Inflection: Inflection 3 Productivity
Inflection: Inflection 3 Productivity est un LLM publié par Inflection le 11 octobre 2024, avec une orientation explicite vers les tâches de productivité. À l’échelle de l’IA générative, son ancienneté d’environ deux ans le place déjà parmi les modèles d’une génération antérieure, à…
Inflection: Inflection 3 Productivity est un LLM publié par Inflection le 11 octobre 2024, avec une orientation explicite vers les tâches de productivité. À l’échelle de l’IA générative, son ancienneté d’environ deux ans le place déjà parmi les modèles d’une génération antérieure, à comparer surtout aux LLM disponibles lors de sa sortie.
Le modèle s’appuie sur des connaissances arrêtées au 31 octobre 2024 et une fenêtre de contexte de 8 000 tokens. Son tarif se situe dans la moyenne du marché, tout en restant supérieur à celui de LLM similaires et nettement inférieur aux modèles frontière. Les données disponibles reposent sur deux sources concordantes.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Inflection |
| 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 % | 161ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 97,0 % | 163ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 96,5 % | 166ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 88,0 % | 158ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 58,0 % | 167ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 57,0 % | 180ᵉ / 217 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 57,0 % | 211ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 0,0 % | 229ᵉ / 252 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, 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 28 % au-dessus de la moyenne des LLM similaires, et 1,9 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
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, Inflection: Inflection 3 Productivity présentait un profil solide sur les tâches de productivité courantes. Ses meilleurs résultats Benchable concernent Ethics (Baseline), Email Classification (Baseline) et General Knowledge (Baseline), ce qui signale une bonne tenue sur les réponses générales, le tri de courriels et les consignes à enjeu comportemental. Le score Hallucinations (Baseline) le place aussi dans une zone correcte pour sa génération, avec une capacité à limiter les affirmations infondées mieux que ses résultats en raisonnement formel. Son positionnement tarifaire restait exploitable pour des volumes de texte importants, avec un coût inférieur à celui des modèles haut de gamme.
Limites et points d'attention. Le modèle accuse aujourd’hui son âge : environ deux ans représentent un cycle très long pour les LLM, et ses performances sont largement dépassées par les générations plus récentes. Les résultats Benchable en Reasoning (Baseline) et Mathematics (Baseline) sont ses faiblesses les plus nettes, ce qui limite son intérêt pour les tâches demandant des chaînes de raisonnement robustes ou du calcul fiable. Sa fenêtre de contexte de 8 000 tokens paraît également étroite face aux standards plus récents. Côté prix, il est 28% au-dessus de la moyenne des LLM similaires, malgré un tarif environ 1,9 fois inférieur aux modèles frontière. Comme beaucoup de modèles de cette période, il est souvent absent des catalogues actuels des éditeurs.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).