GDP.pdf
GDP.pdf est un benchmark de vision consacré au travail intellectuel à valeur économique. Il soumet les modèles à des tâches professionnelles présentées sous forme de documents visuels, notamment des PDF, afin d’évaluer leur capacité à exploiter des informations structurées.
GDP.pdf est un benchmark de vision consacré au travail intellectuel à valeur économique. Il soumet les modèles à des tâches professionnelles présentées sous forme de documents visuels, notamment des PDF, afin d’évaluer leur capacité à exploiter des informations structurées.
Son évaluation couvre le raisonnement fondé sur des documents, l’interprétation de graphiques et de tableaux, ainsi que la résolution de problèmes sans outils. GDP.pdf sert ainsi à comparer les aptitudes générales, multimodales, visuelles et de raisonnement dans un contexte documentaire professionnel.
Carte d'identité
| Caractéristique | Valeur |
|---|---|
| Capacités mesurées | généraliste, multimodal, raisonnement, vision |
| Modalité | Multimodal |
Classement des modèles (5)
| # | Modèle | Éditeur | Licence | Score | Sortie | Fiabilité |
|---|---|---|---|---|---|---|
| 1 | Claude Sonnet 5 | Anthropic | 🔒 Propriétaire | 81,6 % | 30 juin 2026 | Auto-déclaré |
| 2 | GPT-5.6 Sol | OpenAI | 🔒 Propriétaire | 30,7 % | 9 juillet 2026 | Auto-déclaré |
| 3 | Claude Fable 5 | Anthropic | 🔒 Propriétaire | 29,8 % | 9 juin 2026 | Auto-déclaré |
| 4 | GPT-5.6 Terra | OpenAI | 🔒 Propriétaire | 24,7 % | 9 juillet 2026 | Auto-déclaré |
| 5 | GPT-5.6 Luna | OpenAI | 🔒 Propriétaire | 22,7 % | 9 juillet 2026 | Auto-déclaré |
Classement établi sur 5 modèles évalués, dont 5 de grands éditeurs. Score médian de l'ensemble : 29,8 %. « Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench, MTEB…).
Notre analyse
Un score élevé indique qu’un modèle sait extraire, relier et interpréter les informations contenues dans des PDF pour résoudre des tâches professionnelles sans assistance d’outils. Claude Sonnet 5 domine les cinq modèles évalués, avec un résultat nettement supérieur à la médiane de l’ensemble. Cet écart révèle une forte disparité entre le meilleur modèle et les performances typiques de la sélection. Il montre aussi que le benchmark n’est pas globalement saturé, même si le score de tête laisse moins de marge de progression au sommet.
La lecture du classement demande toutefois de la prudence, car les scores sont majoritairement auto-déclarés par les éditeurs. Leur comparabilité dépend donc de la cohérence des protocoles appliqués, avec une rigueur moins directement contrôlable que dans une évaluation indépendante. Une éventuelle contamination par des données d’entraînement pourrait également favoriser certains résultats. Enfin, la portée reste centrée sur les documents visuels et le raisonnement associé. Un bon classement sur GDP.pdf renseigne sur ce cadre précis, sans constituer à lui seul une mesure exhaustive des capacités générales d’un modèle.
Sources des scores : llm-stats.