Dans la nouvelle version de son indice, Artificial Analysis classe le meilleur modèle d’IA dont les poids sont téléchargeables à 32 points, contre 58 pour Claude Opus 5.5. Le classement, consulté le 28 octobre 2026, fait passer l’écart à 26 points, alors qu’il était de 12 points dans la version précédente. Les modèles n’ont pas changé : c’est la manière de les évaluer qui a été revue.
Une part croissante d’épreuves privées
Selon l’article de présentation de la version 5, 60 % de l’indice reposent sur des évaluations dont les jeux de test sont privés ou dont les réponses sont tenues secrètes. L’indice se divise en quatre familles pesant chacune 25 % : travail intellectuel, code, sciences et connaissances générales. Parmi les épreuves privées, Artificial Analysis cite FrontierCode 2.0, un banc d’essai de programmation lancé par Cognition, dont les tâches « restent privées pour éviter la contamination ». La contamination désigne la présence des questions de test dans les données d’entraînement des modèles. L’article ne détaille pas la composition exacte des 60 %.
Trois épreuves sortent de l’indice : GDPval-AA, SciCode et AA-LCR. Deux entrent : FrontierCode 2.0 et Terminal-Bench-Science, qui porte sur des tâches scientifiques menées dans un terminal. HLE-Diamond remplace Humanity’s Last Exam. Le 4 septembre, Artificial Analysis avait déjà annoncé sur son compte X une part privée de 40 % avec la version 4.2, afin d’empêcher l’optimisation des modèles en vue du classement.
Douze modèles ouverts en recul
Le classement indique que les onze modèles à poids ouverts recensés sur la page d’Artificial Analysis, en version 4.3.2, perdent tous entre 12 et 16 points. Mistral Large 4, dont les poids ne sont pas encore publiés, en perd 13. MiMo-V2.6-Pro de Xiaomi passe de 46 à 30, tandis que Kimi K3.1 Pro de Moonshot AI, également sans poids publiés, descend de 55 à 46. En version 5, les modèles fermés les mieux classés restent entre 50 et 58 points, avec Claude Opus 5.5 en tête.
Artificial Analysis n’explique pas cette chute. Sur Terminal-Bench-Science, GPT-6 Astra réussit 63 % des tâches, contre 13 % pour DeepSeek V4.1 Flash. Sans les scores épreuve par épreuve des deux versions, la part de chaque effet ne peut pas être calculée.
Trois, douze ou vingt-six points selon le modèle compté comme ouvert
Artificial Analysis résume la version 5 en indiquant que l’écart des modèles à poids ouverts « passe de 3 à 12 points ». Ce calcul retient Kimi K3.1 Pro, à 46 points, alors que ses poids ne sont « pas encore publiés ». La fiche de ce modèle sur le même site le classe d’ailleurs « Proprietary model ». Sur les seuls poids effectivement publiés, l’écart atteint 26 points : DeepSeek V4.1 Flash et GLM-5.3, à 32 points, restent à 26 points de Claude Opus 5.5.
Le réglage d’effort de raisonnement change aussi les résultats. Réglé en effort bas, Claude Opus 5.5 obtient 35 points pour un coût moyen de 0,98 dollar par tâche de l’indice, selon Artificial Analysis. En effort maximal, la même tâche lui coûte 10,04 dollars.
Pour Mistral Large 4, le dépôt Hugging Face affiche le 31 octobre 2026 comme date estimée de publication des poids, sans fichier ni licence au 28 octobre au soir. Mistral avait écrit le 6 octobre qu’il les publierait « d’ici la fin du mois ». Deux informations manquent encore : la licence choisie et le score de la version publiée.
