Pour la première fois depuis plusieurs mois, Anthropic cède la tête du classement Text Arena, qui évalue en temps réel les performances des modèles d’IA sur des tâches comme les mathématiques, le code ou l’écriture créative. Gemini 4 Argon, déployé par Google auprès de ses abonnés payants, prend la première place devant Muse Wonder, dévoilé par Meta, tandis que la société créatrice de Claude place tout de même six modèles dans le top 10.
- Gemini 4 Argon prend la tête du classement Text Arena, devant Muse Wonder de Meta.
- Anthropic perd la première place, mais six de ses modèles figurent dans le top 10.
- OpenAI reste en retrait, avec GPT-5.6 Sol au 21e rang.
- Anthropic domine l’analyse de documents, avec les sept premières places.
Présenté début octobre et d’abord réservé à une poignée d’acteurs de la cyberdéfense, Gemini 4 Argon a visiblement séduit la communauté d’Arena, un benchmark collaboratif où les internautes arbitrent des duels entre deux modèles anonymes. Conçu pour les tâches longues et complexes, en plusieurs étapes, le modèle le plus avancé de la firme de Mountain View devance Muse Wonder, qui revendique lui aussi cette spécialité.
Les 20 modèles les plus performants
Derrière le duo de tête, Anthropic occupe l’essentiel du haut du tableau. Claude Opus 5.5 prend la troisième place, devant Claude Fable 5, la version « High » de Claude Opus 4.6, Claude Fable 5.1, Claude Opus 4.7 et la version standard de Claude Opus 4.6. Ce dernier se maintient dans les cinq premières positions malgré une sortie remontant à février. Gemini 3.8 Flash et Muse Spark 1.3 complètent le top 10.
OpenAI, en revanche, reste en retrait. Son premier modèle, GPT-5.6 Sol, n’apparaît qu’au 21e rang. À l’exception de Kimi K3, placé 18e par Moonshot, le top 20 est composé de modèles de Meta, de Google et d’Anthropic.
Les meilleurs modèles par catégorie
Arena évalue aussi les modèles sur des tâches plus ciblées, comme la recherche web, l’analyse d’images ou l’analyse de documents. En recherche web, la version « xHigh » de GPT-5.6 Sol arrive en tête, suivie de Qwen 3.8 Max et de Claude Opus 4.6 Search. Sur les dix premières places de cette catégorie, neuf reviennent à Anthropic, qui en obtient cinq, et à OpenAI, qui en obtient quatre.
En analyse d’images, Claude Fable 5 prend la tête, devant Qwen 3.8 et Claude Opus 4.6. Anthropic place cinq modèles dans le top 10. En analyse de documents, Claude Opus 5 arrive en tête, et Anthropic occupe les sept premières places. OpenAI complète le top 10 avec GPT-5.5 en version standard, GPT-5.5 « High » et GPT-5.6 Sol.
Comment fonctionne le classement
Scruté par les principaux acteurs et observateurs de l’IA, Arena s’appuie sur les votes des internautes pour hiérarchiser les modèles. Une requête est soumise à deux modèles anonymisés, qui produisent chacun une réponse, et l’utilisateur désigne la plus pertinente. Chaque modèle reçoit un score Elo, une sorte de cote qui varie selon ses résultats dans ces duels.
Une victoire contre un adversaire mieux classé rapporte des points, alors qu’une défaite face à un concurrent moins bien classé en fait perdre. Un modèle en tête peut continuer à améliorer son score, mais sa progression se fait plus lentement.
