Benchmark · agentic

GDPval-AA (Elo)

14 résultats 10 modèles

Artificial Analysis's pairwise-graded Elo ranking on real-world economically valuable knowledge work; four-digit scores (~640-1950 Elo), so never file a percentage here. Not Chatbot Arena Elo (lmsys-arena) and not OpenAI's percentage GDPval.

Gemini 3.6 Flash Gemini 3.5 Flash-Lite DeepSeek-V4-Flash-0731 Grok 4.6 Gemini 3.7 Flash GLM-5.3 GLM-5.3-Flash Claude Fable 5.1 Muse Spark 1.3 K2-Horizon-375B-A23B

Chronologie

Date	Modèle	Score	Source
2026-09-07	K2-Horizon-375B-A23B	1441.0Elo	IFM publie K2 Horizon : six modèles Apache 2.0 de 0,9B à 375B
2026-09-04	Muse Spark 1.3	1754.0Elo	Meta lance Muse Spark 1.3 avec moins d'appels d'outils et de tokens
2026-09-01	Claude Fable 5.1	1853.0Elo	Anthropic publie Claude Fable 5.1 avec 52,6 % sur Terminal-Bench-Science et des lectures de cache moins chères
2026-08-27	GLM-5.3-Flash	1770.0Elo	NVIDIA rachète HuggingFace pour 13 milliards de dollars ; Z.ai lance GLM-5.3-Flash
2026-08-27	GLM-5.3-Flash	1770.0Elo	Z.ai lance GLM-5.3-Flash, un modèle multimodal de 320 milliards de paramètres avec une fenêtre de contexte de 1 million
2026-08-21	Grok 4.6	1577.0Elo	SpaceXAI présente Grok 4.6 avec des données Cursor pour les tâches agentic
2026-08-17	GLM-5.3	1769.0Elo	Z.ai lance le modèle de codage GLM-5.3 ; Cursor rejoint SpaceXAI
2026-08-14	Gemini 3.7 Flash	1525.0Elo	Google lance Gemini 3.7 Flash avec des améliorations algorithmiques et un prix réduit
2026-08-13	Grok 4.6	1753.0Elo	SpaceXAI publie Grok 4.6 avec un contexte de 500K et un raisonnement agentic amélioré
2026-08-13	Grok 4.6	1753.0Elo	xAI publie Grok 4.6, Alibaba lance Qwen3.8-Max, DeepSeek V4 Pro en GA
2026-08-13	Grok 4.6	1753.0Elo	xAI publie Grok 4.6 ; Alibaba ouvre Qwen3.8-MoE ; DeepSeek V4 Pro GA
2026-08-07	DeepSeek-V4-Flash-0731	1558.0Elo	DeepSeek publie V4-Flash-0731, surpassant V4-Pro à moindre coût
2026-07-27	Gemini 3.6 Flash	1421.0Elo	Google lance Gemini 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber
2026-07-27	Gemini 3.5 Flash-Lite	1140.0Elo	Google lance Gemini 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber