Benchmarks d'IA
4 published articles
Orchestrator swap
Perplexity fait de Grok 4.5 son principal modèle orchestreur dans Computer, surpassant Opus 4.8 à moitié prix
Perplexity affirme que Grok 4.5 a surpassé cinq autres configurations d'orchestreur sur son benchmark interne WANDR, dépassant Claude Opus 4.8 en précision à environ la moitié du coût, et est désormais disponible dans Computer pour les abonnés Pro et Max.
2026-07-14
Benchmark integrity
GPT-5.6 Sol (max) domine CritPt, un nouveau benchmark de problèmes inédits de recherche en physique
GPT-5.6 Sol (max) mène CritPt, un nouveau benchmark de physique bâti sur des problèmes inédits de recherche de niveau graduate, obtenant environ 5 points de plus que GPT-5.5 et 4 points d'avance sur Claude Fable 5, selon des tests indépendants d'Artificial Analysis.
2026-07-13
Déploiement de l'IA de pointe
Claude Fable 5 et Mythos 5 : l'avenir de l'IA est une intelligence cloisonnée
Le Claude Fable 5 d'Anthropic offre aux utilisateurs publics des capacités de classe Mythos, tandis que le Mythos 5 reste en accès limité et de confiance. Le modèle de déploiement, le routage des capacités, les classificateurs de repli et l'accès hiérarchisé représentent un changement fondamental dans la manière dont l'IA de pointe est diffusée et utilisée.
2026-07-10
Intelligence Artificielle
IFBench : le nouveau benchmark testant le respect des instructions par l'IA
IFBench mesure la capacité des modèles de langage à suivre des instructions précises en langage naturel, une capacité clé mais souvent négligée. Les premiers résultats montrent les modèles Grok de xAI en tête, tandis que les modèles Claude sont à la traîne malgré des scores d'intelligence globale élevés.
2026-07-07