Benchmarks
Les benchmarks qui évaluent les modèles d'IA, classés par éditeur. Chaque fiche détaille ce que mesure le benchmark, son éditeur, sa licence et son accès, ainsi que le classement des meilleurs modèles.
Benchmarks
330 benchmarks d'IA, classés par éditeur.
| Éditeur | Benchmark | Compétences évaluées | Modèles |
|---|---|---|---|
| Communauté MTEB | MTEB: RTEB French | — | 220 |
| MTEB: RTEB German | — | 214 | |
| MTEB: RTEB Legal | — | 213 | |
| MTEB: Long-context Retrieval | — | 170 | |
| MTEB: Legal | — | 160 | |
| MTEB: Medical | — | 158 | |
| MTEB: European | — | 130 | |
| MTEB: Indic | — | 121 | |
| MTEB: French | — | 119 | |
| MTEB: Dutch | — | 115 | |
| MTEB: Russian | — | 106 | |
| MTEB: German | — | 100 | |
| MTEB: RTEB Finance | — | 99 | |
| MTEB: RTEB Healthcare | — | 99 | |
| MTEB: MAEB Audio-Only | — | 62 | |
| MTEB: Chinese | — | 60 | |
| MTEB: Scandinavian | — | 50 | |
| MTEB: Image-Text, Lite | — | 49 | |
| MTEB: Code | — | 45 | |
| MTEB: Image only | — | 45 | |
| MTEB: Chemical | — | 43 | |
| MTEB: Image-Text, English | — | 40 | |
| MTEB: Image-Text, Multilingual | — | 40 | |
| MTEB: MVEB Video-Only | — | 33 | |
| MTEB: Farsi | — | 32 | |
| MTEB: Spanish | — | 29 | |
| MTEB: Thai | — | 29 | |
| MTEB: Vietnamese | — | 29 | |
| MTEB: MVEB Video-Text | — | 24 | |
| MTEB: Korean | — | 23 | |
| MTEB: MAEB | — | 21 | |
| MTEB: Portuguese | — | 18 | |
| MTEB: MVEB | — | 16 | |
| MTEB: Polish | — | 12 | |
| MTEB: RTEB Code | — | 7 | |
| MTEB: RTEB English | — | 7 | |
| OpenAI | SWE-Bench Verified | Code, Développement frontend, Raisonnement | 102 |
| HumanEval | Code, Raisonnement | 65 | |
| BrowseComp | Agents, Raisonnement, Recherche | 58 | |
| MMMLU | Connaissances générales, Langage, Mathématiques, Raisonnement | 49 | |
| GSM8k | Mathématiques, Raisonnement | 47 | |
| SimpleQA | Connaissances générales, Factualité, Raisonnement | 45 | |
| Epoch: SWE-Bench verified | — | 32 | |
| MATH-500 | Mathématiques, Raisonnement | 31 | |
| MRCR v2 (8-needle) | Connaissances générales, Contexte long, Raisonnement | 21 | |
| Graphwalks BFS <128k | Raisonnement, Raisonnement spatial | 11 | |
| Graphwalks BFS >128k | Contexte long, Raisonnement, Raisonnement spatial | 11 | |
| Graphwalks parents <128k | Raisonnement, Raisonnement spatial | 11 | |
| HealthBench | Santé | 9 | |
| HealthBench Hard | Santé | 9 | |
| HealthBench Professional | Santé | 9 | |
| OpenAI-MRCR: 2 needle 128k | Contexte long, Raisonnement | 8 | |
| Graphwalks parents >128k | Contexte long, Raisonnement, Raisonnement spatial | 7 | |
| Internal API instruction following (hard) | Connaissances générales, Sortie structurée | 7 | |
| MRCR | Connaissances générales, Contexte long, Raisonnement | 7 | |
| SWE-Lancer (IC-Diamond subset) | Code, Raisonnement | 6 | |
| BrowseComp Long Context 128k | Raisonnement, Recherche | 4 | |
| OpenAI-MRCR: 2 needle 1M | Contexte long, Raisonnement | 4 | |
| SWE-Lancer | Code, Raisonnement | 4 | |
| MRCR v2 | Connaissances générales, Contexte long, Raisonnement | 3 | |
| IFEval | Connaissances générales, Sortie structurée, Suivi d'instructions | 65 | |
| Epoch: SimpleQA Verified | — | 63 | |
| MBPP | Connaissances générales, Raisonnement | 33 | |
| MGSM | Mathématiques, Raisonnement | 30 | |
| ERQA | Raisonnement, Raisonnement spatial, Vision | 23 | |
| WMT24++ | Langage | 23 | |
| IMO-AnswerBench | Mathématiques, Raisonnement | 19 | |
| FACTS Grounding | Ancrage factuel, Factualité, Raisonnement | 13 | |
| HiddenMath | Mathématiques, Raisonnement | 13 | |
| BIG-Bench Extra Hard | Connaissances générales, Langage, Raisonnement | 11 | |
| BoolQ | Langage, Raisonnement | 10 | |
| AndroidWorld_SR | Agents, Connaissances générales, Multimodal, Raisonnement | 8 | |
| DeepSearchQA | Agents, Raisonnement, Recherche | 8 | |
| ECLeKTic | Langage, Raisonnement | 8 | |
| Natural2Code | Connaissances générales, Raisonnement | 8 | |
| Natural Questions | Connaissances générales, Raisonnement, Recherche | 7 | |
| RefCOCO-avg | Ancrage factuel, Raisonnement spatial, Vision | 7 | |
| CountBench | Raisonnement, Raisonnement spatial, Vision | 6 | |
| FLEURS | Langage, Reconnaissance vocale | 6 | |
| Allen Institute (AI2) | MTEB: Instruction Following | — | 198 |
| ARC-C | Connaissances générales, Raisonnement | 34 | |
| AI2D | Multimodal, Raisonnement, Vision | 32 | |
| DROP | Mathématiques, Raisonnement | 29 | |
| IFBench | Connaissances générales, Suivi d'instructions | 28 | |
| HellaSwag | Raisonnement | 27 | |
| Winogrande | Langage, Raisonnement | 22 | |
| Social IQa | Créativité, Psychologie, Raisonnement | 9 | |
| ARC-E | Connaissances générales, Raisonnement | 8 | |
| Wild Bench | Communication, Connaissances générales, Raisonnement | 8 | |
| ZebraLogic | Raisonnement | 7 | |
| OpenBookQA | Connaissances générales, Raisonnement | 5 | |
| Epoch AI | Epoch: OTIS Mock AIME 2024-2025 | — | 122 |
| Epoch: FrontierMath-2025-02-28-Private | — | 69 | |
| Epoch: Chess Puzzles | — | 65 | |
| Epoch: FrontierMath-2025-02-28-Public | — | 64 | |
| Epoch: FrontierMath-Tier-4-2025-07-01-Private | — | 55 | |
| Epoch: FrontierMath-Tier-4-v2-Private | — | 43 | |
| Epoch: FrontierMath-Tiers-1-3-v2-Private | — | 42 | |
| Epoch: FrontierMath-Tier-4-2025-07-01-Public | — | 36 | |
| Epoch: Mystery Game Puzzles | — | 21 | |
| FrontierMath | Mathématiques, Raisonnement | 16 | |
| LiveBench | LiveBench | Connaissances générales, Mathématiques, Raisonnement | 38 |
| LiveBench: Agentic Coding | — | 26 | |
| LiveBench: Coding | — | 26 | |
| LiveBench: Data Analysis | — | 26 | |
| LiveBench: Global average | — | 26 | |
| LiveBench: IF | — | 26 | |
| LiveBench: Language | — | 26 | |
| LiveBench: Mathematics | — | 26 | |
| LiveBench: Reasoning | — | 26 | |
| LiveBench 20241125 | Connaissances générales, Mathématiques, Raisonnement | 14 | |
| Benchable | Benchable : Email Classification (Baseline) | — | 261 |
| Benchable : Instruction Following (Baseline) | — | 258 | |
| Benchable : Coding (Baseline) | — | 255 | |
| Benchable : General Knowledge (Baseline) | — | 254 | |
| Benchable : Ethics (Baseline) | — | 253 | |
| Benchable : Reasoning (Baseline) | — | 248 | |
| Benchable : Hallucinations (Baseline) | — | 235 | |
| Benchable : Mathematics (Baseline) | — | 228 | |
| Benchable : Keyword Topic Relevance Classification | — | 9 | |
| Sierra | Tau2 Telecom | Appels d'outils, Communication, Raisonnement | 34 |
| Tau2 Retail | Appels d'outils, Communication, Raisonnement | 25 | |
| TAU-bench Retail | Appels d'outils, Communication, Raisonnement | 24 | |
| t2-bench | Agents, Appels d'outils, Raisonnement | 23 | |
| TAU-bench Airline | Appels d'outils, Communication, Raisonnement | 22 | |
| Tau2 Airline | Appels d'outils, Communication, Raisonnement | 22 | |
| Tau-bench | Agents, Appels d'outils, Connaissances générales, Raisonnement | 6 | |
| TAU3-Bench | Agents, Appels d'outils, Raisonnement | 5 | |
| ByteDance | SuperGPQA | Chimie, Connaissances générales, Finance, Juridique, Mathématiques, Physique, Raisonnement, Santé, Économie | 34 |
| SWE-bench Multilingual | Code, Raisonnement | 34 | |
| OCRBench-V2 (zh) | Image vers texte, Vision | 11 | |
| WideSearch | Agents, Raisonnement, Recherche | 9 | |
| Multi-SWE-Bench | Code, Raisonnement | 6 | |
| Beyond AIME | Mathématiques, Raisonnement | 5 | |
| Shanghai AI Lab | VBench: Respect du prompt | — | 62 |
| VBench: Total | — | 62 | |
| MMBench-V1.1 | Multimodal, Raisonnement, Vision | 18 | |
| MVBench | Multimodal, Raisonnement, Raisonnement spatial, Vidéo, Vision | 17 | |
| MMBench | Multimodal, Raisonnement, Vision | 9 | |
| MMT-Bench | Connaissances générales, Multimodal, Raisonnement, Vision | 4 | |
| Qwen | CC-OCR | Multimodal, Sortie structurée, Text-to-image, Vision | 18 |
| WritingBench | Communication, Créativité, Finance, Juridique, Rédaction | 15 | |
| NOVA-63 | Connaissances générales | 11 | |
| DeepPlanning | Agents, Raisonnement | 9 | |
| CSimpleQA | Connaissances générales, Langage | 7 | |
| Gorilla (UC Berkeley) | BFCL-v3 | Agents, Appels d'outils, Connaissances générales, Finance, Raisonnement, Sortie structurée | 19 |
| BFCL-V4 | Agents, Appels d'outils | 13 | |
| BFCL | Appels d'outils, Connaissances générales, Raisonnement | 11 | |
| BFCL v2 | Appels d'outils, Connaissances générales, Raisonnement | 5 | |
| MAA (AMC) | AIME 2025 | Mathématiques, Raisonnement | 108 |
| AIME 2024 | Mathématiques, Raisonnement | 52 | |
| AIME 2026 | Mathématiques, Raisonnement | 17 | |
| AMC_2022_23 | Mathématiques, Raisonnement | 6 | |
| Princeton | CharXiv-R | Multimodal, Raisonnement, Vision | 47 |
| CharXiv-D | Multimodal, Raisonnement, Sortie structurée, Vision | 16 | |
| COLLIE | Langage, Raisonnement, Rédaction | 10 | |
| SUNRGBD | 3D, Raisonnement spatial, Vision | 4 | |
| Scale AI | Humanity's Last Exam | Mathématiques, Raisonnement, Vision | 91 |
| SWE-Bench Pro | Agents, Code, Raisonnement | 44 | |
| MCP Atlas | Agents, Appels d'outils, Code, Raisonnement | 30 | |
| Multi-Challenge | Communication, Raisonnement | 28 | |
| Zhipu AI | LVBench | Contexte long, Multimodal, Vision | 24 |
| LongBench v2 | Connaissances générales, Contexte long, Raisonnement, Sortie structurée | 16 | |
| ComplexFuncBench | Appels d'outils, Contexte long, Raisonnement, Sortie structurée | 7 | |
| AlignBench | Connaissances générales, Créativité, Jeu de rôle, Langage, Mathématiques, Raisonnement, Rédaction | 4 | |
| Aider | Aider-Polyglot | Code, Connaissances générales | 22 |
| Aider-Polyglot Edit | Code, Connaissances générales | 10 | |
| Aider | Code, Raisonnement | 4 | |
| ARC Prize | ARC-AGI v2 | Raisonnement, Raisonnement spatial, Vision | 16 |
| ARC-AGI | Raisonnement, Raisonnement spatial, Vision | 7 | |
| ARC-AGI-3 | Connaissances générales, Raisonnement | 4 | |
| Cohere | Include | Connaissances générales | 31 |
| Global-MMLU-Lite | Connaissances générales, Langage, Raisonnement | 14 | |
| Global-MMLU | Connaissances générales, Langage, Raisonnement | 5 | |
| Laude Institute | Terminal-Bench 2.0 | Agents, Appels d'outils, Code, Raisonnement | 49 |
| Terminal-Bench | Agents, Code, Raisonnement | 25 | |
| Terminal-Bench 2.1 | Agents, Appels d'outils, Code, Raisonnement | 17 | |
| LiveCodeBench | LiveCodeBench v6 | Connaissances générales, Raisonnement | 53 |
| LiveCodeBench v5 | Connaissances générales, Raisonnement | 9 | |
| LiveCodeBench Pro | Code, Connaissances générales, Raisonnement | 4 | |
| LMArena | Arena Hard | Connaissances générales, Créativité, Raisonnement, Rédaction | 26 |
| Arena-Hard v2 | Connaissances générales, Créativité, Raisonnement, Rédaction | 16 | |
| MT-Bench | Communication, Connaissances générales, Créativité, Jeu de rôle, Raisonnement | 12 | |
| MathArena | HMMT 2025 | Mathématiques | 33 |
| HMMT25 | Mathématiques | 25 | |
| HMMT Feb 26 | Mathématiques, Raisonnement | 11 | |
| Meta | Multi-IF | Communication, Langage, Raisonnement, Sortie structurée, Suivi d'instructions | 20 |
| TextVQA | Image vers texte, Multimodal, Vision | 15 | |
| CoVoST2 | Audio, Langage, Reconnaissance vocale | 4 | |
| Artificial Analysis | AA-LCR | Contexte long, Raisonnement | 15 |
| GDPval-AA | Agents, Connaissances générales, Finance, Juridique, Raisonnement | 7 | |
| BAAI | MLVU-M | Connaissances générales | 8 |
| RefSpatialBench | Ancrage factuel, Raisonnement spatial, Vision | 6 | |
| HKUST | Toolathlon | Agents, Appels d'outils, Raisonnement | 31 |
| C-Eval | Connaissances générales, Raisonnement | 18 | |
| Microsoft | ODinW | Vision | 16 |
| AGIEval | Connaissances générales, Juridique, Mathématiques, Raisonnement | 10 | |
| NVIDIA | MTEB: ViDoRe V3 | — | 41 |
| RULER | Contexte long, Raisonnement | 4 | |
| Vals AI | Finance Agent v2 | Agents, Finance, Raisonnement | 26 |
| Finance Agent | Agents, Finance, Raisonnement | 8 | |
| Apple | Hypersim | 3D, Raisonnement spatial, Vision | 4 |
| Codeforces | CodeForces | Mathématiques, Raisonnement | 16 |
| Databricks | OfficeQA Pro | Agents, Connaissances générales, Raisonnement | 7 |
| EQ-Bench | Creative Writing v3 | Créativité, Rédaction | 12 |
| EvalPlus | HumanEval+ | Raisonnement | 10 |
| EvolvingLMMs-Lab | VideoMMMU | Multimodal, Raisonnement, Santé, Vision | 26 |
| Harvey AI | Legal Agent Benchmark | Agents, Juridique, Raisonnement | 13 |
| Huawei | MTEB: Code Information Retrieval | — | 51 |
| Illuin Technology | MTEB: ViDoRe (V1&V2) | — | 48 |
| Jina AI | MTEB: Jina Visual Document Retrieval | — | 5 |
| Kilo Code | PinchBench : agentique (OpenClaw, 147 tâches) | — | 57 |
| Meituan | VITA-Bench | Agents, Raisonnement | 10 |
| Mercor | APEX-Agents | Agents, Raisonnement | 7 |
| Mistral AI | MM-MT-Bench | Communication, Multimodal | 17 |
| Moonshot AI | OJBench | Raisonnement | 9 |
| Nexusflow | Nexus | Appels d'outils, Connaissances générales | 4 |
| OpenDataLab | OmniDocBench 1.5 | Multimodal, Raisonnement, Sortie structurée, Vision | 13 |
| OPPO / Waseda | MAXIFE | Connaissances générales | 11 |
| Proximal | FrontierSWE | Agents, Code | 15 |
| Reka AI | Vibe-Eval | Connaissances générales, Multimodal, Vision | 8 |
| SB Intuitions | MTEB: Japanese | — | 21 |
| SkillsBench | SkillsBench | Agents, Code | 7 |
| TIGER Lab | MMLU-Pro | Connaissances générales, Finance, Juridique, Langage, Mathématiques, Raisonnement, Santé | 125 |
| Wayve | LingoQA | Langage, Multimodal, Raisonnement, Vision | 4 |
| WMT | WMT23 | Langage, Santé | 4 |
| xAI | RealWorldQA | Raisonnement spatial, Vision | 26 |
| Recherche académique | GPQA | Biologie, Chimie, Connaissances générales, Physique, Raisonnement | 221 |
| MTEB: BEIR | — | 197 | |
| Epoch: GPQA diamond | — | 143 | |
| MMLU | Connaissances générales, Finance, Juridique, Langage, Mathématiques, Raisonnement, Santé | 98 | |
| Epoch: MATH level 5 | — | 84 | |
| LiveCodeBench | Code, Connaissances générales, Raisonnement | 72 | |
| MATH | Mathématiques, Raisonnement | 70 | |
| MMMU-Pro | Connaissances générales, Multimodal, Raisonnement, Vision | 65 | |
| VBench: Actions humaines | — | 62 | |
| VBench: Amplitude du mouvement | — | 62 | |
| VBench: Cohérence du sujet | — | 62 | |
| VBench: Fluidité du mouvement | — | 62 | |
| VBench: Qualité d'image | — | 62 | |
| VBench: Qualité esthétique | — | 62 | |
| VBench: Qualité visuelle | — | 62 | |
| VBench: Stabilité temporelle | — | 62 | |
| MMMU | Connaissances générales, Multimodal, Raisonnement, Santé, Vision | 61 | |
| MMLU-Redux | Connaissances générales, Langage, Mathématiques, Raisonnement | 48 | |
| MathVista | Mathématiques, Multimodal, Vision | 38 | |
| MathVision | Mathématiques, Multimodal, Vision | 32 | |
| MMLU-ProX | Connaissances générales, Finance, Juridique, Langage, Mathématiques, Raisonnement, Santé | 32 | |
| MTEB: Reasoning Retrieval | — | 29 | |
| DocVQA | Image vers texte, Multimodal, Vision | 26 | |
| ChartQA | Multimodal, Raisonnement, Vision | 24 | |
| ScreenSpot Pro | Ancrage factuel, Multimodal, Raisonnement spatial, Vision | 24 | |
| MathVista-Mini | Mathématiques, Multimodal, Vision | 23 | |
| PolyMATH | Mathématiques, Multimodal, Raisonnement, Raisonnement spatial, Vision | 23 | |
| MMStar | Connaissances générales, Multimodal, Raisonnement, Vision | 22 | |
| OCRBench | Image vers texte, Vision | 22 | |
| OSWorld-Verified | Agents, Connaissances générales, Multimodal, Vision | 22 | |
| BIG-Bench Hard | Langage, Mathématiques, Raisonnement | 20 | |
| OSWorld | Agents, Connaissances générales, Multimodal, Vision | 20 | |
| DeepSWE 1.1 | Agents, Code | 19 | |
| MTEB: CoREB | — | 19 | |
| SciCode | Biologie, Chimie, Code, Mathématiques, Physique, Raisonnement | 18 | |
| TriviaQA | Connaissances générales, Raisonnement | 18 | |
| TruthfulQA | Connaissances générales, Finance, Juridique, Raisonnement, Santé | 18 | |
| Video-MME | Multimodal, Raisonnement, Vision | 17 | |
| Hallusion Bench | Raisonnement, Vision | 16 | |
| MTEB: BEIR-NL | — | 16 | |
| ScreenSpot | Ancrage factuel, Multimodal, Raisonnement spatial, Vision | 16 | |
| BLINK | 3D, Multimodal, Raisonnement, Raisonnement spatial, Vision | 13 | |
| BrowseComp-zh | Raisonnement, Recherche | 13 | |
| Claw-Eval | Agents, Code | 13 | |
| Global PIQA | Connaissances générales, Physique, Raisonnement | 13 | |
| MultiPL-E | Connaissances générales, Langage | 13 | |
| SimpleVQA | Connaissances générales, Image vers texte, Multimodal, Vision | 13 | |
| BBH | Langage, Mathématiques, Raisonnement | 12 | |
| CharadesSTA | Langage, Multimodal, Vidéo, Vision | 12 | |
| InfoVQAtest | Multimodal, Vision | 12 | |
| MedXpertQA | Multimodal, Raisonnement, Santé, Vision | 12 | |
| OCRBench-V2 (en) | Image vers texte, Vision | 12 | |
| VBench: Créativité (VBench 2.0) | — | 12 | |
| VBench: Total | — | 12 | |
| CyberGym | Agents, Code, Sûreté | 11 | |
| DocVQAtest | Multimodal, Vision | 11 | |
| MMMU (val) | Connaissances générales, Multimodal, Raisonnement, Santé, Vision | 11 | |
| MuirBench | Multimodal, Raisonnement, Vision | 11 | |
| PIQA | Connaissances générales, Physique, Raisonnement | 11 | |
| MLVU | Contexte long, Multimodal, Vidéo, Vision | 10 | |
| VideoMME w sub. | Multimodal, Vidéo, Vision | 10 | |
| VideoMME w/o sub. | Multimodal, Vidéo, Vision | 10 | |
| BabyVision | Multimodal, Raisonnement, Vision | 9 | |
| EgoSchema | Contexte long, Raisonnement, Vision | 9 | |
| InfoVQA | Multimodal, Vision | 9 | |
| ZEROBench | Multimodal, Raisonnement, Vision | 9 | |
| EmbSpatialBench | IA incarnée, Raisonnement spatial, Vision | 8 | |
| MCP-Mark | Agents, Appels d'outils | 8 | |
| Bird-SQL (dev) | Raisonnement | 7 | |
| DynaMath | Mathématiques, Multimodal, Raisonnement, Vision | 7 | |
| MathArena Apex | Mathématiques, Raisonnement | 7 | |
| OCRBench_V2 | Image vers texte, Vision | 7 | |
| V* | Multimodal, Raisonnement, Vision | 7 | |
| CMMLU | Connaissances générales, Langage, Raisonnement | 6 | |
| MATH (CoT) | Mathématiques, Raisonnement | 6 | |
| Seal-0 | Raisonnement, Recherche | 6 | |
| TheoremQA | Finance, Mathématiques, Physique, Raisonnement | 6 | |
| MMLongBench-Doc | Contexte long, Multimodal, Vision | 5 | |
| Multilingual MMLU | Connaissances générales, Langage, Raisonnement | 5 | |
| SQuALITY | Contexte long, Langage, Résumé | 5 | |
| ZEROBench-Sub | Multimodal, Raisonnement, Vision | 5 | |
| Codegolf v2.2 | Code | 4 | |
| MMMU (validation) | Connaissances générales, Multimodal, Raisonnement, Santé, Vision | 4 | |
| MMMUval | Connaissances générales, Multimodal, Raisonnement, Santé, Vision | 4 | |
| OSWorld 2.0 | Agents, Connaissances générales, Multimodal, Vision | 4 | |
| SlakeVQA | Image vers texte, Multimodal, Raisonnement, Santé, Vision | 4 | |
| TIR-Bench | Agents, Appels d'outils, Multimodal, Raisonnement | 4 | |
| VLMsAreBlind | Multimodal, Raisonnement, Vision | 4 | |
| Inconnu | Epoch: EBR-bench | — | 18 |
| FrontierCode 1.1 | Agents, Code, Raisonnement | 15 | |
| NL2Repo | Agents, Code | 14 | |
| DeepSWE | Agents, Code | 10 | |
| AutomationBench | Agents, Appels d'outils, Raisonnement | 8 | |
| Agents' Last Exam | Agents, Appels d'outils, Raisonnement | 5 | |
| Artificial Analysis | Connaissances générales | 5 | |
| GDP.pdf | Connaissances générales, Multimodal, Raisonnement, Vision | 5 | |
| PostTrainBench | Agents, Code, Raisonnement, Systèmes | 5 | |
| Program Bench | Agents, Code | 5 | |
| WorldVQA | Multimodal, Raisonnement, Vision | 5 | |
| Artificial Analysis Coding Agent Index v1.1 | Agents, Code | 4 | |
| BenchCAD | Code, Multimodal, Raisonnement, Vision | 4 | |
| ExploitBench | Agents, Code, Sûreté | 4 | |
| HealthBench Consensus | Santé | 4 |