Sur le classement d’Artificial Analysis consulté le 28 octobre 2026, le meilleur modèle dont les poids sont téléchargeables obtient 32 points, contre 58 pour Claude Opus 5.5, d’Anthropic. Avec la version 5 de l’indice, qui agrège plusieurs épreuves, les modèles à poids ouverts perdent tous entre 12 et 16 points, alors que les modèles eux-mêmes n’ont pas changé.
- Les modèles à poids ouverts perdent entre 12 et 16 points avec la version 5 d’Artificial Analysis, alors que les modèles n’ont pas changé.
- Mistral Large 4 passe de 38 à 25 points, tandis que Claude Opus 5.5 obtient 58 points.
- La nouvelle version confie 60 % de l’indice à des tests privés, pour limiter la contamination des données d’entraînement.
- L’écart de 3 points annoncé par le site inclut Kimi K3.1 Pro, dont les poids ne sont pas publiés ; sur les seuls poids publiés, il atteint 26 points.
Dans la version précédente, encore en ligne quelques jours plus tôt, MiMo-V2.6-Pro de Xiaomi, DeepSeek V4.1 Flash et GLM-5.3 dépassaient tous 44 points. La nouvelle version remplace en effet des évaluations publiques par des jeux de questions que les laboratoires ne peuvent pas consulter.
60 % de l’indice repose désormais sur des tests privés
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.
Artificial Analysis cite notamment 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’indice retient aussi 40 questions difficiles de CritPt v2, en physique, tandis que AA-Omniscience v1.1 a été purgé de ses questions publiques. 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, consacrée à des tâches scientifiques menées dans un terminal. Sur son compte X, Artificial Analysis avait déjà porté la part privée à 40 % avec la version 4.2, le 4 septembre, et annonçait une hausse en version 5.
Les modèles ouverts perdent entre 12 et 16 points
Les onze modèles recensés par la page des modèles ouverts, encore affichée en version 4.3.2 le 28 octobre, perdent tous entre 12 et 16 points en version 5. Mistral Large 4, dont les poids ne sont pas encore publiés, en perd 13. MiMo-V2.6-Pro passe ainsi de 46 à 30, DeepSeek V4.1 Flash 1017 (max) de 45 à 32, et Muse Spark Open (Meta, xhigh) de 39 à 25.
Kimi K3.1 Pro de Moonshot AI, dont les poids ne sont pas publiés, passe de 55 à 46. Les modèles fermés les mieux classés restent entre 50 et 58 points : Claude Opus 5.5 (58), GPT-6 Astra (57), GPT-6.1 Sol (55), Claude Sonnet 5.5 (54), GPT-6.1 Terra (51) et Gemini 4 Argon (50). Artificial Analysis n’explique pas la baisse des modèles ouverts.
De 3 à 26 points d’écart selon le modèle compté comme ouvert
Artificial Analysis résume la version 5 en écrivant 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 ». Dans son article du 23 octobre, le site annonçait que l’écart se réduirait « de 12 points à 3 » une fois ces poids publiés, mais ils ne l’étaient toujours pas le 28 octobre. La fiche du modèle le classe d’ailleurs « Proprietary model ».
Sur les seuls poids effectivement publiés, DeepSeek V4.1 Flash et GLM-5.3, à 32 points, sont à 26 points de Claude Opus 5.5. Avant le changement de version, l’écart était de 12 points. Avec 25 points, Mistral Large 4 rejoint Muse Spark Open, et DeepSeek V4.1 Flash et GLM-5.3 devancent ces deux modèles de 7 points.
Le classement indique aussi le réglage d’effort de raisonnement de chaque modèle. 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.
Le dépôt Hugging Face de Mistral Large 4 affiche le 31 octobre 2026 comme date estimée de publication de ses 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 ». La licence choisie et le score de la version publiée restent inconnus.
