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 |
|---|---|---|---|---|---|
| 69 | DeepSeek V3.2 Exp |  DeepSeek |
1 425 | $0.27 / $0.41 | 164 k |
| 73 | DeepSeek R1 0528 | DeepSeek |
1 421 | $0.5 / $2.15 | 164 k |
| 76 | DeepSeek V3.1 Terminus | DeepSeek |
1 416 | $0.27 / $1 | 164 k |
| 91 | DeepSeek V3.2 | DeepSeek |
1 392 | $0.26 / $0.8 | 164 k |
| 78 | GLM 4.5 |  Z.ai |
1 411 | $0.6 / $2.2 | 131 k |
| 89 | Qwen3 VL 235B A22B Thinking |  Alibaba (Qwen) |
1 395 | $0.4 / $4 | 131 k |
| 105 | GLM 4.6V | Z.ai |
1 379 | $0.3 / $0.9 | 131 k |
| 106 | Qwen3 235B A22B | Alibaba (Qwen) |
1 375 | $0.46 / $1.82 | 131 k |
| 107 | GLM 4.5 Air | Z.ai |
1 373 | $0.13 / $0.85 | 131 k |
| 111 | Gemma 3 27B |  Google |
1 365 | $0.08 / $0.45 | 131 k |
| 114 | gpt-oss-120b |  OpenAI |
1 352 | $0.15 / $0.6 | 131 k |
| 116 | Qwen3 32B | Alibaba (Qwen) |
1 347 | $0.08 / $0.28 | 131 k |
| 118 | Gemma 3 12B | Google |
1 342 | $0.05 / $0.15 | 131 k |
| 128 | Llama 3.3 70B Instruct |  Meta |
1 318 | $0.1 / $0.32 | 131 k |
| 129 | gpt-oss-20b | OpenAI |
1 317 | $0.018 / $0.09 | 131 k |
| 130 | Mistral Large 2407 |  Mistral AI |
1 314 | $2 / $6 | 131 k |
| 132 | Gemma 3 4B | Google |
1 303 | $0.05 / $0.1 | 131 k |
| 134 | Llama 3.1 70B Instruct | Meta |
1 293 | $0.4 / $0.4 | 131 k |
| 135 | Granite 4.2 8B |  IBM |
1 290 | $0.06 / $0.25 | 131 k |
| 141 | Nano Banana 2 (Gemini 3.1 Flash Image) | Google |
1 262 | $0.5 / $3 | 131 k |
| 148 | Nano Banana Pro (Gemini 3 Pro Image) | Google |
1 248 | $2 / $12 | 131 k |
| 151 | Llama 3.1 8B Instruct | Meta |
1 211 | $0.05 / $0.08 | 131 k |
| 153 | Llama 3.2 3B Instruct | Meta |
1 167 | $0.05 / $0.33 | 131 k |
| 84 | Qwen3 235B A22B Thinking 2507 | Alibaba (Qwen) |
1 400 | $0.45 / $3.5 | 128 k |
| 137 | Command R+ (08-2024) |  Cohere |
1 276 | $2.5 / $10 | 128 k |
| 142 | Inception Mercury 2 |  Inception |
1 257 | $0.25 / $0.75 | 128 k |
| 147 | Command R (08-2024) | Cohere |
1 250 | $0.15 / $0.6 | 128 k |
| 113 | GLM 4.5V | Z.ai |
1 352 | $0.6 / $1.8 | 66 k |
| 146 | Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) | Google |
1 250 | $0.25 / $1.5 | 66 k |
| 87 | DeepSeek R1 | DeepSeek |
1 398 | $0.7 / $2.5 | 64 k |
| 164 | Llama 3.2 1B Instruct | Meta |
1 111 | $0.027 / $0.2 | 60 k |
| 125 | Qwen3 30B A3B | Alibaba (Qwen) |
1 327 | $0.12 / $0.5 | 41 k |
| 133 | Qwen2.5 72B Instruct | Alibaba (Qwen) |
1 303 | $0.36 / $0.4 | 33 k |
| 138 | Mistral Small 3 | Mistral AI |
1 274 | $0.05 / $0.08 | 33 k |
| 140 | Qwen2.5 Coder 32B Instruct | Alibaba (Qwen) |
1 271 | $0.66 / $1 | 33 k |
| 143 | Phi 4 |  Microsoft |
1 256 | $0.07 / $0.14 | 16 k |
| 136 | Gemma 2 27B | Google |
1 289 | $0.65 / $0.65 | 8 k |
| 43 | Flux 3 Video |  Black Forest Labs |
1 493 | — | — |
| 55 | Wan 3.0 | Alibaba |
1 457 | — | — |
| 58 | Grok Imagine Video 1.5 |  SpaceXAI |
1 456 | — | — |
| 70 | GPT Image 2.5 Sunburst | OpenAI |
1 425 | $5 | — |
| 88 | GPT Image 2.5 Flare | OpenAI |
1 398 | $5 | — |
| 92 | Happyhorse 1.0 | Alibaba |
1 392 | — | — |
| 98 | Grok Imagine Video | SpaceXAI |
1 385 | — | — |
| 100 | GPT Image 2 | OpenAI |
1 383 | — | — |
| 103 | Veo 3.1 | Google |
1 381 | — | — |
| 108 | Veo 3.1 Fast | Google |
1 373 | — | — |
| 123 | Grok Imagine Image 2.0 | SpaceXAI |
1 334 | — | — |
| 124 | Mai Image 2.6 | Microsoft |
1 332 | — | — |
| 139 | Muse Image | Meta |
1 274 | — | — |
Aucun modèle ne correspond à votre recherche.
Aucun modèle classé pour le moment.
101 à 150 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.