Inflection: Inflection 3 Productivity
Inflection: Inflection 3 Productivity est un LLM propriétaire d’Inflection, lancé le 11 octobre 2024. À près de deux ans, il appartient déjà à une génération ancienne à l’échelle de l’IA. Ses performances sont probablement dépassées, et les modèles de cette période sont souvent retirés…
Inflection: Inflection 3 Productivity est un LLM propriétaire d’Inflection, lancé le 11 octobre 2024. À près de deux ans, il appartient déjà à une génération ancienne à l’échelle de l’IA. Ses performances sont probablement dépassées, et les modèles de cette période sont souvent retirés des catalogues.
Le modèle dispose d’une fenêtre de contexte de 8 000 tokens et de connaissances arrêtées au 31 octobre 2024. Son positionnement économique le place nettement sous les modèles frontière en matière de coût, même si son tarif dépasse celui de la moyenne des LLM similaires.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Inflection |
| Poids | 🔒 Propriétaire |
| Date de sortie | 11 octobre 2024 |
| Connaissances jusqu'à | 2024-10-31 |
| Multimodal | non |
| Fenêtre de contexte | 8 000 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Ethics (Baseline) | 98,0 % | 105ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 97,0 % | 100ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 96,5 % | 106ᵉ / 161 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 88,0 % | 97ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 58,0 % | 105ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 57,0 % | 121ᵉ / 140 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 57,0 % | 138ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 0,0 % | 145ᵉ / 163 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Benchable : Ethics (Baseline)
Benchable : Email Classification (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Inflection | 2,5 $ | 10 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 20 % au-dessus de la moyenne des LLM similaires, et 2,2 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,1 $ |
| Latence moyenne par benchmark — Benchable | 4 min 59 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. À sa sortie, ses résultats les plus solides concernaient Ethics, Email Classification et General Knowledge, avec des scores Baseline bruts élevés. Ces benchmarks sont toutefois plafonnés et regroupent de nombreux modèles ex æquo, ce qui réduit fortement leur portée comparative. Le principal avantage concret reste le prix : Inflection 3 Productivity coûte environ 2,2 fois moins cher que les modèles frontière. Cette différence rendait son exploitation plus accessible que celle des offres haut de gamme de la même période.
Limites et points d’attention. Le modèle reste en retrait dans tous les classements fournis. Reasoning se situe dans le dernier tiers du tableau, tandis que Mathematics atteint seulement le rang 121 sur 140. Hallucinations obtient un score brut élevé, mais partage une modeste 97e place sur 146. La fenêtre de 8 000 tokens limite aussi le volume traité en une seule requête. Malgré son positionnement économique, le tarif dépasse de 20% la moyenne des LLM similaires. Ses connaissances s’arrêtent au 31 octobre 2024 et vieillissent désormais rapidement. À près de deux ans, ses performances sont largement dépassées par les générations plus récentes, et ce type de modèle ancien est souvent retiré du catalogue de son éditeur.
Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).