Classement des LLM
Les grands modèles d'IA, tous éditeurs et tous usages confondus, classés par la préférence des utilisateurs. Score Elo calculé par Arena. Comment ça marche ?
Les 266 autres modèles, sans score Arena, sont dans l'annuaire des modèles.
| Rang | Modèle | Éditeur | Score | Prix ($ par million de tokens) | Contexte |
|---|---|---|---|---|---|
| 51 | Qwen3.6 Max Preview |  Alibaba (Qwen) |
1 471 | $1.03 / $6.16 | 262 k |
| 52 | Gemini 3.1 Pro Preview |  Google |
1 467 | $2 / $12 | 1,05 M |
| 53 | MiniMax M3 |  MiniMax |
1 461 | $0.3 / $1.2 | 1,05 M |
| 54 | DeepSeek V4 Pro Preview |  DeepSeek |
1 459 | $0.96 / $1.91 | 1,05 M |
| 55 | Wan 3.0 | Alibaba |
1 457 | — | — |
| 56 | Qwen3.7 Plus | Alibaba (Qwen) |
1 456 | $0.32 / $1.28 | 1 M |
| 57 | GPT-5.1 |  OpenAI |
1 456 | $1.25 / $10 | 400 k |
| 58 | Grok Imagine Video 1.5 |  SpaceXAI |
1 456 | — | — |
| 59 | Qwen3.6 Plus | Alibaba (Qwen) |
1 452 | $0.33 / $1.95 | 1 M |
| 60 | Gemini 3.5 Flash Lite | Google |
1 447 | $0.3 / $2.5 | 1,05 M |
| 61 | GLM 5 |  Z.ai |
1 446 | $1 / $3.2 | 205 k |
| 62 | Kimi K2.5 |  Moonshot AI |
1 443 | $0.5 / $2.5 | 262 k |
| 63 | GLM 4.7 | Z.ai |
1 438 | $0.6 / $2.2 | 205 k |
| 64 | GPT-5.2 | OpenAI |
1 437 | $1.75 / $14 | 400 k |
| 65 | MiMo-V2.5 |  Xiaomi |
1 436 | $0.14 / $0.28 | 1,05 M |
| 66 | GPT-5 | OpenAI |
1 435 | $1.25 / $10 | 400 k |
| 67 | Qwen3 Max | Alibaba (Qwen) |
1 434 | $0.78 / $3.9 | 262 k |
| 68 | Thinking Machines Inkling |  Thinking Machines |
1 427 | $1 / $4.05 | 524 k |
| 69 | DeepSeek V3.2 Exp | DeepSeek |
1 425 | $0.27 / $0.41 | 164 k |
| 70 | GPT Image 2.5 Sunburst | OpenAI |
1 425 | $5 | — |
| 71 | GPT-5.4 Mini | OpenAI |
1 422 | $0.75 / $4.5 | 400 k |
| 72 | Qwen3.5 397B A17B | Alibaba (Qwen) |
1 421 | $0.5 / $3.6 | 262 k |
| 73 | DeepSeek R1 0528 | DeepSeek |
1 421 | $0.5 / $2.15 | 164 k |
| 74 | Kimi K2 0905 | Moonshot AI |
1 418 | $0.6 / $2.5 | 262 k |
| 75 | GLM 5V Turbo | Z.ai |
1 417 | $1.2 / $4 | 203 k |
| 76 | DeepSeek V3.1 Terminus | DeepSeek |
1 416 | $0.27 / $1 | 164 k |
| 77 | Qwen3 VL 235B A22B Instruct | Alibaba (Qwen) |
1 413 | $0.21 / $1.9 | 262 k |
| 78 | GLM 4.5 | Z.ai |
1 411 | $0.6 / $2.2 | 131 k |
| 79 | GPT-5.3-Codex | OpenAI |
1 409 | $1.75 / $14 | 400 k |
| 80 | Gemini 2.5 Flash | Google |
1 409 | $0.3 / $2.5 | 1,05 M |
| 81 | Inkling Small | Thinking Machines |
1 407 | $0.45 / $1.2 | 524 k |
| 82 | MiniMax M2.7 | MiniMax |
1 406 | $0.3 / $1.2 | 205 k |
| 83 | GPT-5.4 Nano | OpenAI |
1 401 | $0.2 / $1.25 | 400 k |
| 84 | Qwen3 235B A22B Thinking 2507 | Alibaba (Qwen) |
1 400 | $0.45 / $3.5 | 128 k |
| 85 | Grok 4.3 | SpaceXAI |
1 399 | $1.25 / $2.5 | 1 M |
| 86 | Qwen3 Next 80B A3B Instruct | Alibaba (Qwen) |
1 399 | $0.09 / $1.1 | 262 k |
| 87 | DeepSeek R1 | DeepSeek |
1 398 | $0.7 / $2.5 | 64 k |
| 88 | GPT Image 2.5 Flare | OpenAI |
1 398 | $5 | — |
| 89 | Qwen3 VL 235B A22B Thinking | Alibaba (Qwen) |
1 395 | $0.4 / $4 | 131 k |
| 90 | Step 3.5 Flash |  StepFun |
1 393 | $0.1 / $0.3 | 262 k |
| 91 | DeepSeek V3.2 | DeepSeek |
1 392 | $0.26 / $0.8 | 164 k |
| 92 | Happyhorse 1.0 | Alibaba |
1 392 | — | — |
| 93 | GPT-5 Mini | OpenAI |
1 390 | $0.25 / $2 | 400 k |
| 94 | MiniMax M2.5 | MiniMax |
1 389 | $0.27 / $0.95 | 205 k |
| 95 | OpenAI o1 | OpenAI |
1 389 | $15 / $60 | 200 k |
| 96 | Qwen3.5-122B-A10B | Alibaba (Qwen) |
1 388 | $0.26 / $2.08 | 262 k |
| 97 | MiniMax M2.1 | MiniMax |
1 385 | $0.3 / $1.2 | 205 k |
| 98 | Grok Imagine Video | SpaceXAI |
1 385 | — | — |
| 99 | Qwen3.5-27B | Alibaba (Qwen) |
1 383 | $0.26 / $2.6 | 262 k |
| 100 | GPT Image 2 | OpenAI |
1 383 | — | — |
Aucun modèle ne correspond à votre recherche.
Aucun modèle classé pour le moment.
51 à 100 sur 168
Score Elo calculé par Arena, d'après les préférences des utilisateurs. Le rang suit le score. La colonne de l'éditeur mène à l'outil qui utilise le modèle. Prix en dollars par million de tokens, en entrée puis en sortie. Cliquez sur un en-tête pour trier, sur une pastille pour changer de classement.
Comment le score est-il calculé ?
Le score est un Elo calculé par Arena. Des personnes comparent à l'aveugle les réponses de deux modèles à une même demande et désignent la meilleure. Chaque duel fait monter le gagnant et descendre le perdant, et battre un adversaire fort rapporte davantage.
Le rang suit le score. Chaque classement (général, par modalité, par tâche) a ses propres scores et ses propres rangs, et un modèle qui n'a pas été évalué dans un classement n'y figure pas. Quand un modèle existe en plusieurs niveaux de réflexion, seul son meilleur score est retenu.