"incertitude":2.58,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"qwen-3-8-max","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"qwen-3-8-max","benchmark":"simpleqa-verified","version":"Verified","valeur":45.8,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"xhigh","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id bfftd5EzUK9yAekafEofvK : qwen3.8-max_xhigh = 0.458","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-27"},"incertitude":1.58,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"qwen-3-8-max","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"qwen-3-8-max","benchmark":"webdev-arena","version":"classement WebDev","valeur":1670.58,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recTdVm2qqlGWHUKV : qwen3.8-max_unknown = 1670.58","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["3221 votes ; IC 95 % : 1658.11 – 1683.04."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"deepseek-v4-pro-0813","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[{"modele":"deepseek-v4-pro-0813","benchmark":"gpqa-diamond","version":"Diamond","valeur":91.67,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id nEJGtXGN588zynPkynZkxz : deepseek-v4-pro-0813_max = 0.9166666666666666","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-18"},"incertitude":1.52,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"deepseek-v4-pro-0813","benchmark":"hle","declare_par_labo":[{"modele":"deepseek-v4-pro-0813","benchmark":"hle","version":"non précisée, avec outils","valeur":60,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"DeepSeek","configuration":{"effort":null,"outils":true,"tentatives":null,"harnais":null,"note":"Agents de code des benchmarks publics : DeepSeek Harness (mode minimal), effort 'max', temperature 1.0, top_p 0.95 (note 1 de la carte). Non précisé si HLE suit ce protocole."},"source":{"url":"https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-0813","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"| HLE (wo / w tools) | 42.7 / 60.0 | 37.8 / 51.5 | 37.7 / 48.2"},"notes":["60.0 = avec outils. Reporté aussi sur la page GLM-5.3 ('HLE w/ Tools' 60.0, DeepSeek-V4 Pro-0813).","Version telle que la source la nomme : HLE (version non précisée), avec outils"],"fichier":"valeurs-releves.json"},{"modele":"deepseek-v4-pro-0813","benchmark":"hle","version":"non précisée, sans outils","valeur":42.7,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"DeepSeek","configuration":{"effort":null,"outils":false,"tentatives":null,"harnais":null,"note":"Agents de code des benchmarks publics : DeepSeek Harness (mode minimal), effort 'max', temperature 1.0, top_p 0.95 (note 1 de la carte). Non précisé si HLE suit ce protocole."},"source":{"url":"https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-0813","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"| HLE (wo / w tools) | 42.7 / 60.0 | 37.8 / 51.5 | 37.7 / 48.2"},"notes":["Libellé de la ligne : 'HLE (wo / w tools)' ; 42.7 = sans outils. Même chiffre dans le journal api-docs.deepseek.com/updates ('HLE (wo / w tools): 42.7/60.0').","Version telle que la source la nomme : HLE (version non précisée), sans outils"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"deepseek-v4-pro-0813","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"deepseek-v4-pro-0813","benchmark":"terminal-bench","declare_par_labo":[{"modele":"deepseek-v4-pro-0813","benchmark":"terminal-bench","version":"2.1","valeur":87.9,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"DeepSeek","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":"DeepSeek Harness (mode minimal)","note":"Agents de code des benchmarks publics : DeepSeek Harness (mode minimal), effort 'max', temperature 1.0, top_p 0.95 (note 1 de la carte). Non précisé si HLE suit ce protocole."},"source":{"url":"https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-0813","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"| Terminal Bench 2.1 | 87.9 | 82.7 | 72.1 | 61.8 | 81.0 | 88.3"},"notes":["Colonne 'DeepSeek-V4-Pro-0813' (variante exacte, différente de V4-Flash-0731 = 82.7 et de Preview = 72.1)."],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"deepseek-v4-pro-0813","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[{"modele":"deepseek-v4-pro-0813","benchmark":"arc-agi-2","version":"semi-privé","valeur":0.8,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"none","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.040291977000000014 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"deepseek-v4-pro-0813-none\", \"score\": 0.008333333333333333, \"costPerTask\": 0.040291977000000014"},"notes":["nom affiché (models.json) : 'DeepSeek V4 Pro 0813 (None)' ; modelId deepseek-v4-pro-0813-none ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.008333333333333333 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-08-13 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"deepseek-v4-pro-0813","benchmark":"arc-agi-2","version":"semi-privé","valeur":56.2,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"low","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.37025881200000005 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"deepseek-v4-pro-0813-low\", \"score\": 0.5625, \"costPerTask\": 0.37025881200000005"},"notes":["nom affiché (models.json) : 'DeepSeek V4 Pro 0813 (Low)' ; modelId deepseek-v4-pro-0813-low ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.5625 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-08-13 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"deepseek-v4-pro-0813","benchmark":"arc-agi-2","version":"semi-privé","valeur":59.7,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.5969432040000002 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"deepseek-v4-pro-0813-high\", \"score\": 0.5972222222222221, \"costPerTask\": 0.5969432040000002"},"notes":["nom affiché (models.json) : 'DeepSeek V4 Pro 0813 (High)' ; modelId deepseek-v4-pro-0813-high ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.5972222222222221 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-08-13 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"},{"modele":"deepseek-v4-pro-0813","benchmark":"arc-agi-2","version":"semi-privé","valeur":61.3,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"ARC Prize","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":"coût par tâche (costPerTask) = 0.5976109150000003 ; unité monétaire non écrite dans le JSON, le tableau affiche « $…/task »"},"source":{"url":"https://arcprize.org/media/data/evaluations.json","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"\"datasetId\": \"v2_Semi_Private\", \"modelId\": \"deepseek-v4-pro-0813-max\", \"score\": 0.6125, \"costPerTask\": 0.5976109150000003"},"notes":["nom affiché (models.json) : 'DeepSeek V4 Pro 0813 (Max)' ; modelId deepseek-v4-pro-0813-max ; page de présentation : https://arcprize.org/leaderboard (tableau rendu en JS depuis ce JSON)","score brut = 0.6125 (fraction 0-1) ; valeur = score x 100 arrondie à 1 décimale, précision d'affichage de la page (toFixed(1))","date de sortie du modèle (models.json) = 2026-08-13 ; pas de date de ligne affichée","citation = JSON pretty-printé de evaluations.json, espaces/retours à la ligne fusionnés en un espace","Version telle que la source la nomme : ARC-AGI-2 (semi-private)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"deepseek-v4-pro-0813","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"deepseek-v4-pro-0813","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":64.56,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id b6yWmeFgsWeEiG9Qzs3NSf : deepseek-v4-pro-0813_max = 0.6456140350877193","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-19"},"incertitude":2.84,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"deepseek-v4-pro-0813","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"deepseek-v4-pro-0813","benchmark":"simpleqa-verified","version":"Verified","valeur":52.91,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id 2xfFf6KZAp2gUWYhHGkFgs : deepseek-v4-pro-0813_max = 0.5290581162324649","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-27"},"incertitude":1.58,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"deepseek-v4-pro-0813","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"deepseek-v4-pro-0813","benchmark":"webdev-arena","version":"classement WebDev","valeur":1580.53,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"high","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id rec65iBl9WzLAM7JB : deepseek-v4-pro-0813_high = 1580.53","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["4258 votes ; IC 95 % : 1570.59 – 1590.48."],"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"glm-5-3","benchmark":"gpqa-diamond","declare_par_labo":[],"mesure_par_tiers":[{"modele":"glm-5-3","benchmark":"gpqa-diamond","version":"Diamond","valeur":90.91,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"gpqa_diamond.csv, id dLDBahYBTGRNjbsXA5pyr3 : glm-5.3_max = 0.9090909090909091","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-24"},"incertitude":1.59,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"glm-5-3","benchmark":"hle","declare_par_labo":[{"modele":"glm-5-3","benchmark":"hle","version":"non précisée, avec outils","valeur":62.5,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Z.ai","configuration":{"effort":null,"outils":true,"tentatives":null,"harnais":null,"note":"temperature=1.0, top_p=0.95, génération max 163,840 tokens, contexte max 300,000 avec stratégie de gestion de contexte, juge GPT-5.6-luna (medium)."},"source":{"url":"https://huggingface.co/zai-org/GLM-5.3","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"| HLE w/ Tools | 62.5 | 54.7 | 59.8 | 60.0 | 56.2"},"notes":["Version telle que la source la nomme : HLE w/ tools (version non précisée)"],"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[],"ecarts":[]},{"modele":"glm-5-3","benchmark":"swe-bench-pro","declare_par_labo":[],"mesure_par_tiers":[{"modele":"glm-5-3","benchmark":"swe-bench-pro","version":"V2 public, complet","valeur":95.6,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"max","outils":false,"tentatives":null,"harnais":"mini-swe-agent","note":"split public (page V2 : « a refreshed public split ») ; onglet Full ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-10-07","citation":"\"model\":\"GLM-5.3 (mini-swe-agent) max\",\"version\":\"\",\"rank\":6,\"score\":95.6,\"confidenceInterval_upper\":1.3"},"notes":["nom affiché : 'GLM-5.3 (mini-swe-agent) max' ; onglet Full (onglet actif par défaut : hard)","rang 6 ; intervalle de confiance affiché : +-1.3 ; date de ligne = createdAt 2026-10-07T01:44:58.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 Full (split public)"],"fichier":"valeurs-releves.json"},{"modele":"glm-5-3","benchmark":"swe-bench-pro","version":"V2 public, difficile","valeur":84.3,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Scale AI (SEAL)","configuration":{"effort":"max","outils":false,"tentatives":null,"harnais":"mini-swe-agent","note":"split public (page V2 : « a refreshed public split ») ; onglet HARD ; aucun onglet commercial sur cette page; outils : outils web désactivés (page : « web tools disabled » ; phase agent limitée à l'endpoint du modèle)"},"source":{"url":"https://labs.scale.com/leaderboard/swe_bench_pro_public_v2","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-09-22","citation":"\"model\":\"GLM-5.3 (mini-swe-agent) max\",\"version\":\"\",\"rank\":7,\"score\":84.3,\"confidenceInterval_upper\":0"},"notes":["nom affiché : 'GLM-5.3 (mini-swe-agent) max' ; onglet HARD (onglet actif par défaut : hard)","rang 7 ; intervalle de confiance affiché : +-0 ; date de ligne = createdAt 2026-09-22T03:41:36.000Z","taille de l'onglet HARD non précisée dans le texte lu ; V2 = 642 tâches sur 11 dépôts (billet « Update September 22, 2026 »)","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : SWE-Bench Pro V2 HARD (split public)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"glm-5-3","benchmark":"terminal-bench","declare_par_labo":[{"modele":"glm-5-3","benchmark":"terminal-bench","version":"2.1","valeur":88.2,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Z.ai","configuration":{"effort":null,"outils":null,"tentatives":null,"harnais":"Claude Code 2.1.207","note":"temperature=1.0, top_p=1, max_new_tokens=65536, timeout 6 h. Effort non précisé pour ce benchmark (la carte dit que 'max' est la valeur par défaut, à garder pour la reproduction)."},"source":{"url":"https://huggingface.co/zai-org/GLM-5.3","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"| Terminal Bench 2.1 | 88.2 | 81.0 | 88.3 | 87.9 | 86.6"},"fichier":"valeurs-releves.json"},{"modele":"glm-5-3","benchmark":"terminal-bench","version":"3.0","valeur":28.3,"unite":"pourcent","nature":"declare_par_labo","mesure_par":"Z.ai","configuration":{"effort":"max","outils":null,"tentatives":"avg@3 (3 rollouts par tâche)","harnais":"Claude Code 2.1.207","note":"Contexte 400K, sortie max 128K, 600 tours max par rollout, timeout 10 h, Tool Search désactivé, vérificateur officiel de chaque tâche."},"source":{"url":"https://huggingface.co/zai-org/GLM-5.3","fiabilite":"PAGE","consulte_le":"2026-10-12","citation":"| Terminal Bench 3.0 | 28.3 | 4.6 | 17.4"},"fichier":"valeurs-releves.json"}],"mesure_par_tiers":[{"modele":"glm-5-3","benchmark":"terminal-bench","version":"4.0","valeur":41.82,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"tbench.ai","configuration":{"effort":"max","outils":null,"tentatives":"n_trials = 330","harnais":"Claude Code","note":"colonne Effort de la page ; outils non précisés"},"source":{"url":"https://www.tbench.ai/leaderboard","fiabilite":"PAGE","consulte_le":"2026-10-12","date_page":"2026-08-14","citation":"\"label\":\"GLM-5.3\"},\"reasoning_effort\":\"max\"},\"metrics\":{\"accuracy\":41.82"},"notes":["nom affiché : 'GLM-5.3' ; agent_org = 'Anthropic' ; model_org = 'Z.ai'","affichage de la page : **41.8%** ± 3.2% ; n_trials = 330 ; coût total affiché $$2.7k ; rang 20","date de ligne (metadata.date) = 2026-08-14 ; lien modèle : https://docs.z.ai/guides/llm/glm-5.3","citation issue du payload JSON décodé (flight Next.js) de la page","Version telle que la source la nomme : Terminal-Bench 4.0 (leaderboard « 4-0-0 »)"],"fichier":"valeurs-releves.json"}],"ecarts":[]},{"modele":"glm-5-3","benchmark":"arc-agi-2","declare_par_labo":[],"mesure_par_tiers":[],"ecarts":[]},{"modele":"glm-5-3","benchmark":"frontiermath-t1-3","declare_par_labo":[],"mesure_par_tiers":[{"modele":"glm-5-3","benchmark":"frontiermath-t1-3","version":"Tiers 1-3 v2 (jeu privé)","valeur":68.77,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"frontiermath_tiers_1_3_v2.csv, id iXvqUzwxAiA3Rg3dwnutFs : glm-5.3_max = 0.6877192982456141","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-25"},"incertitude":2.75,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"glm-5-3","benchmark":"simpleqa-verified","declare_par_labo":[],"mesure_par_tiers":[{"modele":"glm-5-3","benchmark":"simpleqa-verified","version":"Verified","valeur":41,"unite":"pourcent","nature":"mesure_par_tiers","mesure_par":"Epoch AI","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"simpleqa_verified.csv, id TY8R8FV7zCwByEipkqyg2P : glm-5.3_max = 0.41","origine":"run interne d'Epoch AI","date_page":"run du 2026-08-28"},"incertitude":1.56,"fichier":"valeurs-epoch.json"}],"ecarts":[]},{"modele":"glm-5-3","benchmark":"webdev-arena","declare_par_labo":[],"mesure_par_tiers":[{"modele":"glm-5-3","benchmark":"webdev-arena","version":"classement WebDev","valeur":1614.45,"unite":"elo","nature":"mesure_par_tiers","mesure_par":"LMArena","configuration":{"effort":"max","outils":null,"tentatives":null,"harnais":null,"note":null},"source":{"url":"https://epoch.ai/data/benchmark_data.zip","fiabilite":"PAGE","consulte_le":"2026-10-13","citation":"webdev_arena_external.csv, id recGUmCEUF1DKCZhV : glm-5.3_max = 1614.45","origine":"https://arena.ai/leaderboard (relayé par Epoch AI)"},"notes":["3725 votes ; IC 95 % : 1603.61 – 1625.29."],"fichier":"valeurs-epoch.json"}],"ecarts":[]}]}}